Google DeepMind-Chef Demis Hassabis betont, dass die Skalierung künstlicher Intelligenz (KI) derzeit der entscheidende Weg zur Erreichung künstlicher allgemeiner Intelligenz (AGI) sei – eines KI-Systems, das menschenähnlich denken und problemlos reasoning leisten kann. In einer Rede auf dem Axios’ AI+ Summit in San Francisco plädierte er dafür, die bestehenden Systeme so weit wie möglich zu skalieren, da dies mindestens ein zentraler Baustein, möglicherweise sogar der gesamte Kern, eines zukünftigen AGI-Systems sein könnte. Die jüngste Einführung von Gemini 3 durch DeepMind, die weithin positive Reaktionen hervorrief, unterstreicht die Bedeutung dieser Strategie. Laut Hassabis verweist die sogenannte Skalierungsgesetz-These darauf, dass mehr Daten und Rechenleistung automatisch zu leistungsfähigeren KI-Modellen führen. Allerdings räumt er ein, dass möglicherweise „eine oder zwei“ zusätzliche technologische Durchbrüche notwendig sein werden, um die endgültige AGI-Realisierung zu erreichen. Doch die Skalierung hat ihre Grenzen. Die Menge an verfügbaren öffentlichen Daten ist begrenzt, und der Ausbau von Rechenzentren für mehr Rechenleistung ist nicht nur extrem teuer, sondern auch umweltbelastend. Zudem zeigen einige Experten Anzeichen von abnehmenden Erträgen: Trotz immenser Investitionen in Infrastruktur und Personal steigen die Leistungssteigerungen der Modelle langsamer, als ursprünglich erwartet. Dies ruft Kritik hervor, insbesondere von Persönlichkeiten wie Yann LeCun, dem ehemaligen Chief AI Scientist von Meta, der im April in Singapur betonte, dass „die meisten interessanten Probleme extrem schlecht skalieren“ – also nicht einfach durch mehr Daten oder Rechenleistung gelöst werden können. LeCun verlässt Meta, um ein eigenes Startup zu gründen, das sich auf sogenannte „Weltmodelle“ konzentriert. Im Gegensatz zu herkömmlichen Sprachmodellen, die auf Textdaten basieren, sollen diese Modelle räumliche, physikalische und kontinuierliche Wahrnehmung simulieren. Ziel ist es, KI-Systeme zu schaffen, die die reale Welt verstehen, dauerhafte Erinnerungen speichern, komplexe Planung durchführen und konsistente Handlungen ausführen können. Auf LinkedIn beschrieb er das Vorhaben als „die nächste große Revolution in der KI“. In der Branche wächst die Debatte: Soll man weiter auf Skalierung setzen, oder ist ein Paradigmenwechsel nötig? Hassabis bleibt optimistisch, dass die bestehende Herangehensweise ausreicht, während LeCun und andere fordernd betonen, dass tiefere, neuartige Architekturen notwendig sind, um die Grenzen der heutigen KI zu überwinden. Die Zukunft der KI könnte sich entscheiden, je nachdem, ob Skalierung oder grundlegende Innovation den entscheidenden Schritt darstellt.