KI-Logbuch
Inspiration, Entdeckungen, Anwendungen
Was kommt jetzt bei generativer KI? Eine Bestandsaufnahme.
Created on 2024-09-24 21:11
Published on 2024-09-25 04:00
Liebe Neugierige, Kreative, Entdecker*innen,
„Wer aufhört, besser zu werden, hat aufgehört, gut zu sein.“
Dieses Zitat von Philip Rosenthal trifft den Nagel auf den Kopf, wenn es um die rasante Entwicklung der generativen KI geht. In einer Welt, die sich ständig verändert, ist es deshalb wichtiger denn je, am Ball zu bleiben. „Also Arno?“ werde ich dann gefragt, „Was kommt als nächstes?“ Lasst uns mal einen Blick auf aktuelle Trends und Entwicklungen werfen, die meiner ganz persönlichen Meinung nach in der nahen Zukunft niemand verpassen sollte.
Die Zukunft ist multimodal
Eine der spannendsten Entwicklungen im Bereich der generativen KI ist der Aufstieg multimodaler Systeme. Diese KI-Modelle sind nicht mehr auf eine einzige Datenart beschränkt, sondern können Text, Bilder, Videos und Audiodaten gleichermaßen verarbeiten und generieren.
Stellt euch vor, ihr beschreibt einem KI-System eine Szene und es erstellt daraus nicht nur ein Bild, sondern auch passende Musik oder sogar ein kurzes Video. Diese Technologie eröffnet völlig neue Möglichkeiten für kreative Prozesse und die Mensch-Maschine-Interaktion. Besonders spannend: Open-Source-Modelle wie LLava könnten diese Technologie bald einer breiteren Masse zugänglich machen.
Kleine Modelle, große Wirkung
Während in der Vergangenheit oft das Motto „Größer ist besser“ galt, zeigte 2024 einen klaren Trend hin zu kleineren, effizienteren Sprachmodellen. Diese sogenannten Small Language Models (SLMs) sind auf spezifische Aufgaben zugeschnitten und können trotz ihrer geringeren Größe beeindruckende Ergebnisse liefern.
Der Markt für kleine Sprachmodelle wurde im Jahr 2023 auf 7,76 Mrd. USD geschätzt und wird von 2024 bis 2030 voraussichtlich mit einer durchschnittlichen jährlichen Wachstumsrate von 15,6 % weiter wachsen.
SLMs benötigen weniger Rechenleistung und Speicherplatz, was sie kostengünstiger und umweltfreundlicher macht. Zudem können sie oft genauere und relevantere Ergebnisse liefern als ihre größeren Pendants, da sie auf hochwertigeren, spezialisierten Datensätzen trainiert werden. Modelle wie Mistral 7B und Microsofts PHI-2 zeigen bereits, welches Potenzial in dieser Technologie steckt.
KI wird selbstständiger
Ein weiterer faszinierender Trend sind autonome KI-Agenten. Diese KI-Systeme können selbstständig Aufgaben erledigen, Entscheidungen treffen und Inhalte produzieren – und das ohne menschliches Eingreifen.
Stellt euch vor, ihr habt einen virtuellen Assistenten, der nicht nur auf eure Anweisungen reagiert, sondern proaktiv Probleme löst und Vorschläge macht. Diese Entwicklung könnte die Art und Weise, wie wir mit KI interagieren, noch einmal komplett neu definieren und vielleicht ja auch lang- bis mittelfristig zu effizienteren Arbeitsabläufen in vielen Branchen führen.
Open Source holt auf
Ein besonders spannender Trend ist die zunehmende Leistungsfähigkeit von Open-Source-KI-Modellen. Der Abstand zu proprietären Lösungen wie ChatGPT wird immer geringer.
Diese Entwicklung ist aus mehreren Gründen bedeutsam: Zum einen ermöglicht sie mehr Unternehmen und Entwicklern den Zugang zu fortschrittlicher KI-Technologie. Zum anderen fördert sie Innovation und Transparenz in der KI-Entwicklung. Mit Modellen wie GPT-Neo für Inhaltsgeneration stehen leistungsfähige Tools zur Verfügung, die die KI-Landschaft demokratisieren könnten.
KI wird branchenspezifisch
Die Zukunft der generativen KI könnte auch in maßgeschneiderten Lösungen für spezifische Branchen und Anwendungsfälle liegen. Ob im Gesundheitswesen, in der Finanzbranche oder im Einzelhandel – überall entstehen KI-Anwendungen, die genau auf die Bedürfnisse und Herausforderungen des jeweiligen Sektors zugeschnitten sind. Auch die Deutsche Telekom arbeitet zusammen mit Singtel, SK Telecom und anderen Anbietern im Rahmen der „Global Telco AI Alliance“ an einem eigene LLM, abgestimmt (fine tuning) auf die Bedarfe der Telko Branche weltweit.
