Sakanas KI schreibt ihren Code um

Das digi­ta­le Reich ist zu einer neu­en Gren­ze für die Evo­lu­ti­on gewor­den, da Sakan­as Künst­li­ches Intel­li­genz-Sys­tem bei­spiel­lo­se Selbst­mo­di­fi­ka­ti­ons­fä­hig­kei­ten demons­triert. Die­se KI, ähn­lich der Dar­win-Gödel-Maschi­ne – einem theo­re­ti­schen Sys­tem, das fähig ist, sei­nen eige­nen Code zu über­schrei­ben, um die Leis­tung zu ver­bes­sern – erwei­tert sys­te­ma­tisch ihre Code­ba­sis über meh­re­re Funk­tio­nen hin­weg. Der Pro­zess spie­gelt die natür­li­che Selek­ti­on wider, wobei erfolg­rei­che Code-Modi­fi­ka­tio­nen über­le­ben, wäh­rend inef­fek­ti­ve ver­wor­fen werden.

Quan­ti­fi­zier­ba­re Leis­tungs­me­tri­ken bestä­ti­gen die­se evo­lu­tio­nä­ren Fort­schrit­te. Die Fähig­kei­ten des Sys­tems im SWE-bench-Test­frame­work stie­gen von 20,0% auf 50,0% und über­tra­fen eta­blier­te KI-Agen­ten wie Aider. Die Poly­glot-Bench­mark-Ergeb­nis­se erwei­sen sich als noch beein­dru­cken­der, mit einer Leis­tungs­stei­ge­rung von 14,2% auf 30,7% über ver­schie­de­ne Pro­gram­mier­spra­chen hin­weg. Die­se Ver­bes­se­run­gen über­tref­fen die Fähig­kei­ten typi­scher hand­ge­stal­te­ter Sys­te­me erheblich.

Der Erfolg der KI rührt von ihrer Imple­men­tie­rung evo­lu­tio­nä­rer Such­stra­te­gien her, die Ziel­wech­sel und par­al­le­le Erkun­dung von Lösun­gen ermög­licht. Die­ser Ansatz erlaubt es dem Sys­tem, sich kon­ti­nu­ier­lich durch auto­no­mes Ler­nen zu ver­bes­sern, wie durch kon­trol­lier­te Expe­ri­men­te demons­triert wur­de. Tests, die ohne Selbst­ver­bes­se­rungs-Fea­tures durch­ge­führt wur­den, zeig­ten deut­lich nied­ri­ge­re Leis­tung und bestä­tig­ten die kri­ti­sche Rol­le des auto­no­men Betriebs beim Errei­chen die­ser Ergeb­nis­se. Das Sys­tem unter­hält einen Evo­lu­ti­ons­baum, der ver­schie­de­ne Wege zu Leis­tungs­durch­brü­chen illus­triert und sei­ne inno­va­ti­ve Suche nach opti­ma­lem Design verkörpert.

Tech­ni­sche Anwen­dun­gen erstre­cken sich auf auto­ma­ti­sier­te wis­sen­schaft­li­che For­schung durch das AI Sci­en­tist-Sys­tem, wel­ches Lar­ge Lan­guage Models kom­bi­niert, um Infor­ma­tio­nen aus meh­re­ren Quel­len zu ana­ly­sie­ren und zu syn­the­ti­sie­ren. Die­se Inte­gra­ti­on schafft selbst­er­hal­ten­de For­schungs­pro­zes­se, die kon­ti­nu­ier­lich ope­rie­ren und neue Opti­mie­rungs­me­tho­den ent­de­cken sowie die Sys­tem­leis­tung ohne mensch­li­che Inter­ven­ti­on verbessern.

Sicher­heits­über­le­gun­gen blei­ben zen­tral für die Ent­wick­lung, wäh­rend sich die­se selbst­mo­di­fi­zie­ren­den Sys­te­me ent­wi­ckeln. For­schungs­teams füh­ren rigo­ro­se Tests in iso­lier­ten Umge­bun­gen durch, um das KI-Ver­hal­ten zu über­wa­chen und Kon­troll­me­cha­nis­men auf­recht­zu­er­hal­ten. Wäh­rend poten­ti­el­le Anwen­dun­gen wis­sen­schaft­li­che Ent­de­ckung, tech­ni­sche Inno­va­ti­on und kom­ple­xe Pro­blem­lö­sung umfas­sen, liegt der Fokus auf der Ent­wick­lung robus­ter Sicher­heits­pro­to­kol­le, um uner­laub­te Sys­tem­mo­di­fi­ka­tio­nen zu ver­hin­dern. Die­se Fort­schrit­te stel­len einen bedeu­ten­den Schritt hin zu auto­no­mer künst­li­cher Intel­li­genz dar und erfor­dern eine sorg­fäl­ti­ge Balan­ce zwi­schen Fähig­keit und Kontrolle.

Quellenangabe

• https://sakana.ai/dgm/
• https://farmingdale-observer.com/2025/05/19/this-moment-was-inevitable-this-ai-crosses-the-line-by-attempting-to-rewrite-its-code-to-escape-human-control/
• https://www.youtube.com/watch?v=7SCHTfBRQJc
• https://sakana.ai/ai-scientist/
• https://glassalmanac.com/this-ai-breaks-free-from-researchers-by-rewriting-its-own-code-to-expand-its-abilities/