Künstliche Intelligenz: zwischen illusorischen Versprechungen und realen Dystopien

‍

Künstliche Intelligenz hat viele Phasen der Begeisterung und Enttäuschung durchlaufen. Heute befinden wir uns in einer Aufwärtsphase, dank der Entwicklung großer Sprachmodelle (LLM) auf der Grundlage der Transformer-Architektur. Diese Architektur ist besonders gut für GPUs geeignet und ermöglicht es, immense Datenmengen und Rechenleistung zu nutzen, um Modelle mit Milliarden von Parametern zu trainieren, was vor allem die Schaffung einer neuen Benutzeroberfläche für Computer zur Folge hat: die menschliche Sprache.

So wie die grafische Benutzeroberfläche in den 1980er Jahren Millionen von Nutzern den Zugang zum Personal Computer ermöglichte, haben neue natürlichsprachliche Schnittstellen im letzten Jahr Hunderten von Millionen Nutzern weltweit den Zugang zu KI ermöglicht.

‍

Der Mythos der echten Demokratisierung

‍

Trotz dieser scheinbaren Zugänglichkeit bleibt die von den SaaS-Lösungen versprochene "Demokratisierung" unvollkommen und partiell und schafft neue Formen der Ungleichheit.

‍

KI erfordert nach wie vor besondere Fähigkeiten:

- KI-Kenntnisse und Verständnis für die Grenzen von Systemen

- Fähigkeit, Ergebnisse kritisch zu bewerten

- Fähigkeiten zur Integration in Geschäftsprozesse

‍

Der AI-Effekt und das Grenzparadoxon

John McCarthy prägte den Begriff KI in den 1950er Jahren, beklagte sich aber selbst: "Sobald es funktioniert, nennt es niemand mehr KI". Dieses Phänomen, das als "KI-Effekt" bekannt ist, beeinflusst uns bis heute.

‍

Die Geschichte der künstlichen Intelligenz ist voll von Erfolgen, die, sobald sie hinreichend zuverlässig geworden sind, nicht mehr als "intelligent" genug angesehen werden, um den begehrten Beinamen zu verdienen.

‍

Beispiele für Technologien, die einst als hochmoderne KI galten und heute als selbstverständlich angesehen werden:

‍

- Maschinelles Sehen jetzt in jedem Smartphone integriert

- Spracherkennung, jetzt einfach "Diktieren

- Sprachübersetzung und StimmungsanalyseEmpfehlungssysteme (Netflix, Amazon) und Routenoptimierung (Google Maps)

Dies ist Teil eines umfassenderen Phänomens, das wir als das "Grenzparadoxon" bezeichnen können.

‍

Da wir dem Menschen die Grenze jenseits unserer technologischen Beherrschung zuschreiben, wird diese Grenze immer unbestimmt sein. Intelligenz ist nichts, was wir einfangen können, sondern ein sich ständig nähernder Horizont, den wir in nützliche Werkzeuge verwandeln.

‍

‍

KI und Informationsflut

‍

Die Verbreitung der generativen KI hat die Kosten für die Erstellung und Übermittlung von Informationen drastisch gesenkt, was paradoxe Auswirkungen auf die Ziele der Bürgerbeteiligung hat.

‍

Die Krise der synthetischen Inhalte

Die Kombination aus generativer KI und sozialen Medien hat etwas geschaffen:

- Kognitive Überlastung und Verstärkung bereits bestehender Vorurteile

- Stärkere soziale Polarisierung

- Leichte Manipulation der öffentlichen Meinung

- Verbreitung von gefälschten Inhalten

‍

Das Problem der "Black Box

‍

Vereinfachte Schnittstellen verschleiern die Funktionsweise der KI:Unzureichendes Verständnis der automatisierten EntscheidungsprozesseSchwierigkeiten bei der Erkennung algorithmischer Verzerrungen

‍

Begrenzte Anpassung der zugrundeliegenden ModelleDie Bedeutung von menschengeführter automatisierter IntelligenzAI kann uns nur 90 % des Weges dorthin bringen.