KI Spezialisierung verspricht nicht nur effizientere Prozesse, sondern auch innovative Lösungsansätze für branchenspezifische Probleme. Von der Beschleunigung der Medikamentenentwicklung über personalisierte Finanzberatungen hin zur schnelleren Abwicklung von Glasfaser-Anträgen für Städte und Gemeinden – die Möglichkeiten sind nahezu grenzenlos.
Ethik und Verantwortung rücken in den Fokus
Mit der zunehmenden Verbreitung und Leistungsfähigkeit von KI-Systemen gewinnen auch ethische Fragen an Bedeutung. Themen wie Datenschutz, Fairness und Transparenz stehen ganz oben auf der Agenda. Der AI EU Act spielt dabei zumindest für Forschung und Business in Europa eine wichtige Rolle.
Es ist wichtiger denn je, dass wir als Gesellschaft einen verantwortungsvollen Umgang mit KI-Technologien entwickeln. Dazu gehören klare Richtlinien für den Einsatz von KI, aber auch Mechanismen zur Überprüfung und Kontrolle von KI-generierten Inhalten. Manchmal hilft aber auch kein Gesetz, sondern viel mehr die Menschen, die das Thema ernst nehmen und dann konsequent durch- und umsetzen.
Ein paar Ideen dazu
1. Experimentiert mit verschiedenen KI-Tools, um deren Stärken und Schwächen kennenzulernen.
2. Bleibt kritisch und hinterfragt KI-generierte Inhalte – nicht alles, was glänzt, ist Gold.
3. Informiert euch regelmäßig über die neuesten Entwicklungen, z.B. durch Fachblogs oder Podcasts.
4. Denkt über ethische Implikationen nach und diskutiert sie in eurem Umfeld.
5. Kombiniert KI-Tools mit menschlicher Kreativität für die besten Ergebnisse.
Fazit
Die Entwicklung generativer KI schreitet bisher immer noch mit schwindelerregender Beschleunigung voran. Von multimodalen Systemen über effiziente kleine Modelle bis hin zu autonomen Agenten – die Möglichkeiten scheinen grenzenlos.
Genau das aber wird auch zunehmend zum Problem.
Woher weiß man, welcher neue Trend, welches Produkt oder welcher Service nun die richtige Wahl sind? Wer im Unternehmen hat hier Entscheidungskompetenz und -gewalt hier Guidance zu geben? Wo verorten wir unsere KI-Expert*innen? Macht es Sinn KI Wissen dezentral im Unternehmen aufzuhängen? Gleichzeitig stehen wir vor der Herausforderung, diese Technologien verantwortungsvoll und ethisch einzusetzen und kurzfristige (Busines)Ziele mit den lang gesteckten Zielen überein zu bekommen. Da müssen alle mitgenommen werden!
Wie der Futurist Alvin Toffler einmal sagte:
„Die Analphabeten des 21. Jahrhunderts werden nicht diejenigen sein, die nicht lesen und schreiben können, sondern diejenigen, die nicht lernen, verlernen und umlernen können.“
In diesem Sinne lade ich euch ein, immer wieder Fragen zu stellen und so die Entwicklungen im Bereich der generativen KI neugierig aber auch kritisch zu begleiten.
Lasst uns gemeinsam die Zukunft gestalten – eine Zukunft, in der KI uns unterstützt, inspiriert und neue Horizonte eröffnet. Ich freue mich auf eure Gedanken und Erfahrungen in den Kommentaren!
Bis zum nächsten Mal,
Euer Arno
Quellen:
[1] https://howtolearnmachinelearning.com/articles/generative-ai-trends/
[2] https://itrexgroup.com/blog/generative-ai-trends/
[3] https://blog.gramener.com/top-generative-ai-trends/
[4] https://www.jeffbullas.com/ai-news/
[5] https://businesschief.com/top10/top-10-generative-ai-platforms
[7] https://www.simplilearn.com/tutorials/artificial-intelligence-tutorial/top-generative-ai-tools
[8] https://masterofcode.com/blog/generative-ai-trends
What’s next in generative AI? A stocktaking.
