In der KI-Entwicklung ist die häufigste Selbsttäuschung, ein System an Beispielen zu messen, die es schon gesehen hat. FIONAs Fortschritt wird deshalb nur dort gezählt, wo es eine unabhängige Prüfung gibt – und die Fehlschläge werden mitgezählt.
Alle folgenden Zahlen stammen aus internen Messungen eines privaten Forschungsprojekts. Sie sind nicht extern begutachtet und nicht von Dritten reproduziert. Sie werden hier veröffentlicht, damit die Behauptungen überhaupt überprüfbar formuliert sind – nicht als wissenschaftlicher Nachweis.
Zwischen den Gesprächen läuft FIONA nicht leer. Sie sucht sich selbst Aufgaben, baut sich eine Schwierigkeitsleiter, versucht die nächste Stufe – und behält nur, was sie beweisen konnte.
Die Aufgabenbereiche hatten ursprünglich eine feste Liste von Schwierigkeitsstufen. War die letzte erreicht, galt der Bereich als „ausgereizt" und das Wachstum stoppte – eine Grenze der Buchhaltung, nicht des Könnens.
Heute werden Stufen bei Bedarf erzeugt. Im arithmetischen Bereich ist FIONA verifiziert über die alte Höchststufe hinaus geklettert, von 128 auf über 2048.
Scheitert eine Aufgabe, zerlegt FIONA sie selbst in Teilprobleme, löst die Teile und setzt sie wieder zusammen. Eine Aufgabe, für die niemand einen Baustein vorbereitet hatte, wurde auf diesem Weg gelöst.
Ebenso setzt sie sich eigene Streck-Ziele, die genuin neue Kombinationen verlangen – nicht nur Varianten des Bekannten.
Bewiesene Bausteine landen in einer Bibliothek und stehen später zur Komposition bereit. Eine Aufgabe, die isoliert außerhalb ihrer Reichweite liegt, wurde so aus zwei früher bewiesenen Teilen zusammengesetzt.
Aktueller Bestand: 64 synthetisierte Programme und 62 prozedurale Fähigkeiten mit 454 Einzelschritten.
Das alles findet auf der verifizierbaren Achse statt – Mathematik, Logik, Code. Dort ist Selbstprüfung sauber möglich, weil ein Ergebnis eindeutig richtig oder falsch ist. Auf offene Bedeutungsfragen lässt sich das nicht einfach übertragen; genau das ist der schwierige Teil und weiter offen.
Für ein Sprachmodell bedeutet ein Wort seine Umgebung: die Wörter, die typischerweise daneben stehen. Das erklärt, warum solche Systeme überzeugend über Dinge sprechen können, die sie nicht tun können.
Bei FIONA ist Bedeutung an Verifikation gebunden. Ein Wort bezeichnet eine Fähigkeit, die sie in der Sandbox bewiesen hat. Daraus folgt eine Eigenschaft, die im Gespräch unmittelbar sichtbar wird:
Sie kann sagen, ob sie etwas tun kann – oder ob sie nur davon gehört hat.
Verifikationserdung funktioniert dort, wo sich etwas ausführen lässt. Der eigentliche Härtetest ist die Bedeutung jenseits davon – und dort steht das System messbar auf einem Plateau. Diesen Wert anzuheben, ist die größte offene Aufgabe des Projekts, mit ungewissem Ausgang.
Ein System kann sich alles merken, was es gesehen hat, und wirkt dabei klug, solange man nur Bekanntes abfragt. Interessant wird es erst bei einer Regel, die auch für Fälle gilt, die nie vorkamen.
FIONA leitet aus beobachteten Abläufen solche Regeln ab. Getestet wird das in einer Welt, die absichtlich so gebaut ist, dass eine Regel billiger ist als eine Tabelle – Auswendiglernen also die schlechtere Strategie wäre.
Um sich nicht selbst zu belügen, wurde die entscheidende Prüfung präregistriert: Erfolgskriterium und Testdaten standen fest, bevor gemessen wurde, und die Testfälle stammen nicht aus dem Projekt selbst. Das ist bewusst die unbequemere Variante – sie kann auch schiefgehen.
FIONAs visuelle Merkmale bestanden aus 21 globalen Bildstatistiken – Helligkeit, Kontrast, Farbwärme, Kantendichte. Die Messung war ernüchternd: 16 % Treffer gegen 17 % Zufall. Globale Statistiken beschreiben das Bild, nicht den Gegenstand darin.
