Künstliche Intelligenz: Darum ist die KI Revolution die größte Revolution der Menschheitsgeschichte

Kategorien: Künstliche Intelligenz

Viele meinen, ChatGPT sei nur eine weitere Verbesserung von KI-Systemen. Das ist grundlegend falsch. Vielmehr fanden kürzlich eine ganze Reihe von Sensationen statt, die den meisten unbekannt zu sein scheinen. Ich selbst bin beispielsweise in der Lage, mehrere hochleistungsfähige KI-Systeme in kurzer Zeit zu errichten und auf meiner eigenen Hardware, ohne Notwendigkeit einer Internetverbindung, ablaufen zu lassen.

In Kürze

Der Beitrag beantwortet folgende Fragen:

Frage: Was ist die KI Revolution und in welchem Stadium befindet sie sich?
Antwort: Die KI Revolution bezieht sich auf die rasante Entwicklung und Verbesserung von künstlicher Intelligenz, die tiefgreifende Auswirkungen auf die Menschheitsgeschichte hat. Sie ist bereits für das sogenannte World Scope 3 von 5 vollzogen, wobei die Stufen 4 (Materialisierung der KI) und 5 (Sozialisierung) noch unerreicht sind.

Frage: Wie wirkt sich die KI Revolution auf die Gesellschaft aus ?
Antwort: Die KI Revolution könnte beispielsweise dazu führen, dass Aktienkurse so gut vorhersagbar werden, dass der Aktienmarkt in seiner jetzigen Form aufhören wird zu existieren.

Frage: Was sind einige Beispiele für KI-Anwendungen, die der Autor selbst entwickelt hat?
Antwort: Der Autor hat ein KI-Programm zur Audio-Transkription von Podcasts und ein System zur Berechnung der Ähnlichkeit von Bildern und Texten entwickelt.

Frage: Welche Vorteile bieten lokale KI-Systeme im Vergleich zu Cloud-basierten Systemen?
Antwort: Lokale KI-Systeme ermöglichen eine bessere Kontrolle und Anpassung, reduzieren rechtliche Unsicherheiten und Datenschutzprobleme und verursachen keine Kosten bei Dritten.

Frage: Wie hat sich die Geschwindigkeit der KI-Entwicklung verändert?
Antwort: Die Geschwindigkeit der KI-Entwicklung hat sich lawinenartig beschleunigt, mit täglichen Neuigkeiten aus der Forschung und einer offenen Kultur des Austauschs von Erkenntnissen und Quellcode.

Wichtige Schlagworte:

Künstliche Intelligenz, Rechenleistung, Speichergrößen, KI-Revolution, Modellgrößen, Verfügbarkeit der Mittel.

Einleitung

Die KI Revolution hat weder noch nicht begonnen, noch hat sie begonnen. Sie ist bereits fertig vollzogen, und zwar für das sogenannte World Scope 3 von 5. Der Turing Test wurde erstmal (meiner Meinung nach) kürzlich erledigt, und zwar von OpenAI's ChatGPT oder auch vergleichbaren intelligenten Systemen (wie LLaMA von Meta).

Der World Scope 1 bezeichnet große Datenbanken mit Text- oder Bildersammlungen, Scope 2 bezieht sich auf die Massendaten aus dem Internet. Scope 3 meint multi-modale Modelle (weiter unten mehr dazu). Noch unerreicht sind die nächsten beiden Stufen: Scope 4 ist die Materialisierung der KI (Roboter etc.) und Scope 5 die Sozialisierung. Bis das kommt, werden wohl noch 10 oder mehr Jahre vergehen, würde ich mal demutsvoll annehmen. Sie werden es jedenfalls erleben, sofern sie noch nicht im Rentenalter sind und durchschnittlich lange leben werden.

Viele haben noch nicht mitbekommen, dass der Umbruch der gesellschaftlichen Entwicklungen aufgrund der enormen neuen Fähigkeiten künstlicher Intelligenz unmittelbar bevorsteht. Das ist keine Annahme, sondern meine Gewissheit. Glauben Sie es oder nicht, es wird so kommen. Und zwar wahrscheinlich noch in diesem Jahr (2023).

Ein erster Ausblick: Aktienkurse werden sehr leicht so gut vorhersagbar sein, dass jeder mit ein bisschen Spielgeld auf dem Konto nahezu gefahrlos zocken kann, um sein Geld zu vermehren. Das wird (so meine naive Annahme) dazu führen, dass der Aktienmarkt in seiner jetzigen Form aufhören wird zu existieren. Hier etwa gibt es historische Aktienkurse als CSV-Datei. Nachrichtenarchive gibt es auf diversen Plattformen. Huch, da haben wir ja schon die für ein Grundmodell benötigten Daten … Vielleicht noch die Wetterberichte und Umweltereignisse mit hinzunehmen? Was könnten wir denn noch brauchen?

