Im Jahr 2026 herrscht weltweit große Begeisterung über die Fähigkeiten von KI-Agenten. Diese weitgehend eigenständigen Programme können ‘denken’ und bestimmte Aufgaben ausführen, wodurch sie durch den Einsatz von Sprachmodellen (LMs) in Bereichen wie dem Kundenservice und der Softwareentwicklung einen enormen Mehrwert schaffen. Das ist wirklich faszinierend. Betrachtet man jedoch komplexere, von Unsicherheiten geprägte Bereiche, die eine gründliche Analyse erfordern – wie medizinische Diagnosen und wissenschaftliche Entdeckungen –, so stoßen diese Sprachmodelle an ihre Grenzen.
Das Spannende daran ist jedoch Folgendes: Forscher des Laboratoriums für Informatik und Künstliche Intelligenz (CSAIL) des MIT und der Fakultät für Ingenieurwesen und Angewandte Wissenschaften (SEAS) der Harvard-Universität machen sich daran, diese Einschränkungen direkt anzugehen. Ihr Ansatz? Sie nutzen das Spiel ‘Schiffe versenken’, einen beliebten Klassiker aus der Kindheit, den Kognitionswissenschaftler bereits zur Untersuchung des menschlichen Informationssuchverhaltens herangezogen haben, und entwickeln eine neue Version davon. In ihrer einfallsreichen Adaption, ‘Collaborative Battleship’, fungiert ein Spieler als ‘Kapitän’, der Fragen dazu stellt, wo sich die versteckten Schiffe befinden könnten, und der andere Spieler – der ‘Beobachter’ – antwortet in Echtzeit.
Bei dieser Studie geht es jedoch nicht nur ums Spielen. Durch die Einbeziehung von mehr als 40 Teilnehmern sammelte das Forschungsteam eine Fülle von Fragen und Antworten – den Datensatz ‘BattleshipQA’. Diese umfangreiche Datenquelle spielte eine entscheidende Rolle bei der Bewertung der Leistung von Top-Sprachmodellen wie GPT-5 und kleineren Modellen wie Llama 4 Scout. Interessanterweise schafften es die Top-Sprachmodelle bereits vor dem Training, das Spiel schneller zu beenden als menschliche Spieler, während die kleineren Systeme offenbar etwas mehr Schwierigkeiten hatten.
Die Forscher stellten fest, dass die größte Hürde darin bestand, dass die Modelle Schwierigkeiten hatten, sinnvolle Fragen zu generieren. Um dieses Problem zu lösen, statteten sie jedes Modell mit einer Monte-Carlo-Inferenzstrategie aus, die es ihnen ermöglichte, im Verlauf des Spiels die Wahrscheinlichkeit verschiedener Szenarien einzuschätzen. Infolgedessen konnten selbst kleinere KI-Modelle menschliche Spieler bei einer Partie ’Schiffe versenken‘ übertrumpfen.’
Der Beweis? Llama 4 Scout, eines der kleineren LMs, steigerte seine Gewinnquote nach der Strategieoptimierung von gerade einmal 8 Prozent auf beeindruckende 82 Prozent. Und als Sahnehäubchen gelang es ihm, die Leistung von GPT-5 zu übertreffen, obwohl es nur 1 Prozent des Preises kostete. Doch damit nicht genug. Während sich GPT-5 als Spotter bewährte, lieferten die kleineren Systeme häufig falsche Schätzungen zur Position der Schiffe ab. Das Team überwand diese Hürde, indem es Fragen in Code umwandelte und den Modellen so beibrachte, wie sie ihre Antworten überprüfen können – wodurch sich die durchschnittliche Genauigkeit um 15 Prozent verbesserte.
Die Bemühungen beschränkten sich nicht nur auf ‘Battleship’. Die Forscher testeten die verbesserten großen Sprachmodelle auch bei einem weiteren klassischen Spiel: ‘Guess Who?’. Sowohl bei den kleinen als auch bei den großen Modellen gelang es ihnen, Optionen schrittweise auszuschließen, um versteckte Figuren zu identifizieren. Llama 4 Scout steigerte seine Trefferquote bei der korrekten Identifizierung der Figuren von 30 Prozent auf bemerkenswerte 72 Prozent.
Trotz der vielversprechenden Fortschritte läuft nicht alles reibungslos. Sprachmodelle haben im Vergleich zu uns Menschen nach wie vor Schwierigkeiten, komplexe Fragen zu beantworten. Wie der OpenAI-Forscher und Mitautor Valerio Pepe feststellt, kann GPT-5 zwar einen durchschnittlichen ‘Schiffe versenken’-Spieler besiegen, hat aber gegen einen Experten noch einiges aufzuholen. Dennoch unterstreichen diese Ergebnisse das noch unerschlossene Potenzial von KI-Agenten und die Rolle, die sie in Wissenschaft und Forschung spielen könnten. Während ‘Collaborative Battleship’ in einem relativ einfachen Rahmen abläuft, wollen die Forscher nun komplexere Situationen untersuchen, die eine detaillierte Analyse erfordern.
In Zukunft wird das Team untersuchen, wie gut Menschen und KI-Modelle zusammenarbeiten. Vielleicht könnte die Feinabstimmung von Modellen anhand von Spielsimulationen und der Einsatz von mehr Rechenleistung die Vorhersagefähigkeiten von Sprachmodellen verbessern und sie noch leistungsfähiger machen. Robert Hawkins, Assistenzprofessor für Linguistik an der Stanford University, bringt die eigentliche Herausforderung auf den Punkt: ‘Je eigenständiger KI-Systeme werden, desto mehr erweisen sich soziale Probleme als die schwierigsten.’
Diese bahnbrechende Studie von Gabriel Grand und Valerio Pepe vom MIT sowie ihren Kollegen Jacob Andreas und Joshua Tenenbaum gibt Aufschluss darüber, wie wir KI beibringen können, bessere Fragen zu stellen, und ebnet damit den Weg für zukünftige Fortschritte. Weitere Einblicke in ihre faszinierende Arbeit finden Sie unter Originalnachrichtenartikel hier.
Wenn Ihr Unternehmen nach Lösungen zur Automatisierung mittels KI sucht, könnte implementi.ai Ihre Geschäftsabläufe mit modernster KI-Technologie revolutionieren. Nehmen Sie noch heute Kontakt mit uns auf, damit wir die Möglichkeiten gemeinsam besprechen können!
Diese Website verwendet Cookies.