Altman verspricht GPT-5 dieses Jahr und AGI bis 2025

Altman verspricht GPT-5 dieses Jahr und AGI bis 2025: Kein Datum ist glaubwürdig

Sam Altman hat erneut ein Datum für das gesetzt, was bisher niemand datieren konnte: die Allgemeine Künstliche Intelligenz (AGI). GPT-5 noch in diesem Jahr, AGI im Jahr 2025 und ein „möglicherweise“, das alles abdeckt. Das Versprechen stammt vom CEO von OpenAI und dominiert die Diskussionen über Technologie, Beschäftigung und Finanzen. Das Problem ist nicht, dass es ambitioniert klingt. Es klingt seit zwei Jahren gleich – nur dass die Liste der gestrichenen Oktobere auf dem Kalender inzwischen nicht mehr an die Wand passt.

Was ist AGI und warum herrscht Unklarheit?

Theoretisch ist AGI eine Intelligenz, die den Menschen bei jeder kognitiven Aufgabe erreichen oder übertreffen kann. In der Praxis hat niemand präzise definiert, was „jede Aufgabe“ bedeutet. Hier beginnt das Problem. Es besteht Konsens darüber, dass GPT-4 keine AGI ist und dass aktuelle Modelle bei Aufgaben scheitern, die ein Kind lösen kann. Die am häufigsten zitierte Definition lautet: ein synthetischer Mensch, der einen durchschnittlichen Menschen übertrifft, mit einer unbequemen Ergänzung: Wenn dies der Maßstab ist, können viele Mitarbeiter nicht mehr mithalten.

Die verwirrende Rechnung: 100 Billionen Synapsen

Geschätzt verfügt das menschliche Gehirn über etwa 100 Billionen (100 x 10^12) Synapsen. Gerüchte schreiben GPT-4 etwa 2 Billionen (2 x 10^12) Parameter zu. Wenn GPT-5 diese Zahl verzehnfacht, erreicht sie dieselbe Größenordnung wie ein Gehirn. Hier kommt jedoch der entscheidende Unterschied, der den Vergleich hinfällig macht: Eine biologische Neuron und eine künstliche neuronale Netzwerkeinheit sind nicht vergleichbar, und das menschliche DNA enthält nur 3 Milliarden Basenpaare. Mehr Parameter bedeuten nicht automatisch mehr Intelligenz. Die detaillierte Gegenüberstellung beider Größen führt zu einem ernüchternden Ergebnis.

Warum der KI-Hype genau mit hohen Zinsen zusammenfiel

Eine unbequeme These kursiert: Der Boom großer Sprachmodelle fällt verdächtig mit dem Anstieg der Zinssätze zusammen. Als Risikokapital aus dem Technologiesektor floh und große Unternehmen Rückschläge hinnehmen mussten, sprießten generative Tools wie Pilze aus dem Boden, und Geld floss wieder reichlich herein. Für manche ist es reine Innovation; für andere Finanzmarketing mit Verfallsdatum. Die Parallele zum damaligen „Blockchain, der Notare überflüssig machen würde“ und Grundbuchämtern wird oft gezogen, obwohl KI bereits täglich in realen Unternehmen eingesetzt wird.

„Viele werden arbeitslos gemacht“

Der Einfluss auf den Arbeitsmarkt ist der Punkt, an dem der Optimismus bricht. Die vorherrschende Prognose ist eine schrittweise Substitution beginnend mit Software: Design, Management, Datenverwaltung, Planung und Projektdurchführung. Sektoren mit unbesetzten Stellen beschleunigen die Automatisierung, ohne dass AGI erst eintreten muss. Google kündigte 30.000 Entlassungen an, und einige lasen dies als die erste Rechnung des Wandels. Das gezeichnete Szenario ist das einer müßigen, arroganten Elite nach Art römischer Patrizier und einer verdrängten Mehrheit, wobei noch niemand erklärt hat, wie der Überschuss verteilt wird.

Die philosophische Front: Bewusstsein, gesunder Menschenverstand und Gödels Theorem

Die Debatte wird kompliziert, wenn gefragt wird, ob eine Maschine „denken“ kann. Ein Experte fasst es schonungslos zusammen: Maschinelles Lernen generiert Millionenumsätze und löst reale Probleme, aber AGI bleibt Science-Fiction, und hier wird viel heiße Luft verkauft. Gödels Theoreme und die Turing-Maschine erscheinen als theoretische Mauern: Egal wie viele Regeln man einbaut, das System lässt immer etwas außen vor. Die operative Frage ist, ob KI gesunden Menschenverstand besitzt, und die Modelle selbst antworten mit Nein: Gesunder Menschenverstand ist eine Menge gemeinsamer Selbstverständlichkeiten, kein System des Verstehens.

Was kommt: MAMBA, Q* und andere Architekturen

Während diskutiert wird, schreitet die Technik voran. Eine Architektur namens MAMBA, ohne Transformer, verarbeitet bis zu einer Million Tokens und soll fünfmal schneller sein als konventionelle Modelle. Angewendet mit Mixture-of-Experts (32 in der neuesten Arbeit), verspricht sie Fortschritte. Am anderen Ende testet OpenAI Reinforcement Learning der Art Q*, damit Modelle Baumbasiertes Reasoning verkettet, statt die erste Antwort auszugeben. Und Altman gab in einem Interview mit Bill Gates zu, dass Training nur mit Sprache nicht ausreicht: Video und andere Datenformen sind nötig. Der Schatten von AlphaGo liegt über allem: Der Tag, an dem die Maschine allein lernt, verändert das Spiel.

Wo die Analyse ins Stocken gerät

Niemand bestreitet, dass das Werkzeug funktioniert und in vielen Teams, von ITlern bis Journalisten und Designern, unverzichtbar geworden ist. Was nicht zusammenpasst, sind das Datum, die Definition und wer die Rechnung für die Arbeitslosigkeit bezahlt. Altman hat wirtschaftliche Interessen an dem angekündigten Zeitplan, was ihn nicht zum Lügner macht, sondern zum Interessenträger. Mit 2025 am Horizont und steigenden Parameterzahlen ist die nützliche Frage nicht, ob AGI kommen wird. Sie lautet: Was passiert mit denen, die übrig bleiben, solange wir warten?