Künstliche Intelligenz: Neue Ansätze für bessere Entscheidungsfindung

SAN JOSE / MÜNCHEN (IT BOLTWISE) – In der Welt der Künstlichen Intelligenz (KI) gibt es immer wieder neue Entwicklungen, die das Potenzial haben, die Art und Weise, wie Maschinen denken und Entscheidungen treffen, grundlegend zu verändern.

Die Forschung im Bereich der Künstlichen Intelligenz hat in den letzten Jahren enorme Fortschritte gemacht, insbesondere im Bereich der Entscheidungsfindung. Noam Brown, der die KI-Forschung bei OpenAI leitet, betonte kürzlich, dass sogenannte ‘Reasoning’-Modelle, die auf Testzeit-Inferenz basieren, bereits vor zwei Jahrzehnten hätten entwickelt werden können, wenn die Forscher damals die richtigen Ansätze und Algorithmen gekannt hätten.

Während einer Podiumsdiskussion auf der GTC-Konferenz von NVIDIA in San Jose erklärte Brown, dass die Forschung in diesem Bereich aus verschiedenen Gründen vernachlässigt wurde. Er bemerkte, dass Menschen viel Zeit mit Nachdenken verbringen, bevor sie in schwierigen Situationen handeln, und dass dies auch für KI-Modelle von Vorteil sein könnte. Diese Modelle, wie das von OpenAI entwickelte o1, nutzen zusätzliche Rechenleistung, um vor der Beantwortung von Anfragen eine Art ‘Denken’ zu simulieren.

Brown betonte jedoch, dass das Pre-Training, also das Training immer größerer Modelle mit immer größeren Datensätzen, keineswegs ‘tot’ sei. Vielmehr teilen die KI-Labore, einschließlich OpenAI, ihre Zeit zwischen Pre-Training und Testzeit-Inferenz auf, da diese Ansätze sich gegenseitig ergänzen. Die Kombination dieser Methoden könnte zu genaueren und zuverlässigeren Modellen führen, insbesondere in Bereichen wie Mathematik und Wissenschaft.

Ein weiteres Thema, das Brown ansprach, war die Rolle der akademischen Welt in der KI-Forschung. Angesichts der zunehmenden Rechenintensität moderner Modelle wird es für akademische Institutionen immer schwieriger, Experimente im gleichen Umfang wie große KI-Labore durchzuführen. Dennoch sieht Brown Möglichkeiten für die Wissenschaft, insbesondere in Bereichen, die weniger Rechenleistung erfordern, wie das Design von Modellarchitekturen.

Brown hob auch die Bedeutung der Zusammenarbeit zwischen führenden KI-Laboren und der akademischen Welt hervor. Er betonte, dass die Labore akademische Veröffentlichungen genau prüfen und überlegen, ob die darin enthaltenen Argumente, wenn sie weiter skaliert würden, effektiv sein könnten. Wenn ein solches Argument überzeugend ist, wird es in den Laboren weiter untersucht.

Die Kommentare von Brown kommen zu einer Zeit, in der die Trump-Administration erhebliche Kürzungen bei der Vergabe von Wissenschafts-Stipendien vornimmt. KI-Experten, darunter der Nobelpreisträger Geoffrey Hinton, haben diese Kürzungen kritisiert und gewarnt, dass sie die KI-Forschung sowohl im Inland als auch im Ausland gefährden könnten.

Ein Bereich, in dem die akademische Welt laut Brown einen erheblichen Einfluss haben könnte, ist das Benchmarking von KI. Derzeitige Benchmarks testen oft auf esoterisches Wissen und korrelieren schlecht mit den Fähigkeiten, die für die meisten Menschen von Bedeutung sind. Dies hat zu weit verbreiteter Verwirrung über die Fähigkeiten und Verbesserungen von Modellen geführt.

Zu den Top-Stories!

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

Angebot

1.952 Bewertungen

EIlik - Ein Desktop-Begleitroboter mit emotionaler Intelligenz, Multi-Roboter-Interaktionen, Desktop-Robotik-Partner

• NIEDLICHER BEGLEITER: Eilik ist der ideale Begleiter für Kinder und Erwachsene, die Haustiere, Spiele und intelligente Roboter lieben. Mit vielen Emotionen, Bewegungen und interaktiven Funktionen.

169,00 EUR

Bei Amazon kaufen