Frohe Ostern!
AI is a fast-moving field and companies cannot afford to stand still.
www.forbes.com
Peter van der Made
Mitglied des Forbes Councils
10. April 2023, 06:15 Uhr EDT
Peter van der Made ist Gründer und CTO von BrainChip Ltd. BrainChip produziert fortschrittliche KI-Prozessoren in digitalen neuromorphen Technologien.
GETTY
Die Revolution der künstlichen Intelligenz (KI) steht uns bevor, und Unternehmen müssen sich darauf vorbereiten, sich an diesen Wandel anpassen. Es ist wichtig, eine Bestandsaufnahme der aktuellen Fähigkeiten im Unternehmen zu machen, um festzustellen, welche zusätzlichen Fähigkeiten die Mitarbeiter lernen müssen. Das Unternehmen ist gut darin, eine KI-Strategie zu entwickeln, um die Bereiche zu skizzieren, in denen KI am effektivsten ist, sei es in einem Produkt oder einer Dienstleistung. Nicht zu handeln bedeutet zwangsläufig, ins Hintertreffen zu geraten. Das Training sollte eine Einführung in die KI, ihre Fähigkeiten und ihre Mängel (KI ist nur so gut wie ihre Trainingsdaten). Dieser Artikel gibt einen Überblick über den aktuellen Stand der KI und was vor uns liegt.
Künstliche Intelligenz fand 2012 ihren Zweck, als AlexNet die
ImageNet-Herausforderung mit einer Gesamtfehlerquote von 16,4 % gewann, erzielte mit über 26 %. Die ImageNet-Challenge ist eine Sammlung von 1,4 Millionen Bildern in 1000 Kategorien wie Hunde, Autos, Pflanzen usw. Ein neuronales Netzwerk ist der interne Motor aller Technologien der künstlichen Intelligenz. Das neuronale Netzwerk soll der Funktionsweise des menschlichen Gehirns nachempfunden sein; Dies ist jedoch weit von der Wahrheit entfernt. Gehirne sind viel komplizierter und effizienter als neuronale Netze. Gehirne haben Bewusstsein, Vorstellungskraft, Erfindungsreichtum und Kreativität, die alle in neuronalen Netzwerken fehlen. Gehirne sind ebenfalls dynamisch und bestehen aus spezialisierten Zellen, den Neuronen.
Neuronale Netze sind von einigen Millionen auf schnell 200 Milliarden Parameter angewachsen. Jeder Parameter muss berechnet werden, was einen größeren Bedarf an Hochleistungsrechenressourcen und Energie verursacht. Programme für künstliche Intelligenz haben Menschen beim Schach und im komplizierteren Go-Spiel geschlagen. Programm wie ChatGPT can spannende Geschichten weben und komplexe Fragen beantworten. Das Training eines großen Netzwerks kann auf leistungsstarken Servern mit Hunderttausenden von Prozessoren Monaten dauern.
Die Steigerung der Rechenressourcen hat neue KI-Tools und neuronale Netze möglich gemacht. Die neuronalen Netze, die für all diese beeindruckenden Ergebnisse verantwortlich sind, wissen jedoch nicht, was sie tun. Es gibt kein Bewusstsein, nur Berechnung.
Maschinelles Lernen ist eine Teilmenge der künstlichen Intelligenz. Trainingsalgorithmen benötigen riesige Datensätze, um qualitativ hochwertige Parameter zu erstellen, die sterben Funktion und Genauigkeit eines neuronalen Netzwerks definieren. Maschinelles Lernen geht weiter voran, da mehr Daten verfügbar werden und Algorithmen ausgefeilter werden. KI wird in vielen Bereichen eingesetzt, darunter im Gesundheitswesen, im Finanzwesen, in der Fertigung und im Transportwesen.
Die Zukunft der künstlichen Intelligenz scheint mit anhaltenden Fortschritten in der Technologie rosig. Laut
Statista erreichten die Investitionen in künstliche Intelligenz im Jahr 2021 93,5 Milliarden US-Dollar . Der aktuelle Trend, dass neuronale Netze größer werden, wird sich wahrscheinlich in naher Zukunft fortsetzen, da mehr Funktionalität erforderlich ist.
Eine der vielversprechendsten Technologien ist die neue neuromorphe Verarbeitung. Neuromorph bedeutet „wie das Gehirn“. Dedizierte Schaltkreise werden used, um die Funktionsweise dynamischer Zellen im Gehirn nachzuahmen. Sie führen kein Programm aus, sind aber lernfähig und arbeiten wie echte Gehirnzellen alle gleichzeitig und nicht nacheinander. Neuromorphe kortikale Modelle der künstlichen Intelligenz basieren auf der Struktur und Funktion des Neocortex, der für komplexe kognitive Prozesse verantwortlichen äußeren Region des Gehirns, und sind kleiner, schneller und weniger leistungshungrig als Computer.