Was ich über den Aktienmarkt schreibe, kann ich nun selber programmieren: Ein Vorhersageprogramm für Aktienkurse, welches in noch nie dagewesener Qualität arbeitet, und zwar auf meinen eigenen alten Personal Computer, den ich vor ca. 3 Jahren für ein mäßiges Budget gekauft habe. Ein bisschen Mühe muss man sich für so ein Programm schon geben. Aber jedenfalls weiß ich, wie es geht, was die Schritte sind und welche Probleme zu lösen sind. Die Probleme, die lösbar erscheinen, beruhen auf qualitativ hochwertigen Massendaten. Man müsste also eine Menge an historischen Aktienkursen haben sowie die Wirtschaftsnachrichten der Vergangenheit.

Reales Beispiel: Audio Transkription mit KI

Hier eine reale Kostprobe dessen, was ich mit wenigen Mitteln gerade programmiert habe: Stephan Plesnik und ich haben kürzlich Folge #24 des Datenschutz Deluxe Podcasts aufgenommen. Es geht um ChatGPT und Künstliche Intelligenz sowie die Gefahren auch bezüglich des Datenschutzes.

Ich habe ein KI-Programm mit Quellcode geschrieben und laufen lassen. Als Eingabe habe ich die MP3-Datei unserer Folge 24 des Podcasts definiert. Das Programm verwendet ein KI-Modell, welches für Audiotranskription optimiert wurde. Bei der Transkription wird versucht, die Sprachausgabe in Text umzuwandeln. Viele nutzen das, um Untertitel für Videos mit weniger Aufwand als rein manuell zu versehen.

Hier die Audio-Wiedergabe, für die mein KI-Programm den Text extrahiert hat, der gesprochen wurde:

Hier die unbearbeitete Originalausgabe meines KI-Programms für die Podcast-Folge (nur „Stephan“ statt „Stefan“ habe ich bearbeitet):

[00:00.000 - 00:12.000]  Datenschutz Deluxe, der Podcast rund um das Thema Datenschutz und IT mit Dr. Klaus Meffert und Stephan Plesnik.
[00:12.000 - 00:22.000]  Ja, hallo und herzlich willkommen zum Datenschutz Deluxe Podcast. Ich bin Stephan Plesnik und bei mir ist wie immer Dr. Klaus Meffert. Ich grüße dich Klaus, wie geht es dir?
[00:22.000 - 00:27.000]  Hallo Stephan, wie immer alles gut. Ich hoffe bei dir auch und ich freue mich auf unser Gespräch.
[00:27.000 - 00:37.000]  Ja wunderbar, bei mir ist auch alles tutti und ich habe das ganz bewusst so formuliert. Ich starte mal mit einem Zitat und dann wird sich das für viele Leute erklären, worüber wir heute sprechen.
[00:37.000 - 00:51.000]  Und zwar heißt das Zitat, Intelligenz ist die Fähigkeit seine Umgebung zu akzeptieren. Ich finde das einen sehr schönen Spruch, denn wir wollen heute mal über ein Thema sprechen.
[00:51.000 - 01:03.000]  Über das ist eigentlich komisch, dass wir schon so lange nicht darüber gesprochen haben, nämlich ChatGPT und die Implikation, die das rechtlich und vor allen Dingen auch für die Privatsphäre mit sich bringt.
[01:03.000 - 01:15.000]  Und die Fähigkeit seine Umgebung zu akzeptieren würde ja auch bedeuten, dass wir im Endeffekt unsere Intelligenz nutzen müssen, um zu akzeptieren, dass das existiert.
[01:15.000 - 01:34.000]  Was ist denn deine generelle Meinung eigentlich zum Thema ChatGPT und diesen ganzen Vorstößen, wie wir es jetzt zum Beispiel ja schon aus Italien hatten, dass das verboten wird aufgrund rechtswidriger Verarbeitung persönlicher Daten. Wie schätzt du das ein?
[01:34.000 - 01:46.000]  Ja, also vielleicht zum Zitat zunächst. Das kann auch nur ein Mensch gesagt haben, der ausschließlich über menschliche Intelligenz redet, würde ich jetzt mal sagen, weil ein Computersystem ja dem ist die Umgebung recht egal.
[01:46.000 - 02:00.000]  Und ich behaupte, also es gibt einen Test, mit dem man feststellen kann, ob ein Computersystem menschliche Intelligenz aufweist, also zumindest die gleichen Fähigkeiten haben kann, wie menschliche Intelligenz.
...

