Huang Renxun erwähnte erneut, dass „AGI verwirklicht wurde“: radikale Rhetorik, aber Fälle offenbaren die Realitätslücke

Jen-Hsun Huang, CEO von NVIDIA, gab kürzlich eine weitere bahnbrechende öffentliche Erklärung ab und behauptete: „Wir haben künstliche allgemeine Intelligenz (AGI) erreicht.“ Seine Äußerungen und Beispiele in verschiedenen Interviews zeigten jedoch auch, dass zwischen dem aufkommenden Stadium der Fähigkeiten der künstlichen Intelligenz und der „Intelligenz auf menschlicher Ebene“ immer noch eine große Lücke besteht.

Am 22. März wurde Huang in einem Interview mit Podcast-Moderator Lex Fridman gefragt, wann AGI erreicht werden würde. Nach Fridmans Definition sollte AGI „ein System sein, das Ihre Arbeit erledigen kann, einschließlich der Gründung, Führung und des Wachstums eines Technologieunternehmens mit einem Umsatz von über einer Milliarde Dollar von Grund auf.“ Auf die Frage, einen Zeitplan von 5, 10 oder sogar 20 Jahren anzugeben, antwortete Huang ohne zu zögern: „Ich denke, es ist jetzt.“ Er fügte jedoch sofort hinzu, dass die andere Partei „1 Milliarde US-Dollar“ erwähnte, aber nicht sagte, „wie lange es dauern kann“. Dies ist gleichbedeutend damit, AGI als eine abgestufte Schwelle für kommerzielle Erfolge zu verstehen und nicht als einen langfristig stabilen „Geist“ mit menschenähnlichen kognitiven Fähigkeiten.

Huang Renxun machte im selben Interview deutlich: „Ich denke, wir haben AGI erreicht.“ Er betrachtete die aktuelle Klasse der KI-Agentensysteme als Beispiele mit großen Hoffnungen und glaubte, dass diese Systeme ein starkes unternehmerisches Potenzial bei der Einführung sozialer Anwendungen und der Durchführung kreativer Experimente gezeigt hätten. Er erwähnte, dass Open-Source-Projekte, darunter OpenClaw (eine Open-Source-Plattform für KI-Agenten, die von OpenAI übernommen wird), eine Welle von „unternehmerischen Wellen“ auslösen, die digitale Agenten nutzen, um virtuelle Influencer und automatisierte digitale Communities zu schaffen, was zu beweisen scheint, dass AGI „angekommen“ ist.

Huang betonte zwar diese Welle, räumte aber auch ein, dass der aktuelle Erfolg dieser Systeme höchst zufällig sei. Er wies darauf hin, dass viele Projekte „nach zwei Monaten Feuer abkühlen“ und sagte unverblümt, dass „die Wahrscheinlichkeit, aus 100.000 solcher Agenten tatsächlich eine NVIDIA zu machen, Null ist.“ Diese Aussage erkennt tatsächlich an, dass die aktuellen KI-Agenten noch sehr weit davon entfernt sind, wirklich über die umfassende Fähigkeit zu verfügen, über einen langen Zeitraum hinweg systematisch extrem große Technologieunternehmen aufzubauen und zu betreiben. Es schwächt auch sein bisheriges radikales Urteil, dass „AGI erreicht wurde“.

Die Aussage „ob AGI umgesetzt wurde“ hat auch auf langjährige Unterschiede in der Branche hingewiesen. Das Konzept der allgemeinen künstlichen Intelligenz selbst wird seit langem stark „politisiert“ und „kapitalisiert“. In den Vertragsbedingungen zwischen Unternehmen wie OpenAI und Microsoft und ihren Partnern ist die Frage, ob „AGI erreicht wurde“, oft direkt mit großen Geldbeträgen und der strategischen Ausrichtung verknüpft. Daher kann jede Aussage, dass „AGI erreicht wurde“, leicht eine Debatte entfachen. Technologieführer und Forscher diskutieren seit Jahren darüber, ob aktuelle groß angelegte Modellsysteme „echte allgemeine Intelligenz“ verkörpern oder einfach nur hochsimulierte Fragmente menschlicher Intelligenz sind.

Es ist erwähnenswert, dass Huang Jen-Hsun nur drei Tage vor der Veröffentlichung von Fridmans Interview am 19. März einen ganz anderen Schwerpunkt auf die praktische Anwendung von KI legte, als er während der Nvidia GTC (GPU Technology Conference) im All-In Podcast zu Gast war. In diesem Gespräch konzentrierte er sich nicht darauf, ob AGI „realisiert“ wurde, sondern vielmehr darauf, ob menschliche Ingenieure die vorhandenen KI-Tools voll ausnutzen, und warnte sogar eindringlich, dass er „zutiefst schockiert“ wäre, wenn hochbezahlte Ingenieure nicht genug Geld für KI ausgeben würden.

„Wenn ein Ingenieur mit einem Jahresgehalt von 500.000 US-Dollar nicht mindestens 250.000 US-Dollar an KI-Token pro Jahr verbraucht, wäre ich sehr wachsam“, sagte Huang. Er erklärte „Token“ als grundlegende Maßeinheit für die Verarbeitung großer Modelle und die Sprachgenerierung sowie als direkte Widerspiegelung der Kosten und Arbeitsfähigkeiten von KI-Rechnern. Seiner Ansicht nach führt eine unzureichende Nutzung von Token dazu, dass Ingenieure nicht in der Lage sind, die KI vollständig zu nutzen, was einer Verschwendung potenzieller Produktivität gleichkommt.

Huang verglich dieses Verhalten sogar mit der Weigerung von Chipdesignern, elektronische Designautomatisierungstools wie CAD zu verwenden, und „zur Papier-und-Bleistift-Ära zurückzukehren“, um Schaltpläne zu zeichnen. Er gab bekannt, dass Nvidia derzeit versucht, ein Token-Budget von etwa 2 Milliarden US-Dollar für das Entwicklungsteam bereitzustellen, und erwägt, Token direkt in die Vergütungspakete der Mitarbeiter zu integrieren. Er stellte sich vor, dass ein Ingenieur neben einem Grundgehalt von Hunderttausenden Dollar pro Jahr auch eine „Token-Quote“ im Wert von etwa der Hälfte des Grundgehalts erhalten würde, sodass er durch den Einsatz einer Vielzahl von KI-Tools „seine Arbeitseffizienz um das Zehnfache steigern“ könne.

Angesichts dieser beiden öffentlichen Auftritte im Abstand von mehreren Tagen behauptete Huang Jen-Hsun einerseits in höchst provokativer Sprache, dass AGI „angekommen“ sei und eine bestimmte Definition von „allgemeiner Intelligenz“ erfülle, die auf geschäftliche Erfolge ausgerichtet sei; Andererseits betonte er in Bezug auf interne Management- und Ingenieurspraktiken, dass das aktuelle KI-System immer noch stark von menschlicher Initiative und intensiver Nutzung abhängig sei und die Erfolgswahrscheinlichkeit in der realen unternehmerischen Praxis äußerst gering sei. Die Spannung zwischen den vorherigen und späteren Bemerkungen spiegelt genau den subtilen Wechsel zwischen der „Hype-Grenze“ und den „realistischen Fähigkeiten“ der aktuellen KI-Industrie wider: Während man durch übertriebene Aussichten um Ressourcen konkurriert, muss man zugeben, dass die Technologie in vielen Schlüsseldimensionen noch weit davon entfernt ist, die ideale „Intelligenz auf menschlicher Ebene“ zu erreichen.