Als Chef des weltweit führenden Unternehmens für auf künstliche Intelligenz spezialisierte Halbleiter äußerte sich Huang bei einem Wirtschaftskolloquium an der Stanford University zu einer der mythischsten Quests des Silicon Valley: der Schaffung von Maschinen mit einem dem Menschen ähnlichen Denkvermögen. Der Schlüssel zu dieser Aufgabe liegt in der Definition von AGI selbst. Huang, dessen Unternehmen am Freitag die Marke von 2 Billionen Dollar Börsenbewertung überschritten hat, glaubt, dass AGI greifbar ist, wenn man sich auf die Fähigkeit bezieht, Tests zu bestehen, die für Menschen konzipiert sind.

Um den menschlichen Geist zu kopieren, muss man erst verstehen, wie er funktioniert

Indem man einer KI alle möglichen und vorstellbaren Tests gibt und sie der Computerindustrie zur Verfügung stellt, "nehme ich an, dass wir innerhalb von fünf Jahren bei jedem der Tests gute Ergebnisse erzielen würden", behauptet er. Derzeit kann KI bereits Herausforderungen wie die einer Anwaltsprüfung meistern, hat aber noch Schwierigkeiten mit spezialisierten medizinischen Tests wie denen in der Gastroenterologie. Huang ist jedoch zuversichtlich, dass in fünf Jahren kein Test mehr unüberwindbar sein wird.

Diese Sichtweise könnte sich jedoch als zu optimistisch erweisen, da das Verständnis der menschlichen Kognition selbst unter Wissenschaftlern umstritten ist, was das Ziel schwer fassbar macht. "Hier liegt der Knackpunkt für uns Ingenieure, die wir konkrete Ziele brauchen", betont Huang.

Mehr Fabs oder mehr Rechenleistung?

Auf die Frage nach der Anzahl der Halbleiterfabriken, oder "Fabs", die benötigt werden, um der Expansion der KI gerecht zu werden – eine Frage, die von Sam Altman, dem CEO von OpenAI, aufgeworfen wurde –, erkennt Huang die Notwendigkeit an, ihre Anzahl zu erhöhen. Er relativiert jedoch, indem er darauf hinweist, dass die Effizienz der Chips und Algorithmen ständig verbessert wird, was die Nachfrage dämpft. "Es steht außer Frage, dass wir mehr Fabs brauchen werden. Aber vergessen wir nicht, dass wir auch die Algorithmen und die KI-Verarbeitung exponentiell verbessern", erklärt er und fügt hinzu: "Die Recheneffizienz steht nicht still, sie steigt innerhalb eines Jahrzehnts um den Faktor einer Million."