Es gibt einen sehr verständlichen Grund, warum die meisten Menschen KI unterschätzen.

Wir sehen Verbesserungen nur in graduellen Schritten und sind nicht in der Lage, die exponentielle Komplexität hinter einigen Systemen zu verstehen.

Eines der besten Beispiele, um das zu demonstrieren, ist die Geschichte vom Reis auf einem Schachbrett:

Stellen Sie sich ein Schachbrett vor und legen Sie ein Reiskorn auf das erste Feld. Für jedes weitere Feld wird die Menge Reis auf dem nächsten Feld verdoppelt …
Dies ist eine ziemlich häufige genutze Erklärung, wenn es um die Demonstration von exponentiellen Wachstums geht.

Am Ende des Schachbretts bräuchte man mehr Reis, als es derzeit auf der Welt gibt.

Warum ist KI exponential?

Wenn wir über das Lernen nachdenken, denken wir meistens an das menschliche Lernen, aber dahingehend ist KI nicht zu vergleichen.
KI hat nicht nur die Möglichkeit mit Daten zu skalieren, es hat auch noch die Fähigkeit, mit sich selbst zu skalieren.

Nehmen Sie das Schachbrett z. B.  die KI könnte von einem menschlichen Spieler lernen.
So stellen sich die meisten Menschen vor, wie es funktioniert und das ist wohl auch der Beginn des Lernens.

Nun können Sie dem ersten KI-Spieler auch die gleiche KI geben wie dem zweiten Spieler. Jetzt verliert und gewinnt dieselbe KI und hat dadurch beiden Erfahrungen gelernt…

Bedenken Sie, dass die Zeit für KI anders zählt – einige Spiele zwischen KI´s sind in weniger als fünf Minuten erledigt, weil die Bewegungen jedes KI-Spielers so schnell sind. Wenn Sie das berechnen, kann eine KI ca 288 Spiele an einem Tag lernen. – Das wäre ziemlich beeindruckend und mehr als jeder Mensch auf der Welt lernen könnte.

Aber immer noch nicht genug damit, wenn 1000 KI´s miteinander spielen, haben wir 288.000 Spiele pro Tag, von denen die gleiche KI lernt. Und jede Verbesserung wird in jede andere Version dieser besagten KI kopiert.

Selbstfahrende KI´s zum automatisierten Fahren können in einem Simulator trainieren und 65000 Meilen pro Tag fahren – das ist ca die Entfernung die ein durchschnittlicher Fahrer in fünf Jahren fährt. Es gibt einfach keine Möglichkeit, dass ein Mensch in Bezug auf Fahrerfahrung jemals konkurrieren könnte.

Der letzte Schritt, wie KI skaliert wird, ist, dass eine neue KI eine andere KI verbessert.

Sagen wir, wir bleiben bei der treibenden KI für automatisiertes fahren. Wenn diese perfektioniert ist, können wir die selbe KI nehmen und haben zum Beispiel einen Ausgangspunkt für den nächsten Gabelstapler.

KI kann einfach alle Parameter multiplizieren, die beim Erlernen neuer Fertigkeiten effektiv sind:

  • der Datensatz, mit dem sie arbeitet
  • die Erfahrung, die sie bekommt
  • die Zeit, die es kostet, alles zu lernen

Stellen Sie sich vor, wie viel wir lernen könnten, wenn die besten Experten auf einem bestimmten Gebiet jede Minute komplexe Probleme lösen könnten und wir könnten diese Erfahrung einfach jedem anderen Experten auf dem Gebiet übertragen – das ist AI-Lernen.

 

Kategorien: Allgemein