MIT: Künstliche Intelligenz, die lernt wie ein Mensch

Niklas Killinger, 12.11.2025 15:18

CAMBRIDGE. Forschende am Massachusetts Institute of Technology (MIT) haben ein Verfahren vorgestellt, mit dem große Sprachmodelle neues Wissen dauerhaft speichern können. Die Methode namens SEAL lässt KIs ihr Wissen selbst überarbeiten und fest in die Modellstruktur einbauen. Tests zeigten deutliche Leistungssteigerungen.

Wie MIT News am 12. November 2025 berichtet, funktioniert SEAL (“Self-Adaptive Learning“) ähnlich wie das Lernen mit eigenen Notizen. Das Modell erstellt nach dem Lesen neuer Informationen kurze Zusammenfassungen, prüft deren Nutzen in einer Aufgabe und speichert die beste Variante fest in seinen Parametern. So bleibt neues Wissen auch nach der Sitzung abrufbar – ohne erneute Eingabe.

KI lernt aus eigenen Erfahrungen

Die eigentliche Neuerung liegt darin, dass das Modell sein Wissen selbst auswählt, überprüft und integriert. Herkömmliche Sprachmodelle müssen für neue Inhalte aufwendig nachtrainiert werden, meist mit großen Datensätzen und menschlicher Aufsicht. SEAL umgeht diesen Prozess: Die KI bewertet eigenständig, welche neuen Informationen ihre Leistung verbessern, erstellt daraus „Lernnotizen“ und passt ihre inneren Gewichte, also die mathematischen Werte, mit denen das Modell Sprache versteht und erzeugt, automatisch an. Damit wird Lernen zu einem fortlaufenden, selbstgesteuerten Prozess. Dies funktioniert ähnlich wie beim Menschen, der seine Notizen überarbeitet, um das Gelernte besser zu behalten.

Diese Form der Selbstanpassung ist ein Schritt in Richtung „lebender“ Modelle, die sich ohne erneute Programmierung weiterentwickeln können. Gleichzeitig bleibt die Kontrolle über das Lernen im Modell selbst, was Energie und Rechenleistung spart.

Spürbare Verbesserungen bei Wissenstests

In den Versuchen stieg die Genauigkeit bei Frage-Antwort-Aufgaben um rund 15 Prozent. Bei Aufgaben zum Erlernen neuer Fähigkeiten erhöhte sich die Erfolgsquote sogar um bis zu 50 Prozent. Zum Forschungsteam gehören unter anderem Jyothish Pari (Leitung), Adam Zweiger sowie die Professoren Yoon Kim und Pulkit Agrawal.

Noch offen bleibt, wie sich das Vergessen vermeiden lässt. Also das Risiko, dass neue Inhalte ältere verdrängen.