Als Unternehmen ist es schwer, sich nicht von allen Versprechungen der KI verführen zu lassen. Glaubt man dem ganzen Hype, kann es jeden Teil des Unternehmens verändern, neue Kunden finden und konvertieren, neue Produkte entwerfen, Ihre Fabrik oder Software verwalten und im Allgemeinen alles andere tun, als Ihnen morgens einen Kaffee zu bringen (und das vermuten Sie). daran arbeiten sie gerade).
Das ist eine wunderbare Fantasie und sehr verlockend zu glauben. Aber wie wahr ist es? Bei all dem Hype könnten Sie versucht sein, ganz auf den Zug aufzuspringen und alles zu glauben, oder in die andere Richtung zu gehen und alles, was Sie hören, als grobe Übertreibung abzulehnen. Die Wahrheit muss irgendwo in der Mitte liegen, aber wie finden wir sie? Und wie können wir dieses Verständnis dann in etwas Nützliches für unser Unternehmen umwandeln? Lassen Sie uns eintauchen und besprechen, wie KI im Unternehmen eingesetzt wird und insbesondere, wie individuell ein KI-Modell sein muss, damit ein Unternehmen seinen Wert erkennt. Wir werden einen Teil des Hype um KI zerstreuen und gleichzeitig die Bereiche aufzeigen, in denen sie ein Unternehmen heute wirklich verändern kann. Wir werden uns auch mit der Rolle guter Daten befassen und mit der Herausforderung, sie für KI-Modelle zu finden, zu bereinigen und zu verifizieren, eine Branche, die im Web3-Bereich mit Plattformen wie schnell wächst Synesis One Wir arbeiten daran, die Eigenschaften der Blockchain zu nutzen, um die KI zu verifizieren und Benutzer zu belohnen.
Das Versprechen
KI soll viele verschiedene Probleme lösen. Für den Uneingeweihten sind einige dieser Probleme möglicherweise nicht von Magie zu unterscheiden, was sehr aufregend, aber ebenso wenig hilfreich ist, wenn Sie ein Unternehmen sind, das über Investitionen in KI nachdenkt. Zum Glück ist KI tatsächlich nicht so kompliziert, wie Sie vielleicht glauben, denn sie löst eigentlich nur drei Schlüsselprobleme. Erstens kann KI klassifizieren Dinge. Stellen Sie sich einen Qualitätskontrollalgorithmus vor, der Ihnen sagt, ob ein Teil, das vom Fließband kommt, einen Defekt aufweist oder nicht. Dies kann auf alle Arten der Anomalieerkennung, Sortierfunktionen und andere unkonventionelle Anwendungen ausgeweitet werden, die einen Algorithmus erfordern, um etwas zu analysieren (z. B. Fotos, Tabellendaten) und dann zu bestimmen, in welchen Bereich es gehört. Als nächstes kann die KI vorhersagen. Bei der vorausschauenden Wartung können viele verschiedene Sensoren in einer Maschine genutzt werden, um vorherzusagen, wann sie ausfällt oder gewartet werden muss. Es kann sehr genaue Prognosen liefern, wenn die Daten verfügbar sind. Es kann vorhersagen, wohin sich ein Roboter als nächstes bewegen sollte, um ein bestimmtes Ziel zu erreichen. Endlich kann KI optimieren. Es kann komplizierte Probleme mit vielen verschiedenen Einschränkungen auf eine Weise lösen, die für einen Menschen einfach zu schwierig ist. Wir verwenden es für GPS, die Organisation unserer Fabriken und viele andere Anwendungen, die für ein bestimmtes Ziel und viele verschiedene Einschränkungen eine ideale Lösung benötigen.
Die Quintessenz ist, dass KI wirklich funktioniert. Es kann die oben genannten und unzählige weitere Probleme absolut lösen. Noch besser ist, dass die KI jeden Tag besser wird. Es werden neue Innovationen entwickelt, die Computerverarbeitung verbessert und allgemeinere Anwendungsfälle entdeckt. Einerseits ist KI so viel unglaublicher, als wir ihr zutrauen, und sie verändert die Welt auf eine Weise, die wir nicht einmal vollständig begreifen können.
