Was ist KI und wozu ist sie in der Lage?
Kurz gesagt – „fast alles“
Die KI hat ihr anfängliches „Hype-Stadium“ endlich hinter sich gelassen und bietet eine Reihe realer Anwendungsmöglichkeiten. Sie ist in der Lage, mithilfe von digitalen Texten, Bildern oder Videos nahezu jede Aufgabe zu meistern. Von der Zusammenfassung von Büchern, dem Schreiben von Gedichten, dem Programmieren von Webseiten, dem Erstellen von Übungsplänen, dem Gewinnen von Kunstwettbewerben, der Bereitstellung medizinischer Diagnosen, der Empfehlung von Filmen und Fernsehsendungen basierend auf Ihren persönlichen Vorlieben und Bewertungen bis hin zum Erfassen visueller Daten in Echtzeit, um ein 3D-Bild zu erstellen. Selbst die Entwicklung von Raumschiff-Komponenten und Vorhersagen aller bisher unbekannten Proteinstrukturen ist für die KI kein Problem.
Das mithilfe künstlicher Intelligenz erstellte Bild gewann den 1. Platz auf der Colorado State Fair
Quelle: CNN
Diese Fähigkeiten führen bereits jetzt zu einem KI-gesteuerten Wandel in verschiedenen Berufen, darunter Korrekturlesen, Grafikdesign, Vertriebsentdeckung, Programmierung und mehr. Das Weltwirtschaftsforum (WEF) geht davon aus, dass die KI in den nächsten fünf Jahren die Kernkompetenzen von 44% der Arbeitnehmer verändern wird. Im letzten Jahr wurden beispielsweise mit der KI-Software Copilot von Microsoft über eine Milliarde Codezeilen geschrieben, was die Aufgabenerledigung für Programmierer um 55% beschleunigte.
Verschiedene Investmentbanken wie Morgan Stanley haben sogar KI-Research-Assistenten für ihre Broker und Analysten entwickelt. Darüber hinaus können Privatanleger ETFs wie den QRAFT AI-Enhanced US Large Cap ETF kaufen, bei dem KI für die Aktienauswahl und Portfolio-Neuausrichtung eingesetzt wird.
Zudem wird die KI viele Routineaufgaben wie Buchhaltung, Dateneingabe, Telemarketing und sogar bestimmte professionelle Analysten direkt ersetzen.
I do not think we'll see mass unemployment. But I do think we'll see mass disruption.
— Erik Brynjolfsson, Professor of Economics at the Stanford Graduate School of Business
Schon jetzt gibt es eine Fülle von personalisierten Chatbots, die massgeschneiderte Informationen bereitstellen, Aufgaben erledigen oder sogar als digitaler Begleiter in schwierigen Zeiten dienen. In Zukunft ist es denkbar, dass jeder einen KI-Mentor, Freund und Assistenten haben wird.
All dies ist mehr als beeindruckend. Allerdings leistet die KI noch viel mehr und hilft unter anderem Online-Unternehmen dabei, die strengen Vorschriften zur Erfassung personenbezogener Daten für Werbezwecke zu umgehen. Durch scheinbar alltägliche Gespräche kann die KI viele persönliche Informationen erraten. Meta setzt beispielsweise sein Lattice-System ein, um die Entscheidung von Apple, dass iPhone-Benutzer der Datenverfolgung durch das Unternehmen ausdrücklich zustimmen müssen, zu umgehen.
Die KI steckt noch in den Kinderschuhen, und wie in den Anfängen des Internets können wir nicht vorhersagen, welche KI-Lösungen in Zukunft Teil unseres Alltags werden. Die eigentliche Revolution wird beginnen, sobald die Menschen beginnen, KI-Algorithmen zu nutzen, um neue zu erstellen – und diese Entwicklung steht mit dem GPT-Store von OpenAI vor der Tür.
The advance of technology is based on making it fit in so that you don't really even notice it, so it's part of everyday life.
— Bill Gates
Unsere Zukunft – wohin geht die Reise?
