KI-Analogiemodelle: Herausforderung für die menschliche Intelligenz?

Analoges Denken, die einzigartige Fähigkeit, die Menschen besitzen, um unbekannte Probleme durch das Zeichnen von Parallelen mit bekannten Problemen zu lösen, gilt seit langem als eine einzigartige menschliche kognitive Funktion. Eine bahnbrechende Studie, die von Psychologen der UCLA durchgeführt wurde, präsentiert jedoch überzeugende Ergebnisse, die uns dazu bringen könnten, dies zu überdenken.

GPT-3: Kann es der menschlichen Intelligenz entsprechen?

Die UCLA-Forschung fand heraus, dass GPT-3, ein von OpenAI entwickeltes KI-Sprachmodell, Denkfähigkeiten zeigt, die fast mit denen von College-Studenten vergleichbar sind, insbesondere wenn es darum geht, Probleme zu lösen, die denen in Intelligenztests und standardisierten Prüfungen wie dem SAT ähneln. Diese Erkenntnis, die im Journal Nature Human Behaviour veröffentlicht wurde, wirft eine interessante Frage auf: Emuliert GPT-3 menschliches Denken aufgrund seiner umfassenden Sprachtrainingsdaten oder greift es auf einen völlig neuen kognitiven Prozess zurück?

Die genauen Funktionsweisen von GPT-3 bleiben von OpenAI verborgen, was die Forscher an der UCLA neugierig macht, wie das Modell seine Fähigkeiten zum analogem Denken entwickelt hat. Trotz der lobenswerten Leistung von GPT-3 bei bestimmten Denkaufgaben ist das Tool nicht ohne Fehler. Taylor Webb, der Hauptautor der Studie und Postdoktorand an der UCLA, bemerkte: “Während unsere Ergebnisse beeindruckend sind, ist es wichtig zu betonen, dass dieses System erhebliche Einschränkungen hat. GPT-3 kann analoges Denken durchführen, aber es hat Schwierigkeiten bei Aufgaben, die für Menschen trivial sind, wie z.B. die Verwendung von Werkzeugen für eine physische Aufgabe.”

GPT-3s Fähigkeiten wurden getestet, indem Probleme verwendet wurden, die von Raven’s Progressive Matrices inspiriert waren – einem Test, der komplexe Formenreihen beinhaltet. Indem Webb diese in ein Textformat umwandelte, das GPT-3 entschlüsseln konnte, stellte er sicher, dass diese völlig neue Herausforderungen für die KI darstellten. Im Vergleich zu 40 UCLA-Studenten entsprach GPT-3 nicht nur der menschlichen Leistung, sondern ahmte auch die Fehler der Menschen nach. Das KI-Modell löste 80% der Probleme korrekt, was die durchschnittliche menschliche Punktzahl übertraf und im Bereich der besten menschlichen Leistungen lag.

Das Team testete GPT-3s Fähigkeiten weiter, indem es unveröffentlichte SAT-Analogiefragen verwendete, bei denen die KI die menschliche Durchschnittsleistung übertraf. Allerdings hatte sie Schwierigkeiten, wenn sie Analogien aus Kurzgeschichten ziehen sollte, obwohl das neuere GPT-4-Modell bessere Ergebnisse zeigte.

Überbrückung der Kluft zwischen KI und menschlicher Kognition

Die Forscher an der UCLA hören nicht auf, bei den Vergleichen zu bleiben. Sie haben mit der Entwicklung eines Computermodells begonnen, das von der menschlichen Kognition inspiriert ist, und vergleichen ständig seine Fähigkeiten mit kommerziellen KI-Modellen. Keith Holyoak, Professor für Psychologie an der UCLA und Co-Autor, bemerkte: “Unser psychologisches KI-Modell übertraf andere bei Analogieproblemen, bis GPT-3 mit seinem letzten Update auftrat, das überlegene oder gleichwertige Fähigkeiten zeigte.”

Das Team identifizierte jedoch bestimmte Bereiche, in denen GPT-3 zurückblieb, insbesondere bei Aufgaben, die das Verständnis von physischem Raum erforderten. Bei Herausforderungen, die die Verwendung von Werkzeugen beinhalteten, waren GPT-3s Lösungen deutlich fehlerhaft.

Hongjing Lu, der Senior-Autor der Studie, äußerte seine Verwunderung über die Fortschritte in der Technologie in den letzten zwei Jahren, insbesondere in der Fähigkeit der KI, zu denken. Es bleibt jedoch unklar, ob diese Modelle wirklich “denken” wie Menschen oder nur menschliches Denken nachahmen. Die Suche nach Erkenntnissen in die kognitiven Prozesse der KI erfordert den Zugang zum Backend der KI-Modelle, ein Schritt, der die zukünftige Entwicklung der KI beeinflussen könnte.

Webb schließt sich dieser Meinung an und sagt: “Der Zugang zum Backend der GPT-Modelle würde KI- und Kognitionsforschern enorm helfen. Derzeit sind wir auf Eingaben und Ausgaben beschränkt, und es fehlt uns die entscheidende Tiefe, die wir anstreben.”