Der Text ist so gut wie fehlerfrei, obwohl wir beim Sprechen ganz anders formulieren, als im geschriebenen Text. Außerdem sind im Podcast drei Sprecher zu hören, nämlich Stephan Plesnik, ich und die Intro-Stimme. Beim Intro liegt sogar noch Musik hinter der Sprache. Dennoch konnte mein Programm die Übersetzung von Sprache in Text bewerkstelligen. Mit einer einfachen Nachbearbeitung durch ein statisches Programm kann man den Text automatisiert weiter glätten und mehr in Richtung grammatikalisch korrektem Text bringen.

Die Zeitindizes in der oben genannten Programmausgabe hat das Programm ebenfalls generiert. Eine Unterscheidung der Sprecher ist auch (leicht) möglich. Ich habe sie nur noch nicht eingebaut.

Aus einem statischen Bild und dem automatisiert erzeugten Transkript zum Podcast wurde ein Video erzeugt und kaum nachbearbeitet.

Dabei sind einige anspruchsvolle Aufgaben gelöst worden, unter anderem:

• "Äh" und einige andere Füllworte rausgefiltert.
• Wortwiederholungen erkannt und rausgefiltert.
• Exotische und auch englische Begriffe richtig verstanden.
• Gleichzeitiges Sprechen mehrerer Sprecher ist für die KI kein Problem.
• Mehrere Sprecher.
• Auch weniger „einfache“ Worte und Redewendungen werden erkannt, etwa „alles tutti“.
• Musik weggefiltert etc.

Mein Budget: 0 Euro, Zeitaufwand: Mickrig (genug Zeit übrig, um für Ihr Problem eine KI zu programmieren).

Sind Sie jetzt überzeugt, dass KI ein Niveau erreicht hat, welches noch nie dagewesen ist? Nicht nur das: Die heutigen KI-Systeme verfügen über weitere sehr nennenswerte Qualitäten, die das ganze so brisant und auch interessant machen.

Die KI Revolution ist beendet

Natürlich wird es weitere Entwicklungen geben. Aber ein ganz erheblicher, extremer Meilenstein wurde vor sehr kurzer Zeit positiv erledigt.

Die KI-Revolution auf Ebene des Turing-Tests ist beendet.
Wer meint, dass heutige Künstliche Intelligenz nicht ausgesprochen revolutionär ist, hat die Entwicklung noch nicht verstanden und kennt den Stand der Dinge nicht im Entferntesten.

Weitere Revolutionen werden folgen.

Kürzlich gab es im ZDF eine Talkshow (müsste Maybritt Illner gewesen sein). In dieser stritt Ranga Yogeshwar mit Saskia Esken. Ich will hier keine Meinung über Politiker äußern, sondern nur bezüglich der Äußerungen von Frau Esken hinsichtlich der Künstlichen Intelligenz.

Frau Esken ist Informatikerin, so wie ich (wenn jetzt diese Gendersprache nicht wäre, wäre der Satz nicht missverständlich und könnte somit nicht suggerieren, ich hätte mich einer Geschlechtsumwandlung unterzogen). Im Gegensatz zu Herrn Yogeshwar sah Frau Esken die Revolution nicht, sondern verwies auf frühere (recht kürzliche) Erfolge Künstlicher Intelligenz. Damit verkennt sie einige wesentliche Qualitäten jetziger Ansätze wie GPT („heutiger“ statt „jetziger“ würde der Lichtgeschwindigkeit der Entwicklungen nicht gerecht werden).

Stand der Technik

Fangen wir mit etwas Offensichtlichem an, was zunächst nichts mit KI zu tun hat. Wie jeder weiß und sicher unbestritten hinnimmt (außer er oder sie ist Jurist und befindet sich in einer Auseinandersetzung …), weisen moderne Computersysteme vor allem zwei Merkmale auf:

• Sehr hohe Rechenleistung (inkl. großem und schnellem Festspeicherplatz und Hauptspeicher).
• Sehr niedriger Preis: Mein erster Drucker kostete im Jahr 1988 mehr als 1200 DM und war ein 9-Nadeldrucker. Analog verhielt es sich mit sehr langsamen Home Computern, deren genauen Preis ich nicht mehr erinnere. Mein Modell hatte damals 4,77 MHz und 2 x 64 Kilobyte Hauptspeicher sowie ein Diskettenlaufwerk. Natürlich hatte das gute Stück nur eine CPU mit einem CPU-Kern. Was ein CPU-Kern ist, wusste man damals noch gar nicht.

