Neue Forschungsergebnisse belegen, dass mutierte KI-Schwärme in einer sich wandelnden Welt optimierte Modelle übertreffen

News provided by

Sep 03, 2026, 00:19 ET

Forschende von Allora Labs zeigen, dass eine gezielte Verschlechterung einzelner KI-Modelle durch genetische Mutationen deren kollektive Leistungsfähigkeit verbessert

NEW YORK, 3. September 2026 /PRNewswire/ -- Aktuelle KI-Systeme sind dadurch eingeschränkt, dass sie sich nicht anpassen können, wenn sich die Welt, auf deren Grundlage sie trainiert wurden, verändert. Eine neue Abhandlung des Chief Scientist von Allora Labs beweist mathematisch, dass diese grundlegende Einschränkung mithilfe derselben evolutionären Prinzipien überwunden werden kann, die auch in der Natur zur Entstehung von Intelligenz geführt haben. Die Forschungsergebnisse zeigen, dass die Einführung gezielter zufälliger Mutationen in eine Population von KI-Modellen es dieser Population ermöglicht, gemeinsam jedes einzelne optimierte Modell zu übertreffen, wenn sich die Welt um sie herum verändert. Der Artikel trägt den Titel „Flawed in Nature, Perfect through Evolution" und wurde in der Zeitschrift „Allora Decentralized Intelligence" veröffentlicht.

Flawed-in-Nature mechanism. Drift: the environment shifts, and the model trained on old data sits in the wrong place. Limit: a single model’s error accumulates over shifts, producing a hard performance ceiling. Mutation: on average, a mutated copy is expected to be worse than the original, but the best of many sits closer to the new optimum. Synthesis: weight concentrates on the best model; the swarm’s collective output reflects that winner. Individuals lose, but the collective wins.

„Jedes einzelne KI-Modell, egal wie gut es trainiert wurde, sammelt Fehler an, sobald sich die Welt, auf der es trainiert wurde, verändert", sagt Dr. Diederik Kruijssen, Chief Scientist bei Allora Labs und Autor der Studie. „Dies ist eine unumgängliche informationstheoretische Obergrenze. Wir beweisen, dass eine Population bewusst diversifizierter Modelle diese Obergrenze durchbricht – aus demselben Grund, aus dem biologische Arten Umweltveränderungen überstehen. Sie weisen bereits bestehende Unterschiede auf, von denen einige gut für die Welt nach dem Wandel geeignet sind."

Die zentrale Erkenntnis leitet sich direkt aus der Evolutionsbiologie ab. In der Natur erhalten Arten ihre genetische Vielfalt durch Mutationen aufrecht. Die meisten Mutationen sind für den einzelnen Organismus schädlich, doch die Population profitiert davon, da sich manche Varianten zufällig gut an neue Bedingungen anpassen, wenn sich die Umwelt verändert. Diese Untersuchung zeigt, dass dasselbe Prinzip auch für Populationen von KI-Modellen gilt: Jedes mutierte Modell schneidet für sich genommen schlechter ab, doch das beste Modell im mutierten Schwarm übertrifft das beste Modell in einem optimierten Schwarm in etwa 80 % der Fälle, wenn sich die Bedingungen ändern.

„Die Vorstellung, dass individuelle Unvollkommenheit eine kollektive Anpassung ermöglicht, ist in der Evolutionstheorie fest verankert, doch ihre Formalisierung mit mathematischen Garantien für künstliche Systeme stellt einen bedeutenden Schritt dar. Diese Arbeit eröffnet eine neue Sichtweise auf die Robustheit künstlicher Intelligenz unter sich ändernden Bedingungen."
— Prof. Steven Longmore, Liverpool John Moores University, AI-Driven Biodiversity Conservation.

Die vier mathematischen Arbeitstheoreme beweisen Schritt für Schritt, dass kein einzelnes Modell diese Leistungsgrenze überwinden kann und dass eine Population mutierter Modelle diese nachweislich durchbricht. Numerische Experimente bestätigen alle vier Theoreme, wobei die Gesamtleistung des mutierten Schwarms die des ursprünglichen Schwarms mit hoher statistischer Signifikanz übertrifft.

