Frontier Labs sind besessen. Sie streben nach sich selbst verbessernden Modellen und sind davon überzeugt, dass dies der einzige Weg dorthin ist. Die Logik ist zirkulär, aber verführerisch: KI verbessert KI. Es dreht sich. Es überlistet uns. Es könnte uns sogar eine Falle stellen.
Das klingt großartig für eine Dystopie. Für einen Newsletter unbrauchbar.
Ich musste Worte herausbringen. Schnell. Also stellte ich mir eine praktische Frage. Kann ich rekursive Selbstverbesserung nutzen, um meine eigene Arbeit zu automatisieren? Nicht für gottähnliche Intelligenz. Nur für Grunzarbeit.
Ich habe eine Woche damit verbracht, es zu testen.
Die Antwort ist ja. Überraschenderweise ja.
Noch wichtiger ist, dass es einen anderen Weg vorschlägt. Eines, das nicht darauf angewiesen ist, dass fünf Unternehmen den Himmel besitzen.
Klein anfangen (und Dinge kaputt machen)
Ich begann damit, ein kleines Sprachmodell von Grund auf zu trainieren. Mit „Training“ meine ich, dass ich Claude die gesamte harte Arbeit überlassen habe.
Ich habe AutoResearch verwendet. Andrej Karpathys Lieblingsprojekt. Du kennst ihn. OpenAI-Gründer, Tesla AI-Leiter, jetzt bei Anthropic. Dieses Tool hilft Standard-KIs dabei, bessere, kleinere Versionen ihrer selbst zu erstellen.
Ich habe den Befehl eingegeben. „Hallo, schauen Sie sich program.md an, lasst uns ein neues Experiment starten.“
Den Rest habe ich dann besorgt. Hardware (ein Nvidia DGX-Desktop-Supercomputer). Strom (heiß, die ganze Nacht über). Und eine rücksichtslose Bereitschaft, dem Code freien Lauf zu lassen und Standardsicherheitsprüfungen zu umgehen.
Lass ihn kochen.
Alle paar Stunden schaute ich rein. Claude passte die Parameter an. Trainingsprogramme optimieren. Beobachten Sie, wie das kleinere Modell reagierte. Dann noch einmal optimieren. Es war eine Schleife. Autonom. Unerbittlich.
Ich habe die frühen Ausgaben getestet. Eingabeaufforderung: „Am Anfang…“
Ausgabe: „Am Anfang vom Anfang vom und Ende vom Ende Ende vom Ende Anfang…“
Unsinn. Wiederholtes Geräusch.
Aber später? Als Claude den Prozess immer weiter verfeinerte, beruhigte sich der Unsinn. Die Sätze ergaben Sinn. Immer noch nicht GPT-5. Aber die Flugbahn war klar. Das Modell wurde immer besser, indem es die Arbeit machte, besser zu werden.
Etwas Nützliches (eigentlich Nützliches)
Es hat Spaß gemacht, ein Spielzeugmodell zu trainieren. Aber ich schreibe über KI-Papiere. Ich habe Stapel davon.
Ich brauchte einen Kurator.
Ich bin auf Prime Intellect umgestiegen. Ein Startup mit dem Ziel, die Modellausbildung zu demokratisieren. Ihr Pitch ist einfach. Erstellen Sie benutzerdefinierte Modelle für bestimmte Aufgaben. Keine allgemeinen Riesen. Scharfe Werkzeuge.
Ich habe sie mit 100 Einträgen aus meiner Rubrik „Anderswo an der Grenze“ gefüttert. Kleinigkeiten und Kleinigkeiten. Forschungshighlights. Dann bat ich Claude, beim Aufbau eines Modells namens Frontier_Paper_Curator zu helfen. Sein Job? Finden und fassen Sie interessante Beiträge zusammen.
Hier wurde es komplex. Claude hat weitere Papiere gefunden. Es wurden synthetische Daten generiert. Dann nutzte es ein anderes Modell, um seine eigene Arbeit zu kritisieren. Das verstärkende Lernen setzte ein. Die Umgebung selbst wurde zum Lehrer.
Vincent Weisser leitet Prime Intellect. Sein Unternehmen hat gerade 15 Millionen Dollar eingesammelt. Er hasst das Zentralisierungsnarrativ.
„Wir wollen keine gottähnliche Intelligenz. Wir wollen eine Milliarde Intelligenzen.“
Er glaubt an Nischen. Spezialwerkzeuge, die von allen entwickelt wurden, nicht nur von den Laboren. Wenn jedes Unternehmen eine Grenzinfrastruktur erhält, übertrifft die kollektive Kreativität des Marktes einige wenige Monopolisten. Er argumentiert, dass zentralisierte KI ein Flaschenhals sei. Dezentralisiert ist schön.
Andere Startups stimmen zu. Adaption verkauft ein Tool namens AutoScientist. CEO Sara Hooker weist darauf hin, dass große Unternehmen Bargeld für Token verbrennen. Es mangelt ihnen an internen Experten. Sie brauchen eine Automatisierung, die tatsächlich funktioniert.
Dann ist da noch der Risikofaktor. Als Anthropic bestimmte Anfragen für Claude blockierte, machte dies deutlich, wie fragil die Abhängigkeit ist. Alex Karp von Palantir warnt davor. Die Nutzung von Frontier Labs bedeutet den Verzicht auf Daten. Es bedeutet, die Kontrolle zu verlieren.
Ich wollte Kontrolle. Oder zumindest eine Hebelwirkung.
Ich habe weniger als einen Tag mit Prime Intellect verbracht. Das Ergebnis war ein funktionaler kuratorischer Agent.
Es wurde diese Zusammenfassung für iFLYTEK erstellt:
Forscher von iFLYTEK entwickelten iFLYTEK-Embodied-Ai, ein multimodales Modell, das Vision, Sprache und Aktion vereint. Alte Methoden trennten diese Aufgaben. Dieses Modell verteilt die Aufmerksamkeit auf alle. Wie ein Gehirn und ein Kleinhirn, die direkt miteinander kommunizieren. Es reduziert Fehlerkaskaden. Es trainiert auf verschiedenen Videodaten. Das Ergebnis ist ein Agent, der gleichzeitig argumentieren und kontrollieren kann. Ein neues Architekturparadigma für die Robotik.
Ist es perfekt? Nein.
Es ist zu eifrig. Es wählt Artikel aus, die ich überspringen würde. Die Zusammenfassungen sind etwas allgemein gehalten.
Aber es funktioniert.
Es hat mich von der Plackerei befreit. Es ist kein Gott geworden. Es wurde zu einem Werkzeug.
Und vielleicht ist das das bessere Ergebnis. Wir erschaffen keine Götter. Wir erstellen bessere Entwürfe.
Wer weiß, was passiert, wenn sie sich wieder verfeinern.