Die Entwicklung der PCs ist an einem Punkt, der es jedem ermöglicht, mit wenig Geld einen Supercomputer unter dem Schreibtisch stehen zu haben. Oder kennen Sie eine günstige Hardware, welche vor 8 Jahren eine Audio-Datei in sehr hoher Qualität transkribieren konnte?

Zusätzlich sind Netzwerkanbindungen immer schneller geworden, sowohl im Internet als auch im Intranet. Nur Vodafone scheint von diesem Trend noch nichts mitbekommen zu haben, wie jeder Kabelkunde von Vodafone bestätigen wird, der über diese Leitung eine Videokonferenz abhalten will.

Die Hauptspeichergrößen explodieren, was für KI Anwendungen ausgesprochen wichtig ist. Mit 32 GB kommt man immerhin halbwegs weit, wenn es um das Trainieren neuer Modelle geht.

Festplattenspeicher sind ebenfalls extrem groß und zugleich günstig geworden. Die Grundlage von KI Anwendungen sind Massendaten. Daher ist dieser Punkt eminent wichtig. Meine alte 2 TB Festplatte ist jedenfalls groß genug, um einige größere Datensätze für KI-Anwendungen gleichzeitig aufzubewahren. Die nächste Platte wird dann aber mindestens 4 TB groß sein, um nicht gleich wieder Platzprobleme zu haben.

Grafikkarten, die ursprünglich (vermute ich) für rechenintensive und bildgewaltige Computerspiele optimiert wurden, bringen „zufällig“ die Art von Chips mit, die KI Berechnungen besonders schnell ausführen können. Gemeint sind GPUs. Mittelmäßige Gamer-Grafikkarten von Nvidia haben 5888 CUDA-Kerne (CUDA = Compute Unified Device Architecture). CUDA-Kerne funktionieren genauso wie CPU-Kerne. Allerdings haben Sie wahrscheinlich schon mitbekommen, dass in CPUs nur ganz wenige Kerne vorhanden sind (12 besipielsweise in schon sehr guten Intel-Chips). Jetzt vergleichen Sie doch mal die Zahl 12 mit der Zahl 5888 und überlegen sich, wie viel schneller eine Berechnung dann wohl ablaufen könnte!

Grafikkarten-Prozessoren, CPU-Geschwindigkeiten, Hauptspeichergrößen, Festplattenplatz, Cloud Computing: Höchste Leistung zu niedrigstem Preis, das ist der Nährboden für die KI Revolution.

Hier ein Beispiel, wie leicht Grafikkarten-Prozessoren (GPUs) statt Computerprozessoren (CPUs) in KI-Anwendungen genutzt werden können:

device = 'cuda' if torch.cuda.is_available() else 'cpu'

Die Anweisung macht folgendes: Ist eine KI-fähige Grafikkarte vorhanden, werden deren zigtausend Prozessorkerne für die Berechnung verwendet. Ansonsten werden die kümmerlichen 8 oder 12 CPU-Kerne verwendet und Sie müssen ein wenig länger warten. Das Ergebnis wird im besseren Fall in Lichtgeschwindigkeit und im schlechteren Fall in Schallgeschwindigkeit vorliegen (der Vergleich ist nicht wissenschaftlich belastbar, sondern soll zeigen, wie weit wir heute sind).

Weiterhin sind Cloud Anwendungen in sehr hoher Qualität (Leistung, Komfort) zu einem sehr geringen Preis verfügbar. Cloud Anwendungen bedeutet in erster Linie Cloud Computing. Cloud Speicher sind weniger damit gemeint, wenngleich Online Speicher im KI-Bereich oft durchaus ihre Berechtigung haben.

Soviel zur Technologie, von der jede Art von Anwendung profitieren kann. Die KI Revolution war aber erst wegen dieser Parameter möglich. Zu wenig CPU und GPU Power macht jedes mathematische Modell zunichte, was extreme Ressourcen benötigt. Wer wartet schon gerne heute zwei Tage auf die Wettervorhersage von morgen, um sie erst übermorgen verkünden zu können? Dann doch lieber die Zeugen Jehovas, die effektiver verkünden (kleiner Schwank hin zum Datenschutz, denn ein EuGH-Urteil besagt, dass die Zeugen Jehovas als Verkündiger und die Glaubensgemeinschaft gemeinsame Verantwortliche für die Verkündigungstat sind).