Die Realität
Allerdings sind diese Ergebnisse mit Kosten verbunden: Daten. Ohne die richtigen Daten zum Trainieren eines KI-Modells ist KI völlig nutzlos. Mit dem Aufkommen von Large Language Models (LLMs) wie ChatGPT sind die falschen Wahrnehmungen von KI noch verzerrter geworden. Wir könnten versucht sein zu glauben, dass KI allmächtig ist und alle Fragen beantworten kann, die wir ihr stellen, und weil ChatGPT für alle verfügbar ist, können wir es mit eigenen Augen sehen. Es gibt jedoch zwei große Schwachstellen, die möglicherweise nicht offensichtlich sind. Erstens ist ChatGPT in manchen Dingen hervorragend, etwa wenn es darum geht, eine Arbeit über den Klimawandel zu schreiben oder zehn Orte in Budapest vorzuschlagen, die man besuchen sollte. Aber in vielen anderen Dingen ist es nicht gut, etwa eine bestimmte Antwort auf mathematische Probleme zu geben oder völlig vertrauenswürdige Informationen zu geben. Für ein Unternehmen ist dieses Maß an Unsicherheit nicht akzeptabel. Zweitens wurde ChatGPT mit erstellt Billionen von Datenpunkten, um allgemeine Fragen zu beantworten. Wenn Sie ein präzises KI-Modell trainieren möchten, ist der Aufwand wesentlich kürzer, Sie müssen jedoch genau wissen, welche Daten Sie verwenden müssen, und diese müssen validiert sein, um effektiv zu sein. Mit anderen Worten: Sie müssen wissen, welches Problem Sie lösen, welches KI-Modell Sie verwenden werden und welche verifizierten Daten dafür erforderlich sind. Das Problem besteht darin, dass der Aufbau dieser Daten schwierig ist und die Datenmenge abhängig von einer Reihe von Faktoren manchmal erheblich sein kann. Das obige KI-Modell, das Anomalien am Fließband identifiziert hat? Es wären wahrscheinlich viele, viele verschiedene Muster von Gegenständen am Fließband erforderlich, mit unterschiedlichen Beleuchtungswinkeln, Ausrichtungen und anderen Variationen, damit das Modell diese Variationen berücksichtigen kann. Dabei ist eine ausreichende Anzahl von Proben erforderlich, die Artikel von guter Qualität zeigen, und Proben, die Artikel mit Anomalien zeigen. Nur dann kann das Modell lernen, wie eine Anomalie aussieht. Und für die meisten KI-Modelle müssen alle diese Daten gekennzeichnet werden (z. B. „keine Anomalie“ vs. „Anomalie“). Für Unternehmen stellt dies die größte Belastung dar, da sie oft nicht über das erforderliche Fachwissen oder die nötigen Erkenntnisse verfügen, um all diese Informationen korrekt zu verarbeiten, und der reine Arbeitsaufwand kann erheblich sein. Blockchain hat gezeigt, dass es auf einzigartige Weise zur Lösung dieses Problems beitragen kann, wobei Plattformen wie das oben erwähnte Synesis die einzigartigen Elemente der Blockchain speziell zur Validierung von KI-Trainingsdaten nutzen. Durch die Nutzung von Dezentralisierung, Unveränderlichkeit und Belohnungen für Arbeit ist die Plattform in der Lage, riesige Datensätze aufzubauen, indem sie eine große Anzahl von Mitwirkenden auf der ganzen Welt belohnt. Aufgrund seiner Natur ist es nicht viel nötig, jemandem beizubringen, wie ein bestimmter Datensatz validiert wird. Das Lernen erfolgt schnell und mit genügend Leuten kann der Datensatz validiert, gekennzeichnet (Antworten an jedes Bild oder jeden Datenpunkt angehängt) und dem Unternehmen zur Verfügung gestellt werden, das ihn benötigt. Es ist ein faszinierendes Geschäftsmodell, aus dem im nächsten Jahr wahrscheinlich eine ganze Branche hervorgehen wird.
Viele kleine und mittlere Unternehmen arbeiten daran, proprietäre KI-Modelle zu entwickeln, die auf ihren eigenen Daten basieren. Das Trainieren eines Modells ist jedoch nicht so einfach wie das Eingeben von Rohdaten. Die größte Herausforderung für sie ist der Mangel an internen Datenwissenschaftlern und Ressourcen für die Bewältigung der… pic.twitter.com/97gQ4JQ8Qb
— Synesis One (@synesis_one) 17. November 2024
KI nutzen
Nachdem Sie nun den Hype um KI und seine Realität verstanden haben, können Sie sich eine bessere Vorstellung davon machen, welche Probleme sie für Ihr Unternehmen lösen kann. Der Schlüssel besteht darin, diese Klassifizierungs-, Vorhersage- und Optimierungsprobleme zu identifizieren und dann mit dem Aufbau der Daten zu beginnen, die zum Trainieren der Modelle erforderlich sind. Die Zusammenarbeit mit einer Datenvalidierungsplattform wie Synesis wird für viele Unternehmen von entscheidender Bedeutung sein, die dies nicht selbst tun können, aber eine kostengünstige Lösung benötigen. Sobald dies jedoch erledigt ist, kann Ihr Unternehmen mit KI auf eine Weise aufgeladen werden, die noch vor wenigen Jahren Science-Fiction war.
Hervorgehobener Bildnachweis: Google DeepMind/Unsplash
