Artificial Narrow Intelligence bezeichnet ein KI-System, das genau eine Art von Aufgabe löst und außerhalb davon nichts kann. Praktisch jede KI im Einsatz gehört dazu, und das gilt auch für Systeme, die sich allgemein anfühlen.
- Artificial Narrow Intelligence (ANI)
Ein KI-System, das genau eine Art von Aufgabe löst und außerhalb davon nichts kann.
Beispiel: „Die Betrugserkennung ist Artificial Narrow Intelligence: sehr gut in ihrem Fach und sonst zu nichts zu gebrauchen.“Beispiele: Bilderkennung, Spracherkennung, Empfehlungen, Betrugserkennung, Übersetzung. Jedes dieser Systeme wurde für seine Aufgabe trainiert und löst sie oft besser als ein Mensch.
Die Abkürzung ANI wird fast nur im Gegensatz zu AGI benutzt. Im Alltag spricht niemand davon, weil sie den Normalfall benennt.
Die drei Schwellen im Verhältnis
Die Einteilung kennt drei Stufen, und ANI ist die unterste davon:
ANI, Artificial Narrow Intelligence: kann genau eine Art von Aufgabe und außerhalb davon nichts. Das ist der Stand jeder KI im Einsatz.
AGI, Artificial General Intelligence: löst Aufgaben über alle Gebiete hinweg auf menschlichem Niveau. Nicht erreicht, und ohne vereinbarte Messlatte.
ASI, Artificial Super Intelligence: übertrifft den Menschen in allen Gebieten. Eine Annahme und keine Beobachtung.
Warum der Begriff für Sprachmodelle schwierig ist
Weil sie die Einteilung nicht mehr trennscharf erlauben. Ein Sprachmodell übersetzt, fasst zusammen, programmiert und beantwortet Fachfragen, ohne für eines davon eigens trainiert worden zu sein. Nach der engen Lesart ist es eng, weil es nur Wahrscheinlichkeiten für Wörter berechnet; nach der weiten ist es breit, weil damit vieles geht. Die Einteilung stammt aus der Zeit vor diesen Modellen und ist seitdem unscharf.
Wofür die Einteilung trotzdem gut ist
Für die Erwartung an ein Projekt. Ein eng zugeschnittenes Modell für eine Aufgabe ist billiger, schneller, besser prüfbar und im Ergebnis meist genauer als ein großes Sprachmodell für dieselbe Sache. In unseren Projekten ist das die häufigste übersehene Möglichkeit: Wer zehntausend Bilder einordnen will, braucht kein Sprachmodell.
Was daraus für die Auswahl folgt
Erst die Aufgabe beschreiben, dann das Werkzeug wählen. Eine klar umgrenzte, immer gleiche Aufgabe mit vorhandenen Beispielen ruft nach einem eigenen kleinen Modell. Eine offene Aufgabe mit Sprache und wechselndem Zuschnitt ruft nach einem großen. Beides zu verwechseln kostet entweder Qualität oder Geld.
Woher die Einteilung kommt
Aus der Fachliteratur der 1980er und 1990er Jahre, die drei Stufen unterscheidet: eng, allgemein und über den Menschen hinaus. Gedacht war sie als Landkarte für eine Forschung, die damals weit von der zweiten Stufe entfernt war. Dass heute über die Zuordnung einzelner Systeme gestritten wird, war in dieser Einteilung nicht vorgesehen.