Die Frage, ob KI wie Menschen systemisch generalisieren kann, wurde 35 Jahre lang kontrovers diskutiert. Forscher der NYU und der Universität Pompeu Fabra beweisen erstmals, dass neuronale Netze menschenähnliche Systemgeneralisierung erreichen können. Ihr MLC-Modell trainiert neuronale Netze in Aufgabenumgebungen, wodurch sie schrittweise systematische Schlussfolgerungsfähigkeiten für die kombinierte Bedeutung von Wörtern erlernen. Das MLC-Modell übertrifft GPT-4 und zeigt ein erstaunliches menschenähnliches Denken. Diese Forschung hat weitreichende Auswirkungen auf die künstliche Intelligenz und die Kognitionswissenschaften und verleiht neuronalen Netzen die Fähigkeit zur Systemgeneralisierung.

Das Roboterforschungsteam von Google DeepMind hat kürzlich ein Roboterprojekt namens RT-2 veröffentlicht, dessen Entwicklung 7 Monate dauerte und bei dem ein großes Sprachmodell verwendet wurde. RT-2 verfügt über Fähigkeiten zum symbolischen Verständnis, zum Schließen und zur menschlichen Erkennung und kann Aufgaben basierend auf menschlichen Anweisungen bearbeiten. Durch die Kombination eines großen Sprachmodells mit den Manipulationsfähigkeiten eines Roboters kann RT-2 Aufgaben bewältigen, die einen logischen Sprung erfordern, z. B. von „ausgestorbenes Tier“ zu „Plastikdino“. Die Ergebnisse des Projekts zeigten in verschiedenen Untertests eine gute Leistung.