Tech News

Technik & Digital

Mehr als ein Jahr später hat KI unser Leben noch nicht verändert


Die zentralen Thesen

  • Verbesserungen im Bereich der KI sind wertvoll, haben den Alltag jedoch noch nicht wie erwartet revolutioniert.
  • Halluzinationen in KI-Modellen können problematisch sein und zu falschen Antworten führen, wenn sie nicht richtig berücksichtigt werden.
  • Die Kosten für den Zugriff auf Trainingsdaten für KI-Modelle steigen und stellen eine Herausforderung für Startups und Entwickler dar.


Es ist 18 Monate her, seit OpenAI den Startschuss für eine Welle des KI-Hypes gegeben hat, die selbst für Technologieunternehmen übertrieben war. Nahezu jeder große Player in diesem Bereich hat sich auf irgendeine Art von Integration für LLMs konzentriert, und je nach den scheinbaren KI-Aussichten dieser Unternehmen wurden Billionen von Dollar an Wert gewonnen oder verloren.

Doch KI hat unser Leben noch nicht verändert. Die wilden Revolutionen, die es in allen Bereichen von der Datenverarbeitung bis zur Suche gegeben hat, haben, zumindest im öffentlichen Raum, größtenteils nur marginale Verbesserungen der Funktionalität mit sich gebracht. Wir haben einige leichte Verbesserungen an Tools erlebt, die wir bereits verwenden, und zumindest einige davon waren erfolgreich. Warum also braucht KI so lange, um den Technologiebereich zu revolutionieren, und werden sich jemals dramatische Veränderungen ergeben?



Die Sanierung von LLMs hat sich als schwierig erwiesen

Öffentlich freigegebene Modelle müssen erheblich eingeschränkt werden

Obwohl dies kein großer Teil der laufenden Diskussion um LLMs war, ist es letztendlich doch ein wichtiger Faktor. LLMs sind unglaublich leistungsfähig, aber sie sind stumpfe Werkzeuge. Ein Modell hat an und für sich keine intrinsische Argumentation, sondern nur die Illusion davon und kann nur das nutzen, was ihm in einer Trainings-/Feinabstimmungsphase vermittelt wurde.

Halluzinationen bleiben ein Problem

Das Problem dabei ist, dass Modelle leicht halluzinieren können, ein neues Wort, das wir alle seit dem Start von ChatGPT kennen. Halluzinationen kann man sich am besten als Extrapolationen vorstellen. Ein LLM nimmt eine Eingabeaufforderung entgegen und extrapoliert im Gegensatz zu einer Suchmaschine, die möglicherweise einen vordefinierten Algorithmus anwendet, um relevante Daten zu sortieren und zu filtern, von Ihrer Eingabeaufforderung zu einer Antwort. Eine Halluzination liegt vor, wenn ein Modell Text generiert, der keinen Sinn ergibt, oder Daten extrapoliert, die nicht in seinem ursprünglichen Trainingsmodell enthalten sind. Diese Extrapolation ist der Grund, warum eine Halluzination gefährlich sein kann – denn die falsche Antwort, die ein Modell gibt, kann oft genau das sein, was Sie sich erhoffen, und erscheint daher möglicherweise nicht so lächerlich, wie sie in Wirklichkeit ist.


Manche Halluzinationen können gut sein – Halluzinationen sind eine Möglichkeit, einem Model Kreativität oder Vorstellungskraft vorzutäuschen. Sie müssen jedoch richtig abgestimmt und gelenkt werden, um zu vermeiden, dass Models mit großer Zuversicht etwas behaupten, was völlig unwahr ist.

Der Zugang zu Trainingsdaten wird teuer

Ein weiteres Element, das den Fortschritt bei LLMs im letzten Jahr gebremst hat, ist der Mangel an Trainingsdaten. Eine der großen Auswirkungen der KI, die wir bereits spüren, ist, wie wir bereits zuvor behandelt haben, die Abkehr von kostenlosen und öffentlich zugänglichen APIs. Vor ChatGPT war es relativ einfach, Websites wie Twitter oder Reddit, die auf benutzergenerierten Inhalten basieren, nach Daten zu durchsuchen, um Ihr Modell zu trainieren. Da beide Websites den API-Zugriff hinter teuren Paywalls gesperrt oder Trainingsdatensätze direkt verkauft haben, gab es bei ihren Benutzern gemischte Reaktionen. Stack Overflow erlebte kürzlich auch Gegenwind wegen des Verkaufs seines Datensatzes für das Modelltraining.