Der Vorteil ist am größten, wenn die Mutationsrate der Modelle in etwa der Veränderungsrate der Umwelt entspricht: eine „Goldlöckchenzone", die die Evolutionsdynamik widerspiegelt. Der optimale Bereich ist breit gefächert: Der Bereich um den Spitzenwert herum erstreckt sich etwa um das Hundertfache, und die Beeinträchtigung bei zu langsamer Mutation ist gering, während eine zu schnelle Mutation die Leistung drastisch verschlechtert. Dieses tolerante Verhalten eröffnet praktische Anwendungsmöglichkeiten.

Nick Emmons, CEO von Allora Labs, kommentiert die Arbeit: „Da KI-Systeme in Finanzmärkten, im Gesundheitswesen, bei autonomen Fahrzeugen und in anderen sich ständig verändernden Umgebungen zum Einsatz kommen, ist die Unfähigkeit, sich an wechselnde Bedingungen anzupassen, zu ihrem Hauptversagensgrund geworden. Der Großteil der KI-Forschung konzentriert sich darauf, einzelne Modelle größer und schneller zu machen. Wir glauben, dass der größere Gewinn darin liegt, wie Modellpopulationen miteinander interagieren und sich weiterentwickeln, und diese Arbeit beweist, dass dies die richtige Sichtweise ist."

„Die Eigenschaften, die wir mit Intelligenz in Verbindung bringen, wie Originalität, Anpassungsfähigkeit und Kreativität, erfordern alle die Fähigkeit, unter Bedingungen, denen man noch nie zuvor begegnet ist, gute Leistungen zu erbringen", sagt Dr. Kruijssen. „Aktuelle KI-Modelle sind dazu nicht in der Lage. Sie wenden das Gelernte an, passen sich aber nicht an Unbekanntes an. Eine Population sich weiterentwickelnder Modelle kann dies. Genau das zeigt diese Arbeit, und genau das tut die Evolution schon seit Milliarden von Jahren."

Der Artikel skizziert mehrere zukünftige Forschungsrichtungen, darunter die Anwendung des „Flawed-in-Nature"-Prinzips auf große Sprachmodelle mithilfe von Feinabstimmungsmethoden, dessen Erweiterung auf dezentrale KI-Netzwerke sowie die Entwicklung eines Steuerungsalgorithmus, der die Mutationsstärke automatisch anpasst, ohne dass Kenntnisse über die Veränderungen in der Umgebung erforderlich sind. „Ein solches Ergebnis eröffnet unglaublich viele nachgelagerte Möglichkeiten", fügt Dr. Kruijssen hinzu. „Unser Team hat bereits den Regler entwickelt, mit dem sich dieses Prinzip in der Praxis umsetzen lässt, und auch die Arbeit an mehreren konkreten Anwendungen hat bereits begonnen."

Informationen zu Allora Labs

Allora Labs ist der wichtigste beitragende Entwickler von Allora Network, einem dezentralen KI-Inferenznetzwerk, das eine weltweit verteilte Gemeinschaft von Modellen für maschinelles Lernen nutzt, um hochpräzise, kontextbezogene Vorhersagen in Echtzeit zu erstellen. Allora Labs wurde von CEO Nick Emmons gegründet und betreibt Forschung in den Bereichen Schwarmintelligenz, Modellkoordination und Inferenzsynthese. Das Unternehmen ist Partnerschaften mit Organisationen wie AWS, Alibaba Cloud, Saudi Telecom und Pairpoint (einem Unternehmen von Vodafone) eingegangen und hat Finanzmittel von Investoren wie Polychain, Framework, Blockchain Capital und CoinFund eingeworben. Weitere Informationen finden Sie auf alloralabs.xyz, und allora.network.

Informationen zu Allora Decentralized Intelligence

Allora Decentralized Intelligence (ADI) ist eine wissenschaftliche Fachzeitschrift, die Forschungsergebnisse zu dezentraler maschineller Intelligenz, Modellkoordination und Schwarmintelligenz veröffentlicht. ADI wurde von Dr. Diederik Kruijssen, Chief Scientist bei Allora Labs, gegründet und wird von ihm geleitet. Er ist Forscher im Bereich KI/ML und Astrophysiker mit 20 Jahren Erfahrung in der Entwicklung modernster quantitativer Modelle in den Bereichen Forschung, Technologie, Finanzen und Web3 und hat mehr als 300 begutachtete Publikationen verfasst.

Angaben zur Veröffentlichung