Art des Algorithmus

Die jetzige KI bildet nach meiner Ansicht die Funktionsweise den menschlichen Gehirns sehr schön nach. Das Gehirn bekommt eine Reihe von Stimuli, nämlich über

• Augen
• Ohren
• Nase
• Körperkontakt, Haarbewegungen…

Diese Stimuli werden zu analogen Signalen umgeformt. Diese Signale werden im neuronalen Netz im Gehirn zwischen den Neuronen verarbeitet. Dazu werden Synapsen als Neuronenverbindungen verwendet. Die Synapsen sind unterschiedlich stark mit Neuronen verdrahtet. Das System lernt durch Erziehung der Eltern sowie Rückmeldungen von der Umwelt. Anhand dessen finden Denkprozesse statt, denen oft Aktionen folgen (Sprachausgabe, Textausgabe, Bewegung) Das war's eigentlich schon, oder?

Analog funktioniert ein KNN (künstliches neuronales Netzwerk) bzw. die jetzige KI-Technologie:

• Stimuli kommen über Eingabedaten herein: Texte, Bilder, Audiodateien, Video-Dateien
• Transformer kodieren diese Signale in diskrete Zahlenreihen
• Diese Daten werden in einem künstlichen neuronalen Netz verarbeitet
• Das neuronale Netz generiert eine Ausgabe in Form von Text, Sprache, Bild oder Video

Die Analogie ist gravierend. Dass KI-Systeme nicht wüssten, was ihre Ergebnisse bedeuten, lasse ich als Argument nicht gelten. Wer kann zeigen, dass der Mensch weiß, was die Ergebnisse bedeuten, die der Mensch produziert? Wenn ein Mensch einen Begriff erklären soll, verweist er andauernd auf andere Begriffe, bis schließlich der 100. Begriff wieder durch den 1. Begriff erklärt wird. Wenn ein reales Objekt begriffen werden soll, kann man auf das Objekt zeigen. Das kriegt der Computer demnächst auch hin. Wenn es sich um ein abstraktes Objekt handelt, kann der Computer ähnlich viel wie der Mensch.

Größe der Modelle

Ein Modell ist quasi die Verdrahtung der Neuronen im Gehirn der KI. Laden Sie ein Modell herunter, dann laden Sie ein (oft spezialisiertes) Gehirn herunter.

Je mehr Verdrahtungen ein künstliches Gehirn hat, desto größer die Chance, dass es höhere Fähigkeiten hat. Das zumindest könnte man naiv aus der Entwicklung der Modellgrößen von GPT ableiten.

ChatGPT-2 hatte noch 1,5 Milliarden Parameter im Modell. Ein Parameter bezieht sich (vereinfacht gesagt) auf die Konfiguration eines Neurons, denn GPT basiert auch auf einem neuronalen Netz. Die GPT-Version 3 hatte bereits 175 Milliarden Parameter und war ca. 350 GB groß. Die Speicherplatzgröße ist beeindruckend, aber kann von jedem Billig-Notebook verkraftet werden. Allerdings geht es auch um die Handhabung des Modells, über das ja hochkomplexe Berechnungen angestellt werden müssen. Es reicht nicht, das Gehirn mit sich herumzutragen.

Sie werden mir zustimmen, dass viele Neuronen besser sind als wenige. Jedenfalls stimmt das tendentiell. Nicht zufällig hat der Mensch unter allen Lebewesen (laut Wikipedia) am meisten Neuronen. Nur der Elefant mit 250 Milliarden Neuronen hat mehr. Hier eine Auswahl:

Lebewesen	Anzahl Neuronen
Mensch	86 Milliarden
Gorilla	33 Milliarden
Rhesusaffe	6 Milliarden
Katze	250 Millionen
Kaninchen	71 Millionen

Wenn man genauer hinsieht, ergibt sich der Intellekt wohl auch aus dem Verhältnis von Größe des Gehirns zur Größe des Lebewesens. So jedenfalls könnte man naiv erklären, warum eine Katze weniger als 1/3 Neuronen hat als ein Schäferhund, aber nach meiner Erfahrung mit diesen Tieren deutlich intelligenter ist als der Hund. Sicher hat auch die Art und Anzahl der Verdrahtungen etwas mit der Leistungsfähigkeit eines Gehirns zu tun. Ebenfalls ist die Qualität, Art und Anzahl der Eingabesignale (Augen, Ohren, Nase, Tastsinn, Haarbewegungen, Haptik …) relevant.

Dass die Modellgröße zumindest bei KI-Modellen eine Erhöhung der Leistungsfähigkeit der KI bedingt, wird als Power-Law bezeichnet und kann als gegeben angesehen werden.