Dies ist eine weitere zusätzliche Ausgabe für den ohnehin teuren Prozess der Modellschulung. Wenn Sie im Jahr 2024 ein KI-Startup gründen möchten, benötigen Sie Anfangskapital für eine Reihe sehr teurer ML-Ingenieure, Zugriff auf einen anständigen Datensatz und viel Geld für Tausende von Stunden GPU-Rechenzeit, vorausgesetzt, Sie bauen nicht gleich von Anfang an Ihr eigenes Trainingsdatenzentrum auf. Die Eintrittsbarriere ist trotz der deutlichen Verbesserung der Werkzeuge zur Entwicklung dieser Modelle deutlich gestiegen.

Produkte auf den Markt zu bringen war schwierig

Trotz aller auffälligen Demos haben Unternehmen immer noch Schwierigkeiten, ihre Produkte auf den Markt zu bringen

Mehr als ein Jahr später hat KI unser Leben noch nicht verändert

Ein Aspekt der KI-Hype-Welle, der schon früh erkannt wurde, aber bis heute Bestand hat, ist die Tatsache, dass es schwierig ist, KI-Produkte auf den Markt zu bringen. Bislang waren die meisten großen First-Party-Modelle auf die größten Technologieunternehmen beschränkt, und Produkte, die auf Internetverbindungen und Online-Modelle angewiesen sind, hatten Mühe, Fuß zu fassen.


Wir haben eine Welle von Integrationen mit fein abgestimmten Modellen erlebt, die von GPT3.5/4 unterstützt werden, sowie First-Party-Support von OpenAI zur Feinabstimmung dieser Modelle. Während einige der Ergebnisse für eher engstirnige Tools beeindruckend waren, waren sie oft zu grobschlächtig, um eine Lücke zuverlässig zu füllen.

Sogar Unternehmen wie Google und Microsoft haben bei der Markteinführung von KI schwere Pannen erlebt. Google hat seinen KI-Assistenten in die Standardsuche aufgenommen, was bereits zu allen möglichen Problemen mit falschen, albernen oder geradezu gefährlichen Ergebnissen geführt hat. Die Bing-Suche wurde ähnlich vorangetrieben und dann wieder zurückgenommen. KI-Bildgeneratoren haben sich als erhebliches Problem erwiesen, möglicherweise weil ihre Voreingenommenheit für den durchschnittlichen Benutzer leicht erkennbar ist.

KI verändert die Welt

Fortschritte in den Bereichen Gesundheitswesen, Meteorologie, Finanzen, Risiko und Entscheidungsfindung sind überall um uns herum


Die Realität der KI ist, dass sie die Welt bereits verändert. Außerhalb des Hype-Zyklus von LLMs, generativer KI und AGI wird KI jeden Tag von Unternehmen, Forschern und Regierungen eingesetzt, um ihnen dabei zu helfen, Daten zu verarbeiten, Trends zu erkennen, bessere Entscheidungen zu treffen und Muster zu verstehen. Entwickler nutzen sie, um die Produktivität zu steigern, Analysten, um die Effizienz der Lieferkette zu verbessern, und – ob nun gut oder nicht – Versicherer, um Entscheidungen über alles von der Autoversicherung bis zur Gesundheitsversorgung zu treffen. Sie wird eingesetzt, um Arzneimittelforschungsprogramme zu optimieren, die traditionell riesige Supercomputer und teure Rechenkapazitäten erfordern, und im Finanzsektor, um Risiken zu modellieren, Finanzkriminalität aufzudecken und Daten zu verarbeiten.

Ein großer Fortschritt in der KI, der sich in Kürze abzeichnet (verzeihen Sie das Wortspiel), ist die Wettervorhersage. Dies ist eine enorm teure Branche, die durch KI schnell revolutioniert wird. KI ist jetzt in der Lage, jahrelange historische Wetterdaten zu verarbeiten und genaue Vorhersagen über das Wetter zu treffen, ohne dass teure Supercomputer-Modelle erforderlich sind.


LLMs sind nur ein kleiner Zweig der KI

Es ist wichtig, sich daran zu erinnern, dass LLMs, obwohl sie derzeit am meisten in der Öffentlichkeit stehen, nur einen relativ kleinen Teil des „KI“-Oberbegriffs ausmachen. Generative KI ist der neue Hype, wird aber möglicherweise nicht sehr lange im Mittelpunkt stehen. Es werden neue Technologien am Horizont auftauchen und der Hype um generative KI wird unweigerlich verpuffen.

Obwohl das Thema KI in den letzten 18 Monaten für viel Aufregung gesorgt hat und dies auch weiterhin bleiben wird, bleibt abzuwarten, wie sehr sie unser Leben tatsächlich verändern wird.



Source link