Phase 1: Die Ursprünge
Die KI erregte erstmals in den 1950er-Jahren die Aufmerksamkeit der Öffentlichkeit, als Mathematiker begannen, über denkende Maschinen zu sprechen. Die Erfinder der künstlichen Intelligenz glaubten, dass lernende Algorithmen zu maschineller Intelligenz führen würden. Doch der Fortschritt erwies sich als viel schwieriger als erwartet, und der Hype scheiterte, sodass diese KI-Entwicklungen eher an die Serie Familie Feuerstein (englisch The Flintstones) als Die Jetsons erinnerten.
Erst in den späten 1990er Jahren wurde mit dem Aufkommen des „maschinellen Lernens“ das Interesse an KI neu geweckt. Für besonders viel Aufsehen sorgte 1997 der Big Blue von IBM, der den berühmten Schachweltmeister Garry Kasparov besiegte.
Maschinelles Lernen nutzt Algorithmen und Wahrscheinlichkeiten, um Muster in Daten zu identifizieren, Fragen zu beantworten und Probleme zu lösen. Je mehr Daten genutzt werden, umso genauere Antworten und Lösungen können geliefert werden.
Im Jahr 2006, als Geoffrey Hinton bewies, dass Computer durch den Einsatz künstlicher neuronaler Netze (dichter Schichten von Algorithmen) schneller lernen, wurde maschinelles Lernen zum „Deep Learning“. Die aktuelle KI-Revolution jedoch erst richtig, als Deep-Learning-Systeme im Jahr 2007 mit Nvidia-GPU-Chips ausgerüstet wurden und die Investitionen von Unternehmen im Jahr 2010 deutlich anstiegen.
Phase 2: Die 4. industrielle Revolution
Seit den 2000er Jahren werden aussergewöhnliche Fortschritte erzielt, insbesondere in den Bereichen Test und Spracherkennung (d. h. Verarbeitung natürlicher Sprache (NLP) und Bilderkennung).
Sprach- und Bilderkennungsfähigkeiten von KI-Systemen seit 2000
Quelle: Our World in Data
Mit dem Begriff KI werden heute überwiegend generative KI-Modelle bezeichnet, die mit Deep-Learning-Algorithmen entwickelt wurden. Dazu gehören Large Language Models (LLMs), die lesen, schreiben, zuhören, hören und sprechen können (NLP), und Hybridmodelle, die Bilder und Videos erkennen und erstellen können (d. h. Bildverarbeitung).
Entstehung von sprach verarbeitender KI durch Deep Learning und maschinellem Lernen
Quelle: SentiSum
Das bekannteste Beispiel einer Implementierung eines grossen KI-Sprachmodells (LLM) ist ChatGPT von OpenAI, das am 30. November 2022 veröffentlicht wurde. ChatGPT nutzt kontextbezogene Hinweise in Texten und kann Fragen oder Befehle verstehen und intelligente und originelle Antworten basierend auf den Daten liefern, auf denen der Algorithmus trainiert wurde.
Nutzten GPT-1 und GPT-2 noch 117 Millionen bzw. 1,5 Milliarden Parameter zum Training und enthielten nur rudimentäre Fähigkeiten zur Textgenerierung, nutzen GPT-3 und GPT-4 stolze 175 Milliarden bzw. 1,5 Billionen Parameter. Dies ermöglicht es ihnen, medizinische und juristische Aufnahmeprüfungen zu bestehen und bei Verständnis- und Schreibaufgaben bessere Leistungen als Experten zu erbringen.
Die Parameter, die zum Trainieren der GPT-Modelle von OpenAI verwendet werden
Quelle: OpenAI
Der Erfolg von ChatGPT hat die Konkurrenten von OpenAI gezwungen, die Entwicklung ihrer eigenen LLMs zu beschleunigen. Google hat Bard und Gemini eingeführt, Facebook hat LLaMA entwickelt und Anthropic hat Claude auf den Markt gebracht. In den nächsten Jahren werden die grossen „ursprünglichen“ LLMs um die Vorherrschaft als primäre Plattform oder „Betriebssystem“ für KI wetteifern. Wir erleben schon jetzt, dass aus den grossen Modellen kleinere Modelle entstehen, was einen bedeutenden Trend in dieser Branche darstellt.
It’s been two months since we announced GPTs, and users have already created over 3 million custom versions of ChatGPT.
– OpenAI
