Von kleinen Modellen zu großen Modellen: Analyse der Technologiepfade von spezialisierten und generalisierten Künstlichen Intelligenzen

Zukünftige Entwicklungspfade für allgemeine künstliche Intelligenz

Die Zukunft der allgemeinen künstlichen Intelligenz (AGI) wird durch zwei Haupttechnologiewege geformt. Der erste Weg ist die Fortführung von großen Modellansätzen, die verbesserte Rechenleistung nutzen, um die Skalierung und Fähigkeiten dieser Modelle zu erweitern und eine tiefere Integration in verschiedene Branchen zu ermöglichen. Der zweite Weg umfasst die Erforschung neuer Technologien wie Reinforcement Learning, Wissensberechnung, symbolisches Denken und hirnähnliches Rechnen.

Auf der Industrial Technology Innovation Conference 2024 in Shanghai betonte Qiao Yu, stellvertretender Direktor des Shanghai Artificial Intelligence Laboratory, dass KI sich derzeit in einer entscheidenden Übergangsphase von spezialisierter zu allgemeiner Intelligenz befindet. Er wies darauf hin, dass die KI-Landschaft seit dem Aufkommen des Deep Learning im Jahr 2010 mehrere Transformationen durchlaufen hat. Ursprünglich lag der Fokus auf der Entwicklung kleiner, spezialisierter Modelle zur Erfüllung spezifischer Anwendungsbedürfnisse. Bis 2020 hat sich das Feld mit der Einführung großer Modelle, die auf Transformers, Big Data und selbstüberwachtem Lernen basieren, dramatisch gewandelt, was es KI-Agenten ermöglichte, eine Vielzahl von Aufgaben zu bewältigen.

Der Aufstieg großer Modelle, insbesondere unter der Führung von OpenAI, hat zu einer zentralisierten industrialisierten Forschung und Entwicklung geführt, die bahnbrechende Innovationen wie ChatGPT und GPT-4 hervorgebracht hat. Zukünftige Fortschritte werden nicht auf isolierten Erfolgen basieren, sondern auf kollektiver Innovation in verschiedenen Bereichen, darunter Chips, Internetinfrastruktur, Frameworks, Daten, Modelle, Evaluation und Implementierung, um eine umfassende Optimierung zu erreichen.

Qiao betonte, dass die Skalierung von Modellen zwar bestimmte Vorteile bieten kann, aber auch Herausforderungen wie Effizienz, Zuverlässigkeit und Sicherheit mit sich bringt. Die Bewältigung dieser Probleme erfordert die Erforschung von wissens- und symbolbasierten Denkansätzen, die eine bessere Interpretierbarkeit und erhöhte Sicherheit bieten können.

Zukünftige Innovationen werden zunehmend von einem systematischen, vielfältigen Ansatz abhängen. Angesichts von Shanghais reichen B2B-Märkten in den Bereichen Finanzen, Stadtentwicklung und Fertigung plädierte Qiao für die Zusammenarbeit mit führenden Unternehmen zur Entwicklung spezialisierter Modelle in vertikalen Bereichen. Diese Strategie zielt darauf ab, die Schaffung eines offenen Ökosystems und eines ethischen Bewertungsrahmens zu beschleunigen, um eine gesunde Entwicklung und standardisierte Anwendungen zu fördern.

Die Zukunft der allgemeinen künstlichen Intelligenz erfordert nicht nur technologische Innovationen, sondern auch einen Fokus auf die Optimierung des ökologischen Umfelds, um den vielfältigen Herausforderungen von heute zu begegnen.