Warum Künstliche Intelligenz (KI) die Technologie des Jahres 2023 sein wird

Ein Blick in seine Vergangenheit, Gegenwart und Zukunft

Noch vor 10 Jahren war kaum eine Maschine in der Lage, Sprache oder Bilder zuverlässig zu erkennen. Heute haben die Maschinen gelernt, den Menschen bei vielen Aufgaben zu übertreffen. In den letzten Monaten haben wir Fortschritte bei den KI-Fähigkeiten gesehen, die selbst Skeptiker beeindruckt haben. Ein „goldenes Jahrzehnt“, wie es ein Forscher nannte. Im Jahr 2023 und darüber hinaus werden wir sehen, wie mehr solcher Systeme (insbesondere generative KI-Systeme wie ChatGPT) uns menschliche Schöpfer in vielen Bereichen ergänzen oder ersetzen.

Jedes Jahr gibt es eine neue technologische Errungenschaft: Blockchain, 3D-Druck, Web 3.0 und das Metaverse. Was ist also die Technologie des Jahres 2023?

Künstliche Intelligenz (KI).  Obwohl ich mich seit 10 Jahren intensiv mit dieser Technologie beschäftige, befinden wir uns inmitten eines bedeutenden Sprungs nach vorn bei der künstlichen Intelligenz. Gerade in den letzten Monaten haben wir Fortschritte bei den KI-Fähigkeiten gesehen, die selbst Skeptiker beeindruckt haben. Aber lassen Sie uns zunächst noch ein paar Schritte zurückgehen und die Entwicklung der KI im letzten Jahrzehnt betrachten.

2012-2014 – Die Anfänge der Bilderkennung, des Leseverstehens und des Sprachverständnisses

Einige Forscher sagen, dass das Jahr 2012 ein Meilenstein für das Deep Learning war. Es war das Jahr, in dem Google-Forscher ein großes neuronales Netzwerk aus 16.000 Prozessoren mit einer Milliarde Verbindungen aufgebaut haben, um Bilder und Videos von Katzen zu erkennen. Dies ist ein Beispiel für das verstärkende Lernen, das neben dem überwachten Lernen (engl. „supervised learning“) und der probabilistischen Programminduktion zu den KI-Frameworks gehörte, die im vergangenen Jahrzehnt sehr erfolgreich waren. Das Erkennen von Katzenbildern mag wie eine kleine Errungenschaft erscheinen. Zu dieser Zeit begannen Maschinen jedoch gerade erst, Deep Learning für die Bilderkennung zu nutzen. Im Jahr 2012 steckte die Bilderkennung noch in den Kinderschuhen, und bei Tests, in denen die KI mit der menschlichen Leistung verglichen wurde, stellte sich heraus, dass die Leistung der KI bei etwa -40 lag, also immer noch unter der menschlichen Leistung (hier an der Null-Basis-Linie). Neben der Bilderkennung schnitt die KI vor einem Jahrzehnt auch bei anderen Aufgaben wie dem Leseverständnis und dem Sprachverständnis noch schlechter ab als der Mensch. Obwohl 2013 NELL (Never-Ending Language Learning), ein semantisches maschinelles Lernsystem, erfunden wurde, konnte die KI immer noch nicht zuverlässig Aufgaben der Sprachverarbeitung erfüllen. Die Fähigkeit der KI, Sprache zu erkennen, verbesserte sich drastisch mit der Erfindung von Alexa im Jahr 2014. Davor ermöglichte Apples Siri den Nutzern, ihre Telefone per Sprache zu steuern. Dennoch war die Fähigkeit der KI, Sprache zu verstehen, immer noch schlechter als die Fähigkeit von Menschen. In den folgenden Jahren erreichte die KI beim Sprachverständnis ein Leistungsniveau, das besser war als das des Menschen. Dies ist auf die Verbesserungen bei der Spracherkennung, die Fortschritte bei der Sprachverarbeitung und die damit verbundenen Sprachmodelle in neuronalen Netzen sowie die Informationsorganisation zurückzuführen. Obwohl KI-Systeme immer noch Schwierigkeiten haben, lange und kohärente Texte zu verfassen, zeigen Chatbots wie „ChatGPT“ die immensen Fortschritte, die bis heute gemacht wurden.

