Der renommierte Turing-Preisträger Richard Sutton identifiziert eine zentrale Limitation der gegenwärtigen generativen KI-Systeme: Ohne die Fähigkeit, ihre eigenen Outputs zu bewerten, bleiben sie im Muster-Nachahmen stecken. Echte wissenschaftliche Neuheit könne nicht entstehen, wenn Systeme nicht selbst beurteilen können, ob sie etwas Genuines geschaffen haben. Sutton verweist auf AlphaGo und AlphaProof als Gegenbeispiele, die durch eingebaute Bewertungsschleifen zu echter Kreativität fähig werden. Seine These beleuchtet den Unterschied zwischen reiner Generierung und echter Innovation – ein grundlegendes Problem, das die KI-Forschung neu denken muss.