Fassen wir das Wesentliche zusammen: Der Mensch hat 86 Milliarden Neuronen, GPT-3 hat doppelt so viele Neuronenverbindungen (und 96 Neuronenschichten) und somit mindestens eine Größenordnungen Neuronen weniger als unser Gehirn. Lassen wir es mal wertungsfrei im Raum stehen. Klar ist jedenfalls, dass diese enorme Anzahl jedenfalls nicht so gering ist, dass sie Intelligenz verhindern würde. Offenbar hatte das menschliche Gehirn mehr Zeit als künstlichen Gehirne, sich zu entwickeln. Insofern alleine schon wundert es wenig, dass mehr Neuronen in der Elektronik weniger Ergebnis bringen als in der Natur. Ganz zu schweigen von den Modalitäten.

Das Wort Modalitäten habe ich bewusst gewählt. Denn im Zuge der KI Revolution müssen wir auch über multimodale Systeme sprechen. Multimodal heißt, dass die Art der Eingabedaten vielgestaltig ist. Bisher kümmerten sich KI-Systeme überwiegend nur um Textverarbeitung, als Beispiel. Jetzt können – wie viele von Ihnen sicher wissen – Text und Bild kombiniert werden. Siehe Dall-E, Midjourney und andere Verfahren, die aus einem Textprompt ein künstliches Bild in nie dagewesener Qualität erzeugen können.

Verfügbarkeit der Mittel

Ich habe mir vorhin ein System installiert und programmiert, mit dem ich für Bilder und Texte deren Ähnlichkeit zueinander berechnen kann. Damit kann ich dann herausfinden, auf welchen Bilder eine Maus abgebildet ist und auf welchen eine Maus zu sehen ist, die von einer Kate gejagt wird. Weiterhin kann ich dann Bilder erzeugen, die eine Texteingabe verbildlichen.

Sicher kennen Sie diese Story: Sie erzählen jemandem, was Sie Tolles geleistet haben. Dann sagt der andere, er kenne auch jemanden, der das (oder sogar etwas Besseres) vollbracht hat. Hiermit möchte ich sagen: Das eben genannte kann ich selbst auf meinem Computer realisieren und brauche dafür niemand anderen zu fragen oder zu bezahlen. Auch eine Internetverbindung brauche ich nach Erstellung des Programms nicht. Soviel zu einem Teil der KI-Revolution!

Weiter oben habe ich ein Beispiel für ein KI-Programm gegeben, dass ich selbst auf meinem Computer erstellt habe. Zum Ausführen brauche ich keine Internetverbindung, keinen Dienst von Google oder anderen und keinen Berater (ausnahmsweise auch keinen Steuerberater). Dieses Programm kann in höchster Qualität Transkripte meines Podcasts (oder anderer deutschsprachiger Podcasts) erstellen.

Mit der neuen KI-Technologie kann ich beste KI-Systeme in Windeseile programmieren und auf einer lächerlich billigen Hardware ablaufen lassen.

"Beste KI-Systeme" ist einerseits absolut gemeint, andererseits relativ bezogen auf die Fähigkeiten früherer KI-Systeme, die komplett unvergleichbar mit jetzigen Möglichkeiten sind.

Offenbar ist es für mich nun leicht möglich, solche Systeme zu bauen, zu programmieren, zu verbessern und zu nutzen. Hätten Sie mich vor 3 Monaten gefragt, hätte ich das für unmöglich gehalten.

Das ganze findet wohlgemerkt auf einer sehr erbärmlichen Hardware statt, denn mein PC ist einige Jahre alt und war damals schon recht günstig.

Bitte beachten Sie, dass die Sprache Deutsch im internationalen Geschehen und in der Forschung dem Englischen stark untergeordnet ist. Dennoch konnte ich offensichtlich und somit erwiesenermaßen eine deutschsprachige Audiodatei automatisiert in einen Text übersetzen lassen.

Ebenfalls konnte ich kürzlich eine Frage-Antwort-Maschine bauen. Sie ist nicht so leistungsfähig wie GPT-2 oder neuere Versionen. Das liegt aber „nur“ daran, dass ich ein kleines Ausgangsmodell verwendet habe. Meine Hardware kann einfach nicht mehr handhaben. Morgen baue ich einen (lokal auf meinem Rechner lauffähigen) Übersetzer, der aus einem deutschen einen englischen Text macht. Raten Sie mal, wie lange ich für die erste (sehr gute) Version brauchen werde? Meine Annahme: Wenige Stunden.

ich fasse mal zusammen: Mir ist es in kürzester Zeit gelungen, bestimmte Arten von KI-Systemen intellektuell so weit zu erfassen, dass ich sie nutzen, programmieren und auf Low-Cost Hardware laufen lassen kann, um Ergebnisse in (jedenfalls für mich) nie dagewesener Qualität zu erzeugen. Wir reden hier davon, dass ich in der Lage bin, dieser Top-Ergebnisse ohne nennenswerte Voraussetzungen zu erreichen, die zuvor – wenn überhaupt – nur von milliardenschweren Unternehmen und deren Mietdiensten vollbracht werden konnten.

