Yann LeCun: Skepsis gegenüber KI und die Herausforderungen großer Sprachmodelle

Yann LeCun, ein französischer Computerwissenschaftler und einer der Väter des modernen Deep Learning, gilt als eine der führenden Stimmen in der KI-Forschung. Trotz seiner außergewöhnlichen Beiträge auf diesem Gebiet zeigt er sich skeptisch hinsichtlich des Potenzials großer Sprachmodelle, die als Vorreiter der künstlichen Intelligenz (KI) angesehen werden. LeCun, der 2018 mit dem prestigeträchtigen Turing-Preis ausgezeichnet wurde, sieht in den aktuellen Sprachmodellen nicht den Weg zu wahrer KI oder gar übergeordneten Intelligenzen.

Seine Bedenken sind nicht unbegründet. LeCun argumentiert, dass diese Modelle nicht in der Lage sein werden, die komplexen physikalischen Gesetze der realen Welt zu erfassen. Obwohl Technologien wie die Tesla-Fahrassistenzsysteme bereits beeindruckende Fortschritte gemacht haben, einschließlich des autonomen Fahrens von vielen Fahrzeugen ohne menschliche Fahrer, vertritt er die Meinung, dass diese Systeme letztendlich daran scheitern könnten, die Herausforderungen des Robotaxis zu bewältigen. Täglich fahren Tausende von Teslas in Fremont – ohne Fahrer, egal bei welchem Wetter, und bieten beeindruckende autonome Funktionen wie die „Smart Summon“-Technologie.

Zukünftige Durchbrüche, wie die geplante Einführung von Robotaxis in Austin im Jahr 2025 und deren weltweite Verbreitung in den darauf folgenden Jahren, stellen jedoch auch große Herausforderungen dar. Es erfordere 6 Milliarden Meilen Fahrdaten – was rund 11.000 Jahren Fahrpraxis entspricht – um das derzeitige Niveau autonomer Fahrzeuge zu erreichen. Vergleicht man das Lernen eines Menschen, so benötigt ein Jugendlicher etwa 20 Stunden, um das Fahren zu lernen, während es 12 Jahre an Videomaterial braucht, um ein Kind auf diese Herausforderung vorzubereiten. LeCun verdeutlicht, dass der Wissensaufbau über die Welt entscheidend ist, um sicher fahren zu können, was die Effizienz von KI-Systemen im Vergleich zu menschlichem Lernen in Frage stellt.

Er schätzt, dass große Sprachmodelle, um vergleichbare Fähigkeiten zu entwickeln, bis zu 50.000 Jahre an Videomaterial und Daten benötigen könnten. Trotz der Effizienzschwächen glaubt LeCun, dass eine massenhafte Erfassung von Realweltdaten durch Millionen von Kameras und gesteigerte Rechenkapazitäten ab 2027 erhebliche Fortschritte ermöglichen könnte.

Zusätzliche Entwicklungen in der Rechenleistung sind im Gange, insbesondere in Anbetracht des xAI-Datenzentrums in Memphis, wo neue Gas-Turbinen eine erhebliche Leistungssteigerung mit sich bringen werden. LeCun prognostiziert, dass die Rechenkapazität in den kommenden Jahren um den Faktor 1.500 zunehmen könnte, unterstützt durch fortschrittliche Hardware – eine Aussicht, die die rasante Entwicklung von KI-Technologien in den kommenden Jahren anheizen könnte.

In der Mischnung von Optimismus und Skepsis, hebt Yann LeCun die Komplexität der Herausforderungen hervor, die es zu bewältigen gilt, um von den enormen Datenmengen, die bei der Entwicklung von KI verwendet werden, praktische und respektable Fortschritte zu erzielen. Seine Ansichten eröffnen einen Dialog über die Grenzen der Technologie und die zu erwartenden Fortschritte, während sich die Welt auf den Weg zu einer zunehmend intelligenten Zukunft begibt.