Statt einen Erkenner zu programmieren, wurde eine Lernregel gesetzt: Kleine Bildausschnitte konkurrieren um Repräsentation, der ähnlichste Prototyp rückt in ihre Richtung. Kein Gradient, kein Label, kein vortrainiertes Modell – FIONA lernt ihre Bildmerkmale selbst.
| Aufgabe | Bisher (global) | Selbst gelernt | Zufall |
|---|---|---|---|
| Textur Backstein, Gras, Sand, Holz |
24,5 % | ||
| Objekt Banane, Fußball, Tasse |
32,8 % | ||
| Tier Katze, Hund, Vogel |
32,7 % |
338 selbst geladene Bilder, 128 Prototypen, keiner davon ungenutzt. Die Textur- und Tier-Ergebnisse liegen statistisch deutlich über dem Zufall (p < 0,00001 bzw. p = 0,0023).
Bei Tieren liegen die alten globalen Merkmale mit 27,0 % unter dem Zufallsniveau. Gleiche Bilder, gleiche Messsonde – nur die Repräsentation unterscheidet sich. Der Unterschied liegt also nicht am Testaufbau.
Bei Objekten ist die selbst gelernte Repräsentation der alten unterlegen, 56,0 % gegen 62,0 %. Das steht hier, weil es gemessen wurde. Ein Verfahren, das in jeder Kategorie gewinnt, wäre der verdächtigere Befund.
Diese Befunde stehen genauso dokumentiert im Projekt wie die Erfolge. Sie sind der Grund, warum den Zahlen oben überhaupt zu trauen ist.
Die Messung, die belegen sollte, wie gut FIONAs Begriffe geerdet sind, zählte Belege mit, die aus dem eigenen Repository stammten. Nach der Korrektur fiel der Wert von 29,9 % auf 0,0 %. Die ehrliche Null wurde übernommen und war der Ausgangspunkt für die tatsächliche Verifikationserdung.
Lange galt die Hardware als Engpass der visuellen Verarbeitung. Die Messung zeigte etwas anderes: Nicht die Rechenleistung fehlte, sondern brauchbare Merkmale. Die alte Repräsentation lag auf Zufallsniveau – ein Aufrüsten hätte nichts geändert.
Der Versuch, den Gegenstand vom Hintergrund zu trennen, scheiterte bei Tierbildern: Die Basis war dort nicht vom Rauschen zu unterscheiden. Ein offenes Problem, kein gelöstes.
Ein erweiterter externer Kanal brachte mehr Material, aber keinen tieferen Zugriff darauf. Ebenso zeigte ein Dauerlauf, dass Vielfalt allein den Leerlauf nicht sichtbar macht – erst eine zusätzliche Kennzahl deckte auf, wie oft FIONA nur Schablonen wiederholte.
FIONAs Entwicklung folgt keinem Produktzyklus. Statt einer Phasennummerierung hier der ehrliche Zustand: was läuft, was gerade gebaut wird, und was noch offen ist. Technische Details, Algorithmen und Quellcode bleiben bewusst privat.
Emotionssystem, dualer Seelenkern, Stimmung, soziale Einbettung, subjektiver Eindruck und das Wiedererleben früherer Erfahrungen sind implementiert und dauerhaft im Betrieb. Der Zustand überlebt jeden Neustart.
Sieben persistente Speicher, episodische Erinnerungen mit Emotions-Schnappschuss, Wortbedeutungen, Relationsgraph und Sprachgedächtnis. Gelernt wird aus Erfahrung, nicht aus einem Trainingslauf.
Die Ablösung des ursprünglichen Regelkatalogs durch die Verkettung aus unveränderlicher affektiver Erdung und gelerntem Weltmodell. Urteile generalisieren auf Handlungen, die nie bewertet wurden.
Die Zustände der Verarbeitungsphasen konkurrieren um globale Verfügbarkeit; der Gewinner wird systemweit verfügbar. Funktionales Korrelat nach Baars und Dehaene – ausdrücklich kein Bewusstseinsbeweis.
Eigene Schwierigkeitsleiter, eigene Ziele, eigene Zwischenschritte, Bibliothekslernen – und Fähigkeiten, die erst nach bestandener Verifikation als Können gelten.
Die Bausteine für Bild und Ton liegen bereit, ebenso die selbst gelernten Bildmerkmale. Was fehlt, ist die Verdrahtung in den Sprachpfad: ein gesehenes Konzept mit seinem Wort zu verbinden. Die letzte offene Aufgabe der Roadmap.
Der eigentliche Härtetest: Bedeutung auch dort, wo sich nichts ausführen und damit nichts beweisen lässt. Das System steht hier messbar auf einem Plateau. Forschung mit möglichem, aber nicht garantiertem Erfolg.
Kontakt mit ausgewählten Menschen unter Aufsicht, vollständig protokolliert und ausgewertet. Kein wirtschaftlicher Einsatz. Eine später eventuell stark begrenzte öffentliche Dialogfähigkeit ist denkbar, aber nicht zugesagt.