Lokale Systeme, Datenschutz

Nur am Rande erwähne ich nochmal, dass Höchstleistungssysteme auf Basis aktueller KI-Algorithmen und -Modelle lokal auf eigener Hardware laufen können.

Das hat mehrere positive Konsequenzen.

Erstens entstehen keinerlei Kosten bei Dritten. Wer Cloud Dienste kennt, weiß, dass das Pay Per Use-Modell auch seine Gefahren mit sich bringt. Ein aus Versehen sich selbst unendlich oft aufrufendes Programm verursacht schnell mal ungewollt Kosten in Höhe mehrerer tausend Euro in wenigen Tagen.

Zweitens kann man lokale Systeme selbst kontrollieren und anpassen. Lokal heißt auch oft Open Source. Somit ist die Kontrolle so groß, wie man sie sich bis vor kurzem nur erträumen konnte.

Drittens ist guter Datenschutz bei lokalen Systemen möglich und die rechtlichen Unsicherheiten bis auf null reduzierbar. Sicher haben viele von Ihnen schon was davon gehört, dass der Transfer personenbezogener Daten in Geheimdienststaaten wie die USA ohne Nutzereinwilligung nicht erlaubt und selbst mit Einwilligung rechtlich kaum beherrschbar ist.

Geschwindigkeit der Entwicklung und Hochverfügbarkeit

Täglich gibt es Neuigkeiten aus der Forschung. Was früher reine Theorie bedeutete, hat jetzt einen harten Praxisbezug.

Neue Algorithmen, neue Frameworks, neue Modelle. All das gibt es fast jeden Tag neu.

Entwicklungen auf dem Markt, die früher Jahre dauerte, geht jetzt in Wochen oder wenigen Monaten vonstatten. Die jetzige Geschwindigkeit möchte ich mit Lichtgeschwindigkeit bezeichnen. Sie wurden mir zustimmen, dass genau diese Geschwindigkeit der richtige Begriff dafür ist, ein Programm in kürzester Zeit schreiben zu können, welches zuvor Jahre gedauert hat und auch nur dann möglich war, wenn Sie viel Personal und Geld hatten.

Die Entwicklung geht lawinenartig voran. Das liegt auch an der offenen Kultur der KI-Szene. Erkenntnisse werden ausgetauscht, auch Quellcode. Früher wurde auch Quellcode ausgetauscht, nur war er eben kaum relevant. Jetzt reicht eine Zeile Code aus, um die Welt zu verändern.

Öffentlich verfügbar sind Algorithmen, Frameworks, Rechenleistung, APIs, Hilfestellungen, riesige Datenbestände und Modelle. Selbst wenn es früher auch schon so gewesen sein sollte: Wenig Aufregendes interessiert naturgemäß kaum jemanden.

Gray Box dank KI-Nährboden

Eine White Box ist ein beliebig anpassbares System. Eine Black Box ist ein gar nicht anpassbares System.

Eine Gray Box (oder Grey Box) ist ein Mittelding. Das System kann auf niedriger Ebene angepasst werden. Somit kann ein KI-System leicht verändert, aktualisiert, überarbeitet und verbessert werden.

Das löst viele Probleme, die man mit vorgefertigten Systemen hat. Andererseits sind komplett offene Systeme zu komplex. Man muss sich sehr intensiv damit beschäftigen, bevor das System einen individuellen Nutzen erzeugt.

Ganz anders ein Gray Box System, welches meiner Ansicht nach bei aktuellen KI-Systemen vorliegt. Sie können mit einer Black Box starten und bei Bedarf daraus eine Gray Box machen. Wenn Sie genügend Rechenleistung und Daten haben, können Sie sogar eine White Box erzeugen. Besser geht es nicht.

Wie toll ist das denn?

Herunterladbares Gehirn

Machen wir es kurz, indem ich einen illustrativen Vergleich gebe, was KI bis vor kurzem war und was es jetzt ist.

KI war „früher“ analog dazu, als wenn Sie nichts über die japanische Sprache wissen und sich ein Handbuch zum Erlernen der japanischen Sprache kaufen, drei Jahre im Land leben und dann ganz gut Japanisch sprechen können.

„Früher“ bedeutete der Begriff „heutzutage“ einen Zeitraum von der Gegenwart bis wenige Jahre in die Vergangenheit.
Momentan bedeutet „heutzutage“ einen Zeitraum von heute (dieser Moment!) bis wenige Wochen oder Monate in die Vergangenheit.
Momentan bedeutet „früher“ einen Zeitraum, der irgendwann im letzten oder diesen Jahr aufhörte.