2015 – 2017 KI begann, besser zu sein als der Mensch

2015 war das Jahr, in dem es jedem erlaubt war, aussagekräftige KI-Modelle zu erstellen. Nachdem das IBM-eigene System für künstliche Intelligenz „Watson“ 2011 berühmt wurde, weil es den Jeopardy!-Champion Ken Jennings besiegt hatte, kamen mehrere Open-Source-Plattformen für maschinelles Lernen auf den Markt (z. B. Googles Open-Source-Framework für Deep Learning TensorFlow). Dies ermöglichte es Unternehmen und Entwicklern, mit dieser Technologie auf neue Weise zu arbeiten. Außerdem wurden in diesem Jahr entscheidende Fortschritte bei der Gesichts- und Bilderkennung erzielt. Auflage der ImageNet Large Scale Visual Recognition Challenge (ImageNet ist eine standardisierte Sammlung von Millionen von Fotos, mit der Programme zur visuellen Identifizierung trainiert und getestet werden). Im Jahr 2016 sorgte das Deep Reinforcement Learning – eine Kombination aus neuronalen Netzen und Reinforcement Learning – in der KI-Gemeinschaft für großen Wirbel, als AlphaGo von Google den weltbesten Go-Spieler besiegte. Darüber hinaus wurde 2017 mit der Einführung des Transformer die Verwendung von Modellen für selbstüberwachtes Lernen in Verbindung mit tiefen neuronalen Netzen verstärkt. Heute sind diese Transformer-Modelle der Mainstream-Ansatz für die Verarbeitung natürlicher Sprache (NLP), einschließlich Anwendungen wie maschinelle Übersetzung und Google-Websuche.

2018 – 2019 Datensicherheit, Sprachverarbeitung und KI in der Medizin

Aufgrund des Cambridge Analytica-Skandals war 2018 das Jahr, in dem das Thema Datensicherheit seinen Höhepunkt erreichte. Im Einklang damit ergab eine McKinsey-Umfrage, dass 2018 das Risiko eine der Funktionen war, in der die meisten Befragten den Wert von KI sahen. Darüber hinaus hat die Sprachverarbeitung bei der Entwicklung von BERT im Jahr 2018 einen großen Sprung gemacht. BERT ist ein Beispiel für ein Sprachmodell eines neuronalen Netzwerks, das die Verwendung von Wörtern, Grammatik, Bedeutung und grundlegende Fakten in verschiedenen Kontexten lernt. Durch die gleichzeitige Verknüpfung von Wortfolgen, anstatt sie von links nach rechts aneinanderzureihen, können Modelle wie BERT Abstrakta generieren, die von menschlich erzeugten Texten kaum zu unterscheiden sind. Diese Sprachverarbeitungsmodelle sind für die Unterstützung von Anwendungen wie Chatbots von entscheidender Bedeutung und haben in den letzten zehn Jahren für immense Fortschritte gesorgt. Außerdem haben Forscher 2019 damit begonnen, ein KI-System zu entwickeln, das menschliche Radiologen bei der Erkennung von Lungenkrebs übertrifft. Dies wurde mit einem Deep-Learning-Algorithmus erreicht, der Computertomografiescans (CT) interpretieren kann, um die Wahrscheinlichkeit einer Erkrankung vorherzusagen.

2020 – 2021 Schnelle KI-Fortschritte aufgrund der Pandemie

Im Jahr 2020 wurde die KI-Entwicklung aufgrund der COVID-19-Pandemie vorangetrieben und beschleunigt. Künstliche Intelligenz war maßgeblich für die Beschleunigung der Impfstoffentwicklung verantwortlich, die normalerweise mehrere Jahrzehnte gedauert hätte. Stattdessen wurde dieser Prozess erheblich verkürzt, weil KI die Forscher bei der Analyse riesiger Datenmengen unterstützte. Das Wachstum der KI wird durch globale Unternehmensinvestitionen in Höhe von 68 Mrd. USD verdeutlicht, was einem Anstieg von 40 % zwischen 2019 und 2020 entspricht. Darüber hinaus war die Zahl der Patentanmeldungen im Zusammenhang mit KI-Innovationen allein im Jahr 2021 30 Mal höher als die Zahl der Anmeldungen im Jahr 2015, was die rasanten Fortschritte in der KI-Entwicklung zeigt. Im vergangenen Jahr konzentrierte sich die Forschungsgemeinschaft hauptsächlich auf die Anwendung von KI auf Computer. In diesem Teilbereich wird Maschinen beigebracht, Bilder und anderes visuelles Material so zu verstehen, dass sie bei der Klassifizierung von Bildern, der Erkennung von Objekten, der Zuordnung der Position und Bewegung menschlicher Körpergelenke und der Erkennung von Gesichtern gute Ergebnisse erzielen.