‍

Maschinen sind hervorragend in der Lage, große Datenmengen zu analysieren, haben aber Probleme mit Grenzfällen. Algorithmen können so trainiert werden, dass sie mehr Ausnahmen bewältigen können, aber ab einem bestimmten Punkt überwiegen die erforderlichen Ressourcen den Nutzen. Menschen sind präzise Denker, die Prinzipien auf Grenzfälle anwenden, während Maschinen Näherungswerte verwenden und Entscheidungen auf der Grundlage früherer Erfahrungen treffen.

‍

Vom Hype zur Ernüchterung: der KI-Zyklus

Wie von Gartner in den Technologie-Hype-Zyklen beschrieben, folgt auf große Begeisterung immer eine Enttäuschung - das "Tal der Enttäuschung".

‍

Alan Kay, Informatikpionier und Turing-Preisträger, sagte: "Technologie ist nur für diejenigen Technologie, die geboren wurden, bevor sie erfunden wurde". Fachleute für maschinelles Lernen sind Wissenschaftler und Ingenieure, doch ihre Bemühungen erscheinen immer wie Magie - bis sie es eines Tages nicht mehr sind.

‍

Homogenisierung und Verlust von WettbewerbsvorteilenDie weit verbreitete Übernahme derselben vorgefertigten SaaS-Lösungen führt zu:Konvergenz zu ähnlichen GeschäftsprozessenDifferenzierungsschwierigkeiten durch KIInnovation durch Plattformkapazitäten begrenztDatenpersistenz und ihre Risiken

‍

Mit dem Zugang zu generativen KI-Plattformen: Daten bleiben in digitalen Infrastrukturen über einen längeren Zeitraum erhalten Datenpunkte können in verschiedenen Kontexten wiederverwendet werden

Ein gefährlicher Kreislauf entsteht, wenn künftige KI-Generationen auf synthetische Inhalte trainiert werden.

‍

Die neue digitale Kluft

‍

Der KI-Markt unterteilt sich in:

- Commodity AI: Standardisierte Lösungen für viele verfügbar

- Fortgeschrittene proprietäre KI: hochmoderne Fähigkeiten, die von einigen wenigen großen Unternehmen entwickelt werden

‍

Die Notwendigkeit eines präziseren Vokabulars

Ein Teil des Problems liegt in der Definition des Begriffs "Künstliche Intelligenz" selbst.

‍

Wenn wir den Begriff rekursiv aufschlüsseln, stellen wir fest, dass sich jeder Zweig der Definition auf "Menschen" oder "Menschen" bezieht. Definitionsgemäß denken wir bei KI also an die Nachahmung des Menschen, aber sobald eine Fähigkeit endgültig in den Bereich der Maschinen übergeht, verlieren wir den menschlichen Bezugspunkt und betrachten sie nicht mehr als KI.

‍

Es ist sinnvoller, sich auf spezifische Technologien zu konzentrieren, die eingesetzt werden können, z. B. Transformatoren für Sprachmodelle oder Diffusion für die Bilderzeugung. Dadurch wird unsere Fähigkeit, ein Unternehmen zu bewerten, viel deutlicher, greifbarer und realer.

‍

Schlussfolgerung: Von der Grenze zur Technologie

‍

Das Paradoxon der Grenzen bedeutet, dass die KI so schnell voranschreitet, dass sie bald nur noch eine Technologie sein wird und eine neue Grenze zur KI wird. Der Übergang zur "Technologie" sollte als Anerkennung für eine Idee gesehen werden, die zuvor an der Grenze des Möglichen stand. Dieser Artikel wurde zum Teil durch die Überlegungen von Sequoia Capital zum KI-Paradoxon inspiriert.

Für weitere Informationen: https://www.sequoiacap.com/article/ai-paradox-perspective/

‍

Das eigentliche Versprechen der barrierefreien KI besteht nicht einfach darin, die Technologie verfügbar zu machen, sondern ein Ökosystem zu schaffen, in dem Innovation, Kontrolle und Nutzen wirklich verteilt sind.

Wir müssen das Spannungsverhältnis zwischen dem Zugang zu Informationen und der Gefahr der Überlastung und Manipulation erkennen.

‍

Nur wenn wir ein starkes menschliches Element in der künstlichen Intelligenz beibehalten und eine präzisere Sprache verwenden, können wir ihr Potenzial als Kraft für eine wirklich verteilte Integration und Innovation nutzen.