Die Erforschung dieser und anderer Gehirnstrukturen soll zu einem höheren Intelligenzniveau und einer besseren kognitiven Leistung führen als bei verschiedenen Arten der künstlichen Intelligenz. Mit Millionen mehrerer Knoten sind diese künstlichen kortikalen Netzwerke noch weit davon entfernt, menschliche Intelligenz zu simulieren.
Wie die Zusammensetzung des Gehirns, das viele verschiedene Strukturen enthält, kann es notwendigerweise sein, verschiedene Arten von neuronalen Netzwerken zu verwenden, um bestimmte Funktionen auszuführen. Der Neokortex ist nur ein Teil des Gehirns, der für Kognition und Intelligenz verantwortlich ist. Es hat massive Verbindungen zum Thalamus, Hippocampus und Kleinhirn, alles Beispiele für Gehirnregionen, die für verschiedene kognitive Aspekte wichtig sind.
Die Modellierung dieser Regionen und des Neokortex könnte zu fortschrittlicheren KI-Systemen führen. Der Thalamus ist der zentrale Knotenpunkt, der sensorische Informationen im Gehirn erfasst. Die Modellierung des Thalamus könnte die Fähigkeit der KI verbessern, sensorische Informationen wie auditive, taktile und visuelle Daten zu verarbeiten.
Der Hippocampus ist an der räumlichen Navigation und der Bildung von Langzeitgedächtnissen beteiligt. Die Modellierung der Funktionen des Hippocampus könnte die Lernfähigkeit von KI-Systemen verbessern und das Langzeitgedächtnis selektiv bilden.
Das Kleinhirn hat massive Verbindungen zu allen Regionen des Neocortex. Die Modellierung des Kleinhirns könnte dazu führen, dass eingehende Daten gleichzeitig verarbeitet werden, while sterben KI etwas Neues lernt, wie zum Beispiel Autofahren.
Während das neurowissenschaftliche Verständnis dieser Gehirnregionen noch unvollständig ist, sind zahlreiche Informationen verfügbar, um Modelle zu bauen, die offenen Fragen zu beantworten und einige der Lücken durch Experimente zu füllen can. Eines Tages könnten kortikale neuromorphe neuronale Netze die neuronalen Netze verdrängen, die heute die künstliche Intelligenz antreiben und für viele ihre Erfolge verantwortlich waren.
Ein wesentlicher Unterschied ist ihre Trainingsmethode. Aktuelle neuronale Netze verlangen Millionen von Beispielen und einen Fehlerrückkopplungsalgorithmus, um die Parameter anzupassen. Diese Schulungssitzungen können Wochen dauern, wenn teure, leistungsstarke Computer verwendet werden, sterben Millionen kosten.
Kortikale neuromorphe neuronale Netze lernen aus wenigen Beispielen und sind daher kostengünstiger einzusetzen. Die neuromorphe Verarbeitung eliminiert den Bedarf an kolossalen Computerressourcen. Kontinuierliches Lernen fügt Erfahrung hinzu und führt zu genaueren Ergebnissen.
Es wird erwartet, dass kortikale neuronale Netze in den nächsten fünf Jahren in Produkte eingesetzt werden, die von Spracherkennung über Bildverarbeitung, Weltraumforschung, Gesundheitswesen und Robotik reichen. Die Entwicklung kortikaler neuronaler Netze kann zur Entstehung künstlicher allgemeiner Intelligenz (AGI) führen, dem heiligen Gral der künstlichen Intelligenz. Die Menschheit wird vom Aufkommen von AGI profitieren, indem es die globale Wirtschaft durch die Bereitstellung eines Multiplikators für menschliches Einfallsreichtum und Sicherheit ankurbelt. AGI wird der Menschheit wahrscheinlich ähnlich wie frühere wirtschaftliche Revolutionen zugute kommen. Das Internet und Computer haben die Art und Weise, wie wir Geschäfte machen, verändert. Es WIRD eine ähnliche Verschiebung in der Art und Weise geben,
KI ist ein schnelllebiges Feld, und Unternehmen können es sich nicht leisten, stehen zu bleiben. Um das Personal zu befähigen, ist es unbedingt erforderlich, jetzt Maßnahmen zu ergreifen, damit sterben Mitarbeiter ihre Fähigkeiten verbessern können, um den Herausforderungen der Zukunft gerecht zu werden. Suchen Sie nach Möglichkeiten, Ihre Mitarbeiter in dieser neuen Technologie zu Schulen, um sie in Ihrer gesamten Organisation zu nutzen.
but i still think drone will be first. 