Heute ist die KI aus unserem Leben nicht mehr wegzudenken.

Künstliche Intelligenz (KI) hat in den letzten zehn Jahren eine rasante Entwicklung durchgemacht. Noch vor 10 Jahren war kaum eine Maschine in der Lage, Sprache oder Bilder zuverlässig zu erkennen. Heute haben die Maschinen gelernt, den Menschen bei vielen Aufgaben zu übertreffen. So können KI-Systeme beispielsweise betrügerische Abbuchungen erkennen, bevor Sie wissen, dass Sie die Karte verloren haben, oder die Voraussetzungen für die Gewährung eines Kredits prüfen. KI erkennt Muster und bewertet Optionen in unserem täglichen Leben. Welcher Instagram-Post mir gefällt und mich auf der Social-Media-Plattform hält, welcher Preis auf Amazon mich zum Kauf anregt und ob ich meine AirPods zu Hause lassen wollte. In den letzten Monaten ist vor allem die „generative KI“ explodiert – Systeme, die neue Möglichkeiten schaffen. Wir haben Fortschritte bei den KI-Fähigkeiten gesehen, die selbst Skeptiker beeindruckt haben.

Ein Feuerwerk der generativen künstlichen Intelligenz

Innerhalb weniger Monate wurden drei verschiedene bildgenerierende KIs veröffentlicht: Dall-E, Midjourney und Stable Diffusion. Sie geben einen Text ein, und das System erzeugt innerhalb weniger Sekunden ein Bild. Fragen Sie nach „einem Astronauten, der auf einem Pferd auf dem Mars reitet“, und die KI fängt an. Ein Bild von Midjourney war im Juni 2022 auf dem Titelblatt des Economist zu sehen, ein anderes gewann einen Preis auf der Colorado State Fair. Ein Zeichen für das, was im Jahr 2023 kommen wird.

Für mich sind die Entwicklungen im Bereich der textgenerierenden KI noch spannender. Das amerikanische Startup OpenAI hat mit seinem Chatbot „ChatGPT“ einen weltweiten Hype ausgelöst. Dieser Chatbot imitiert das neuronale Netzwerk eines menschlichen Gehirns. Der Bot kann menschenähnliche Gespräche führen und selbst auf komplexere technische Fragen und Dialoge überzeugende Antworten geben. Dies ist ein großer Meilenstein für KI-Systeme, denn die Sprachverarbeitung hat sich in der Vergangenheit als eine der schwierigsten Aufgaben für KI erwiesen.

Der zunehmende Einsatz von KI in Unternehmen

Der diesjährige Bericht „State of AI“ zeigt, dass auch in der Industrie immer schneller Fortschritte erzielt werden. Im Jahr 2020 befand sich kein einziges Medikament in der klinischen Erprobung, das mit einem KI-first-Ansatz entwickelt worden war. Heute sind es 18. Ein KI-System von BioNTech identifizierte erfolgreich zahlreiche hochriskante Covid-Varianten, Monate bevor sie vom WHO-Tracking-System entdeckt wurden.

Nach Angaben von McKinsey hat sich der Einsatz von KI seit 2017 mehr als verdoppelt. Roboterautomatisierung und Computer Vision sind die KI-Funktionen, die jedes Jahr am häufigsten eingesetzt werden. Darüber hinaus haben die Investitionen in KI zugenommen. Heute geben 52 % der Befragten an, dass 5 % ihres digitalen Budgets für KI-Investitionen verwendet werden. Im Jahr 2017 lag dieser Anteil der Befragten noch bei 40 %.

