Die Zukunft der KI: Alleskönner oder Spezialisten?

MÜNCHEN (IT BOLTWISE) – Die Zukunft der Künstlichen Intelligenz (KI) steht an einem Scheideweg: Werden wir von wenigen, allmächtigen KI-Agenten begleitet, die nahezu jede Aufgabe für uns übernehmen, oder wird die Welt von spezialisierten digitalen Helfern bevölkert, die nur bei Bedarf aktiviert werden? Diese Frage beschäftigt derzeit die Branche, während sich die Technologie rasant weiterentwickelt.

Die Diskussion über die Zukunft der Künstlichen Intelligenz (KI) dreht sich um zwei Hauptszenarien: Einerseits die Entwicklung von umfassenden KI-Agenten, die in der Lage sind, eine Vielzahl von Aufgaben zu bewältigen, und andererseits die Schaffung spezialisierter digitaler Assistenten, die auf spezifische Aufgaben zugeschnitten sind. Beide Ansätze haben ihre Befürworter und es ist wahrscheinlich, dass die Zukunft eine Mischung aus beiden sein wird. Die Geschwindigkeit der technologischen Fortschritte macht es jedoch selbst Branchenführern schwer, vorherzusagen, wie die KI-Landschaft in ein oder zwei Jahren aussehen wird.

Ein Beispiel für die Entwicklung hin zu allumfassenden KI-Agenten ist OpenAI, das kürzlich eine Einkaufsfunktion in ChatGPT integriert hat. Diese Erweiterung zeigt, wie personalisierte KI-Agenten die Ökonomie des E-Commerce neu ordnen könnten. Mit nur einer Anfrage kann ein Chatbot Produktrecherchen durchführen und Kaufempfehlungen geben, was das traditionelle „Funnel“-Modell der Markenführung untergräbt und OpenAI in den Mittelpunkt rückt.

Gleichzeitig entstehen im Hintergrund spezialisierte KI-Agenten, die auf bestimmte Aufgaben fokussiert und kostengünstiger in der Entwicklung und im Betrieb sind. Auf der LlamaCon-Entwicklerkonferenz von Meta wurde deutlich, dass das Unternehmen auf die Anpassungsfähigkeit seiner „Open Weights“-Modelle setzt, die eine begrenzte Form von Open-Source-Struktur aufweisen. Diese Modelle können von anderen genutzt und angepasst werden, auch wenn sie nicht vollständig einsehbar sind.

Die Techniken zur Umwandlung dieser offenen Modelle in nützliche Werkzeuge entwickeln sich schnell weiter. Eine gängige Methode ist die Destillation, bei der kleinere Modelle mit Intelligenz aus größeren Modellen angereichert werden. Unternehmen mit „geschlossenen“ Modellen, wie OpenAI, behalten sich das Recht vor, zu entscheiden, wie und von wem ihre Modelle destilliert werden können. In der Welt der offenen Modelle hingegen sind Entwickler frei, die Modelle nach Belieben anzupassen.

Das Interesse an der Schaffung spezialisierter Modelle hat in den letzten Monaten zugenommen, da sich der Fokus der KI-Entwicklung über die datenintensiven und kostspieligen initialen Trainingsläufe hinaus verlagert hat. Stattdessen wird viel Wert auf die „Post-Training“-Phase gelegt, die oft Techniken wie Reinforcement Learning nutzt, um die Ergebnisse zu formen, sowie auf die sogenannte Testzeit-Phase, die von Reasoning-Modellen genutzt wird, um Probleme zu lösen.

Ali Ghodsi, CEO von Databricks, betont, dass eine mächtige Form des Post-Trainings darin besteht, die proprietären Daten eines Unternehmens zu nutzen, um Modelle in ihrer Reinforcement-Learning-Phase zu formen, was sie für den geschäftlichen Einsatz weitaus zuverlässiger macht. Dies ist jedoch nur mit offenen Modellen möglich. Ein weiterer neuer Trick besteht darin, die besten Teile verschiedener offener Modelle zu kombinieren.

Diese und andere Techniken versprechen eine Flut von intelligenten Agenten, die weniger teure Hardware benötigen und viel weniger Energie verbrauchen. Für die Modellbauer erhöht sich jedoch das Risiko der Kommodifizierung – dass günstigere Alternativen ihre teuersten und fortschrittlichsten Modelle untergraben könnten. Die größten Gewinner könnten jedoch die Nutzer sein: Unternehmen, die in der Lage sind, spezialisierte Agenten in ihre täglichen Arbeitsprozesse zu integrieren.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!