Dear Curious, Creative, Explorers,
„Those who stop getting better have stopped being good.“
This quote by Philip Rosenthal hits the nail on the head when it comes to the rapid development of generative AI. In a world that is constantly changing, it is therefore more important than ever to stay on the ball. „So Arno?“ I am then asked, „What’s next?“ Let’s take a look at current trends and developments that, in my very personal opinion, no one should miss in the near future.
The future is multimodal
One of the most exciting developments in the field of generative AI is the rise of multimodal systems. These AI models are no longer limited to a single type of data, but can process and generate text, images, videos, and audio data equally.
Imagine describing a scene to an AI system and it not only creates an image from it, but also matching music or even a short video. This technology opens up completely new possibilities for creative processes and human-machine interaction. Particularly exciting: Open-source models like LLava could soon make this technology accessible to a wider audience.
Small models, big impact
While in the past the motto „bigger is better“ often applied, 2024 showed a clear trend towards smaller, more efficient language models. These so-called Small Language Models (SLMs) are tailored to specific tasks and can deliver impressive results despite their smaller size.
The market for small language models was estimated at USD 7.76 billion in 2023 and is expected to grow further at a compound annual growth rate of 15.6% from 2024 to 2030.
SLMs require less computing power and storage space, making them more cost-effective and environmentally friendly. They can also often deliver more accurate and relevant results than their larger counterparts, as they are trained on higher-quality, specialized datasets. Models like Mistral 7B and Microsoft’s PHI-2 already show the potential of this technology.
AI becomes more independent
Another fascinating trend is autonomous AI agents. These AI systems can independently complete tasks, make decisions, and produce content – without human intervention.
Imagine having a virtual assistant that not only responds to your instructions but proactively solves problems and makes suggestions. This development could completely redefine the way we interact with AI and perhaps lead to more efficient workflows in many industries in the long to medium term.
Open Source is catching up
A particularly exciting trend is the increasing performance of open-source AI models. The gap to proprietary solutions like ChatGPT is getting smaller and smaller.
This development is significant for several reasons: On the one hand, it enables more companies and developers to access advanced AI technology. On the other hand, it promotes innovation and transparency in AI development. With models like GPT-Neo for content generation, powerful tools are available that could democratize the AI landscape.
AI becomes industry-specific
The future of generative AI could also lie in tailored solutions for specific industries and use cases. Whether in healthcare, finance, or retail – AI applications are emerging everywhere that are precisely tailored to the needs and challenges of the respective sector. Deutsche Telekom is also working together with Singtel, SK Telecom, and other providers within the framework a „Global Telco AI Alliance“ on its own LLM, fine-tuned to the needs of the telco industry worldwide.
AI specialization not only promises more efficient processes but also innovative approaches to industry-specific problems. From accelerating drug development to personalized financial advice to faster processing of fiber optic applications for cities and municipalities – the possibilities are almost limitless.
Ethics and responsibility come into focus
With the increasing spread and performance of AI systems, ethical questions are also gaining importance. Topics such as data protection, fairness, and transparency are at the top of the agenda. The AI EU Act plays an important role, at least for research and business in Europe.
It is more important than ever that we as a society develop a responsible approach to AI technologies. This includes clear guidelines for the use of AI, but also mechanisms for reviewing and controlling AI-generated content. Sometimes, however, no law helps, but rather the people who take the issue seriously and then consistently implement it.
A few ideas on this
1. Experiment with different AI tools to learn their strengths and weaknesses.
2. Stay critical and question AI-generated content – not everything that glitters is gold.
3. Stay regularly informed about the latest developments, e.g., through specialist blogs or podcasts.
4. Think about ethical implications and discuss them in your environment.
5. Combine AI tools with human creativity for the best results.
Conclusion
The development of generative AI continues to advance at a dizzying pace. From multimodal systems to efficient small models to autonomous agents – the possibilities seem limitless.
But this is exactly what is increasingly becoming a problem.
How do you know which new trend, which product, or which service is now the right choice? Who in the company has the decision-making competence and authority to provide guidance here? Where do we locate our AI experts? Does it make sense to hang AI knowledge decentrally in the company? At the same time, we face the challenge of using these technologies responsibly and ethically and reconciling short-term (business) goals with long-term goals. Everyone needs to be involved!
As futurist Alvin Toffler once said:
„The illiterates of the 21st century will not be those who cannot read and write, but those who cannot learn, unlearn, and relearn.“
In this spirit, I invite you to keep asking questions and thus curiously but also critically accompany the developments in the field of generative AI.
Let’s shape the future together – a future in which AI supports us, inspires us, and opens up new horizons. I look forward to your thoughts and experiences in the comments!
Take care & until next time,
Yours Arno
Sources: