Die wichtigsten Themen dieses Blog-Artikels
Große Sprachmodelle wie ChatGPT von OpenAI, Bard von Google, Anthropic Claude und LLaMA von Meta ziehen die öffentliche Aufmerksamkeit auf sich, weil sie viele Anwendungsfälle der künstlichen Intelligenz (KI) unterstützen. Vermutlich werden jedoch die effektivsten und innovativsten KI-Systeme der Zukunft diese vielseitigen Basismodelle mit spezialisierteren neuronalen Netzen kombinieren. Hierzu zählen Computer Vision zur Analyse von Bildern, Regressionsmodelle zur Vorhersage numerischer Werte, bestärkendes Lernen zur Handlungsoptimierung und viele andere.
Ich bin überzeugt, dass die Zukunft der KI in dieser Art von Multimodell-Ökosystemen liegt. Was sie auszeichnet, wie sich Ethik und Sicherheit gewährleisten lassen und welche Rolle menschliche Expert:innen dabei spielen, erfahren Sie in diesem zweiteiligen Blog-Artikel. Heute, in Teil 1, erläutere ich, was Multimodell-Ökosysteme genau sind und welche Erfolgsfaktoren es für sie gibt.
So wie ein Orchester verschiedene musikalische Begabungen vereint, werden die KI-Plattformen der Zukunft verschiedene Ansätze des maschinellen Lernens als modulare Komponenten integrieren, die von menschlichen Fachleuten als Dirigent:innen angeleitet werden. Die Zukunft der KI ist ein Orchester aus Modellen, kein Soloauftritt.
Der Schlüssel liegt in der sorgfältigen Kombination von großen Sprachmodellen (Large Language Models, LLMs) mit anderen KI-Funktionen, hochwertigen Datensätzen, Prozessen sowie menschlicher Expertise, um ein ausgeglichenes System mit Kontrollmechanismen zu erzielen. Dies ermöglicht maßgeschneiderte Lösungen, die einen Mehrwert generieren, da sich die Qualität, Sicherheit und Genauigkeit der Ergebnisse verbessern. LLMs sind vielseitige Grundlagen, aber erst ihre durchdachte Kombination mit weiteren KI-Funktionen und -Infrastrukturen erschließt ihr volles Potenzial. Bei jeder neuen Technologie gibt es Herausforderungen, doch mit einem ganzheitlichen Ansatz versetzen diese Modelle Unternehmen in die Lage, auf ihrem Weg zur KI-Nutzung sicher voranzukommen.
Bei CGI sehen wir die Zukunft der KI in diesen Ökosystemen aus Modellen mit sich ergänzenden Stärken, die kontinuierlich von menschlichen Expert:innen beaufsichtigt und überwacht werden, um die gewünschte Zielausrichtung zu erreichen – wir sprechen von einem „Human Expert in the Loop“. Zum Beispiel könnte ein generatives Sprachmodell schnell einen ersten Entwurf für den Inhalt erstellen. Ein logikgesteuertes Qualitätssicherungssystem könnte helfen, kritische Begriffe zu prüfen und zu verifizieren. Ein spezialisiertes Content-Modell, das auf den jeweiligen Anwendungsbereich zugeschnitten ist, könnte die Sprache und Tonalität weiter verfeinern, damit diese mit den früheren Dokumenten des Unternehmens übereinstimmen.
Das ausgewählte Kombinieren von spezialisierten und generalistischen KI-Modellen – in dieser schrittweisen, überprüften Weise unter menschlicher Aufsicht – kann maßgeschneiderte Lösungen ermöglichen, in denen jedes Modell eigene Stärken einbringt, um zuverlässigere und vertrauenswürdigere Ergebnisse zu liefern. Diese Verschmelzung verschiedener Modelle und Validierungen wird entscheidend sein, um das volle Potenzial der KI sicher zu erschließen.
Der Aufbau eines florierenden KI-Ökosystems mit mehreren Modellen erfordert, die Expertise, Modelle, Daten, Infrastruktur und Abläufe in einem System mit Kontrollmechanismen zu orchestrieren. Wenn sie verstehen, welche ergänzenden KI-Modelle genutzt werden sollten und welche Ressourcen für eine angemessene Governance erforderlich sind, können sich die Teams darauf konzentrieren, auf verantwortungsvolle Weise KI-basierten Mehrwert zu generieren. Es bedarf sorgfältiger Planung und strategischer Anleitung, wie sich alle Teile synergetisch koordinieren lassen. Dann können Unternehmen KI-Umgebungen entwickeln, mit denen sie Erfolge erzielen, die mit ihren ethischen Grundsätzen im Einklang stehen.
Ein orchestriertes KI-Ökosystem mit einem zuverlässigen Kontrollmechanismus benötigt folgende Elemente:
Zwar lassen sich Verzerrungen nie ganz ausschließen, doch man kann sie verringern, indem man passende Modelle und Prozesse nutzt, den Trainingsansatz verbessert und die Größe sowie Vielfältigkeit des Datensatzes erhöht.
Im zweiten Teil meines Blog-Artikels werden wir uns intensiv mit den Themen Ethik und Sicherheit befassen – und vor allem mit der Frage, wie sie bei der Gestaltung von Multimodell-KI gewährleistet werden können. Sie möchten mehr über diese Themen erfahren? Dann sprechen Sie meinen deutschen Kollegen Niklas Bläsing oder mich gerne an!
Fred Miskawi leitet die AI Innovation Expert Services in unserem AI Enablement Center of Expertise. Er ist verantwortlich dafür, die KI-Expertinnen und -Experten aus den CGI-Innovation-Centern sowie den Emerging Technology Practices zusammenzubringen. Mit seiner Expertise in den Bereichen KI, menschenzentriertes Design und agile Umsetzung ...
