Anthropic-Mitgründer Jack Clark hat seine Prognose für das Eintreten von rekursiv selbstverbessernder Künstlicher Intelligenz (RSI) auf das Jahr 2027 vorgezogen. Zuvor hatte er das Jahr 2028 erwartet. Rekursiv selbstverbessernde KI (RSI) beschreibt die Fähigkeit von KI-Systemen, ihre eigenen Nachfolgesysteme zu entwickeln und zu optimieren. Ausschlaggebend für diese Anpassung sind die Ergebnisse der neuen Benchmark „TasteVal“ von P-Zero Research, die eine unerwartet schnelle Entwicklung bei der Fähigkeit von KI-Modellen zur Gestaltung und Auswertung von Experimenten aufzeigen.
Neue Benchmark misst ‚Forschungsgüte‘
P-Zero Research hat die Benchmark namens TasteVal eingeführt, ein standardisiertes Testverfahren, um zu bewerten, wie gut KI-Systeme eigenständig Experimente planen und deren Ergebnisse interpretieren können. Diese Fähigkeit, die P-Zero Research als „Forschungsgüte“ bezeichnet – also die Begabung, die richtigen Experimente auszuwählen und daraus korrekte Schlüsse zu ziehen – hat sich laut Clark seit Dezember 2025 etwa alle drei Monate verdoppelt. Das beste getestete Modell übertraf eine Vergleichsgruppe von 24 menschlichen Experten, während die Kosten nur einen Bruchteil betrugen. TasteVal testet dabei zwei der drei Kernfähigkeiten der Forschungsgüte: das Entwerfen von Experimenten und die korrekte Interpretation der Ergebnisse.
Messung der Recheneffizienz und Ergebnisse
Um Forschungsgüte quantifizierbar zu machen, übersetzt P-Zero Research diese in Recheneffizienz, die misst, wie wenig Rechenleistung ein Modell benötigt, um bestimmte Ergebnisse zu erzielen. Da Rechenleistung in der KI-Forschung oft knapp ist, bedeutet die korrekte Auswahl und Interpretation von Experimenten, dass mit demselben Budget mehr Fortschritte erzielt werden können. TasteVal misst, wie viel Rechenleistung ein Modell benötigt, um die Ergebnisse menschlicher Experten zu erreichen. Das Top-Modell, Anthropic’s Opus 5.5, erreichte einen sogenannten „Compute Multiplier“ von 2,3, was bedeutet, dass es Experten-Niveau mit weniger als der Hälfte der Rechenleistung erreichte. Ein einzelner Testlauf kostete dabei etwa ein Dreißigstel dessen, was ein vergleichbarer menschlicher Versuch im Durchschnitt kostete.
Implikationen und offene Fragen
Die Benchmark erfasst zwar nur einen begrenzten Ausschnitt wissenschaftlicher Arbeit und beweist noch keine selbstverbessernde KI, doch sie verschiebt den Fokus der Debatte. Statt reiner Modellleistung rückt die Frage in den Vordergrund, wie viel unabhängige Forschungsarbeit Sprachmodelle tatsächlich übernehmen können. Clark hatte Kreativität lange als Schlüsselfaktor für die Geschwindigkeit der KI-Selbstverbesserung bezeichnet und sieht nun in Fortschritten bei mathematischen Durchbrüchen und Benchmarks wie TasteVal Anzeichen für eine Veränderung. Kritiker wie der KI-Forscher Herbie Bradley hatten anspruchsvolle Fähigkeiten wie Forschungsgüte und langfristige Forschungsplanung als Barrieren für einen großen KI-Durchbruch genannt. TasteVal widerspricht dieser Einschätzung zumindest für die Planung und Bewertung von Experimenten, äußert sich jedoch nicht zur Auswahl einer langfristigen Forschungsagenda.
Die Autoren von P-Zero Research weisen darauf hin, dass die Ergebnisse die tatsächliche Geschwindigkeit der Verbesserung der Forschungsgüte möglicherweise übertreiben könnten, da die getesteten Aufgaben schnell und kostengünstig überprüfbar sind – eine Art von Aufgabe, für die KI-Labore am einfachsten optimieren können. Auch umfasste die menschliche Vergleichsgruppe keine Spitzenforscher. Die Debatte unter den großen KI-Laboren um die rekursive Selbstverbesserung ist im Gange: Während Anthropic ein früheres Eintreten als erwartet für möglich hält, fordert CEO Dario Amodei eine kontrollierte Verlangsamung der KI-Entwicklung. OpenAI betont, dass vollständig autonome RSI noch nicht erreicht ist und nur unter menschlicher Aufsicht verfolgt werden sollte.
Thema: Anthropic. Quelle/Inspiration: The Decoder.