Der Einsatz von KI konzentriert sich jedoch nach wie vor auf die KI-High-Performer. Dies bedeutet, dass die Unternehmen, die in Bezug auf KI führend waren, auch heute noch ihren Wettbewerbsvorteil ausbauen. Diese KI-Führer engagieren sich stärker für die „Industrialisierung der KI“ und die Verknüpfung ihrer KI-Strategie mit ihren Kerngeschäftspraktiken. Der Grund, warum diese Unternehmen weiterhin besser abschneiden, sind mehr Investitionen und höhere Ausgaben im Vergleich zu KI-Nachzüglern, die dann mehr und leistungsfähigere (technische) Talente anziehen.

Was wird die KI in Zukunft bringen?

Im Jahr 2023 werden wir mehr solcher Systeme sehen, die uns menschliche Schöpfer in vielen Bereichen ergänzen oder ersetzen. Die Videogenerierung ist in der Entwicklung, ebenso wie die Erstellung von maßgeschneiderten Medien. („Siri, zeig mir einen 90-minütigen Film über eine CEO, die ihre Karriere aufgibt, um als Schauspielerin ihr Glück zu machen, ganz im Stil von Steven Spielberg.“)

Doch trotz der enormen Fortschritte und der Tatsache, dass immer mehr Unternehmen KI einsetzen, muss erst noch viel geforscht werden, bis wir völlig allgemeine KI-Systeme herstellen können. In den nächsten Jahren werden wir weitere Fortschritte bei selbstüberwachten Lernmodellen, kontinuierlichem Lernen und Aufgabengeneralisierung sehen. Zukünftige Anwendungen von Sprachmodellen mit neuronalen Netzen wie BERT könnten beispielsweise die menschliche Interaktion über verschiedene Sprachen und Kontexte hinweg ermöglichen. Wir werden wahrscheinlich qualitativ hochwertigere Daten für Sprachen erhalten, die von kleineren Populationen verwendet werden, und dass Verzerrungen in KI-Systemen leichter erkannt und beseitigt werden können. Daher ist auch zu erwarten, dass KI-Chatbots wie „ChatGPT“ immer menschenähnlicher werden und beispielsweise in Schulen und Universitäten immer häufiger eingesetzt werden.

In den kommenden Jahren werden wir einen erweiterten Einsatz von Gesichtserkennung für Zugangskontrollen und Sicherheitsmaßnahmen beobachten. China ist eines der prominentesten Beispiele, wo die Regierung die Gesichtserkennungstechnologie fast vollständig in ihre Gesellschaft integriert hat. Es bleibt jedoch abzuwarten, ob mehr Länder dem chinesischen Beispiel folgen werden, da diese Allgegenwart von KI in der Gesellschaft wahrscheinlich Datenschutz-, Überwachungs- und ethische Bedenken aufwerfen wird.

Sicherlich werden der Einsatz von und die Investitionen in Künstliche Intelligenz in den nächsten Jahren weiter zunehmen. Wie aus der McKinsey-Umfrage hervorgeht, geben 63 % der Befragten an, dass ihre KI-Investitionen in den nächsten Jahren steigen werden, was sich positiv auf die Einnahmen und die Kosten auswirken wird. Es wird erwartet, dass bis zum Jahr 2025 die weltweiten Umsätze mit Unternehmensanwendungen im Bereich der KI auf ein Niveau von 31 Milliarden USD ansteigen werden. Das Wachstum der KI muss jedoch transparent sein und kontrolliert werden, um den Datenschutz und ethische Bedenken zu berücksichtigen. Daher müssen Regierungen und Unternehmen heute KI-Gesetze schaffen, die die KI-Entwicklung in der Zukunft lenken werden.
*** Übersetzt mit www.DeepL.com/Translator (kostenlose Version) ***

 

Als Bereichsleiterin für „Data & Technology Transformation“ und Account Partnerin treibt Britta tagtäglich Unternehmenstransformationen und unterstützt mit ihrer gegründeten Plattform "dy.no" Macher*innen, die in der Konzern- und Wirtschaftswelt etwas verändern wollen. 2021 erschien zudem ihr Buch „Die Disruptions-DNA“, das dazu inspiriert, die Digitale Transformation aktiv mitzugestalten.

Die Kommentarfunktion ist geschlossen.