Darwin-Gödel-Maschine: Selbstoptimierung im Code

Die von Sakana AI und der University of British Columbia entwickelte Darwin-Gödel-Maschine (DGM) basiert auf einer Kombination aus evolutionären Prinzipien und theoretischen Grundlagen der Gödel-Maschine. Ziel ist es, dass ein KI-Agent seinen eigenen Python-Code modifiziert, testet und verbessert, um bestimmte Aufgaben effizienter zu lösen. Laut einem Bericht auf t3n versteht sich die Architektur als potenzieller Paradigmenwechsel. Erste Ergebnisse zeigen, dass DGM ihre Leistung im SWE-bench-Benchmark von rund 20 auf 50 Prozent steigern konnte, während im Polyglot-Datensatz ein Anstieg von 14 auf über 30 Prozent erreicht wurde.

Das System nutzt dafür Archivierung, interne Ratings und Mutationen, um sich schrittweise zu verbessern. Die gesamte Umgebung ist jedoch kostenintensiv. Für einen Trainingsdurchlauf waren über 22.000 Dollar notwendig, wie aus einem ArXiv-Papier hervorgeht. Die Forschung bleibt aktuell auf kontrollierte Sandbox-Umgebungen beschränkt, was Sicherheit und Nachvollziehbarkeit garantiert, jedoch auch die Autonomie einschränkt.

AlphaEvolve: Evolutionäre Algorithmik bei DeepMind

Mit AlphaEvolve hat DeepMind im Frühjahr 2025 ein KI-System vorgestellt, das Large Language Models (LLMs) mit evolutionären Strategien kombiniert. Ziel ist es, eigenständig Algorithmen zu erzeugen, zu variieren und hinsichtlich Performance zu bewerten. Laut Ars Technica konnte AlphaEvolve in einer Reihe von 50 mathematischen Aufgaben in 75 Prozent der Fälle die Qualität bekannter Lösungen erreichen und in 20 Prozent übertreffen. Darunter befand sich auch eine effizientere Variante der Strassen-Matrixmultiplikation, einer seit über fünf Jahrzehnten bestehenden Standardmethode.

Darüber hinaus erwies sich das System in der Optimierung technischer Infrastrukturen als nützlich. So wurde unter anderem die Geschwindigkeit von Matrixoperationen in Rechenzentren um 23 Prozent gesteigert, während gleichzeitig der Energiebedarf reduziert wurde. Laut DeepMind zeigt AlphaEvolve dabei eine Fähigkeit zur strukturellen Generalisierung, die als Basis für weitere Formen der Selbstverbesserung dienen könnte.

Von der Theorie zur Praxis

Die theoretische Grundlage für viele dieser Entwicklungen wurde bereits 2003 mit der Gödel-Maschine von Jürgen Schmidhuber gelegt. Dieses hypothetische System soll in der Lage sein, sich selbst zu verbessern, sofern ein formaler Beweis für den Vorteil der Modifikation existiert. In der Praxis sind solche Systeme schwer umzusetzen, doch DGM und AlphaEvolve gelten als erste funktionsfähige Annäherungen an diese Vision. Parallel dazu wurde in der KI-Sicherheitsforschung das Konzept der "Recursive Self-Improvement" (RSI) eingeführt. Es beschreibt eine potenziell exponentielle Selbstoptimierung künstlicher Systeme. Wikipedia und andere Fachquellen warnen vor dem sogenannten "Intelligenz-Explosionsszenario", in dem eine KI ihre Fähigkeiten so stark steigert, dass Kontrolle und Vorhersagbarkeit durch Menschen verloren gehen könnten.

Redaktion finanzen.net