Marcus Hutter (geboren am 14. April 1967 in München) ist ein deutscher Informatiker und Professor, der sich auf die mathematischen Grundlagen der künstlichen allgemeinen Intelligenz spezialisiert hat. Er ist vor allem für die Entwicklung von AIXI bekannt, einem theoretischen Rahmenwerk für einen optimalen intelligenten Agenten, sowie für die Einrichtung des Hutter-Preises für verlustfreie Kompression menschlichen Wissens. Seit 2024 arbeitet er als leitender Forscher bei DeepMind.
Hutter studierte Physik und Informatik an der Technischen Universität München. Im Jahr 2000 trat er der Gruppe von Jürgen Schmidhuber am Dalle Molle Institut für Künstliche Intelligenz-Forschung in Manno, Schweiz, bei, wo er seine grundlegende Arbeit zur universellen KI begann. Später war er Professor am College of Engineering, Computing and Cybernetics der Australian National University in Canberra, Australien.
AIXI und universelle künstliche Intelligenz
Ab dem Jahr 2000 entwickelte und veröffentlichte Hutter eine mathematische Theorie der künstlichen allgemeinen Intelligenz namens AIXI. Die Theorie kombiniert algorithmische Wahrscheinlichkeit mit bestärkendem Lernen, um einen idealisierten Agenten zu definieren, der den erwarteten Nutzen über alle möglichen Zukünfte maximiert. AIXI ist in der Praxis nicht berechenbar, dient jedoch als theoretischer Maßstab für intelligentes Verhalten. Sein erstes Buch, Universal Artificial Intelligence: Sequential Decisions Based on Algorithmic Probability, wurde 2005 bei Springer veröffentlicht.
Im Jahr 2005 veröffentlichten Hutter und sein Doktorand Shane Legg einen Intelligenztest für Geräte der künstlichen Intelligenz und schlugen ein formales Maß für Intelligenz vor, das auf der Leistung über eine breite Palette von Umgebungen basiert. Im Jahr 2009 entwickelte Hutter die Theorie des Feature-Reinforcement-Lernens, die AIXI erweitert, um komplexe Zustandsräume effizienter zu handhaben. Im Jahr 2014 veröffentlichten Lattimore und Hutter eine asymptotisch optimale Erweiterung des AIXI-Agenten, die einige seiner rechnerischen Einschränkungen adressiert.
Hutter-Preis
Im Jahr 2006 kündigte Hutter den Hutter-Preis für verlustfreie Kompression menschlichen Wissens an und bot insgesamt 50.000 Euro Preisgeld an. Der Preis motiviert Teilnehmer, eine feste 100-MB-englische Textdatei zu komprimieren, mit dem Ziel, Fortschritte in Richtung künstlicher allgemeiner Intelligenz zu fördern. Im Jahr 2020 erhöhte Hutter das Preisgeld auf 500.000 Euro, was die anhaltende Bedeutung der Kompression als Stellvertreter für Intelligenz widerspiegelt.
Öffentliches Engagement und neuere Arbeiten
Hutter hat sich durch Interviews und Veröffentlichungen an ein breiteres Publikum gewandt. Im Jahr 2021 trat er im Lex-Fridman-Podcast auf, um seine Theorie der universellen KI zu diskutieren. Ein technischeres Folgegespräch mit Tim Nguyen wurde 2024 im Cartesian Cafe veröffentlicht. Sein neues Buch, das 2024 erschien, bietet eine zugänglichere Einführung in die universelle KI und überprüft die Fortschritte der zwei Jahrzehnte seit seinem ersten Buch, einschließlich eines Kapitels zur Sicherheit künstlicher Superintelligenz (ASI). Diese Arbeit wurde als Keynote auf dem ersten Workshop zur KI-Sicherheit in Sydney vorgestellt.
Vermächtnis und Einfluss
Hutters Arbeit hat die theoretische Forschung in maschinellem Lernen und bestärkendem Lernen beeinflusst, insbesondere im Bereich der universellen Induktion und Entscheidungsfindung. Seine Formalisierung von AIXI hat nachfolgende Forschung zu optimalen Agenten inspiriert und wurde im Bereich der künstlichen allgemeinen Intelligenz umfassend zitiert. Der Hutter-Preis zieht weiterhin Teilnehmer an und hat zu Fortschritten bei Datenkompressionsalgorithmen beigetragen.
Siehe auch
- Solomonoff-Induktion