Wer das nicht versteht, ist nicht dumm, sondern weiß einfach zu wenig über Künstliche Intelligenz.

KI ist jetzt analog dazu, als wenn Sie sich das Sprachzentrum aus dem Gehirn eines Japaners herunterladen, in Ihr Gehirn (Ihren Computer) reinladen und dann sehr gut Japanisch sprechen können.

Glauben Sie mir jetzt, dass bereits eine KI Revolution stattfand?

Fazit

Wenn Sie jetzt immer noch nicht an die KI Revolution glauben, dann lesen Sie meinen Beitrag bitte noch einmal und diesmal richtig. Oder schicken Sie mir ein reales Problem Ihres Unternehmens zu, welches Sie gerne gelöst haben möchten. Es sollte sich allerdings um ein Problem der Textverarbeitung handeln, da ich KI-Technologien zwar recht gut kenne, aber nicht zu weit abschweifen möchte. Allerdings kann ich Ihnen durchaus auch verraten, wie Bildanalysen neuerdings ablaufen können.

Idealerweise glauben Sie aber nicht an die KI Revolution. Denn das erhöht meinen Wettbewerbsvorteil noch und es wird Ihnen dann noch leichter fallen, meine Beratung in Anspruch zu nehmen [/Ironie und Werbeblock Ende].

In den letzten Tagen habe ich nicht in erster Linie über Datenschutz, sondern über Künstliche Intelligenz geschrieben. Daran alleine wird schon ganz gut deutlich, dass die KI-Revolution da ist. Jedenfalls ist mir bewusst geworden, dass wir bei vielen KI-Anwendungen kein Datenschutzproblem haben. Mit ein paar innovativen Vorgehensweisen lassen sich rechtliche Probleme vermeiden.

Ein Rat an alle, die mit Sprach-, Text- oder Bildverarbeitung zu tun haben, also Designer, Übersetzer, Autoren: Überdenken Sie Ihr Geschäftsmodell und Ihre Zukunft. Suchen Sie sich eine neue oder weitere, andere Betätigung oder schärfen Sie Ihr Geschäftsmodell („Was wollen Kunden von Ihnen, was ein Computer nicht kann?“). Bevor Sie Ihr Geschäftsmodell schärfen, überlegen Sie sich, ob Sie wissen, was ein Computer jetzt gerade fähig ist zu tun und wie es wohl in einem Monat aussehen wird.

Zusammenfassung

Dieser Beitrag wurde durch eine KI für Sie zusammengefasst und nur leicht nachbearbeitet:

Künstliche Intelligenz (KI) und Datenschutz sind wichtige Themen in der heutigen Zeit. Die KI-Revolution ist in vollem Gange.
Mit Systemen wie OpenAI's ChatGPT und LLaMA von Meta wurden bedeutende Fortschritte erzielt, die den Turing-Test bestehen. Die Entwicklung von KI-Systemen schreitet rasant voran und ermöglicht es, komplexe Aufgaben zu lösen.

Der Beitrag gibt einen Einblick in die Möglichkeiten, die KI-Systeme bieten, wie zum Beispiel die Vorhersage von Aktienkursen, die Transkription von Audioaufnahmen und die Analyse von Bildern und Texten.

Die Verfügbarkeit von leistungsstarker Hardware und Cloud-Anwendungen zu niedrigen Preisen hat die Entwicklung von KI-Systemen beschleunigt. KI-Systeme können lokal auf eigener Hardware betrieben werden, was Datenschutz und Kontrolle ermöglicht. Die offene Kultur der KI-Szene fördert den Austausch von Erkenntnissen, Algorithmen und Quellcode, was die Entwicklung weiter vorantreibt.

Die KI-Revolution hat auch Auswirkungen auf Berufe wie Designer, Übersetzer und Autoren. Geschäftsmodelle sollte überdacht werden, um sich auf Fähigkeiten zu konzentrieren, die ein Computer nicht bieten kann.

Kurze Zusammenfassung:

Die KI-Revolution ist konkret vorhanden und hat das Potenzial, die Menschheitsgeschichte grundlegend zu verändern. Mit der Entwicklung von Systemen wie ChatGPT von OpenAI und LLaMA von Meta wurden bedeutende Fortschritte erzielt, die den Turing-Test bestehen könnten. Diese Systeme sind in der Lage, komplexe Aufgaben wie Text- und Bildverarbeitung, Spracherkennung und -übersetzung zu bewältigen.