Nexus 224: Fokus auf drei Themensträngen bei KI, Taskbündel, VR-Headsets kommen, ein Jahr 404 Media

Hi,

heute unter anderem drei Stränge, wo der Fokus bei KI liegen sollte.

Marcel

🤖 KI

Drei Stränge: Einordnung und Fokus beim Thema KI

Seit Ende 2022 ordne ich das Thema KI hier prominent jede Woche im Briefing ein. Statt auf aktuelle Entwicklungen einzugehen, möchte ich hier einmal kurz darlegen, was mein aktueller Fokus beim Thema ist und wo ich die größten Potenziale und spannendsten Entwicklungen sehe.

1. Modellmixe:

a.) Über dem Modell: Ob Apple oder anderweitig, ich sehe enorm viel Potenzial bei der systemischen Verknüpfung von Modellen, großen und kleinen, allgemeinen und spezialisierten. In der Forschung sind Modellkaskaden (hintereinander geschaltete Modelle) seit längerem ein Thema. Unter anderem lassen sich damit Kosten enorm einsparen, was allerdings zunehemend weniger wichtig wird.

Spannender in meinen Augen: Parallele Modelle können das Vier-Augen-Prinzip hochskalieren in industrielle Größenordnungen. Das könnte unter anderem auf diesem Level (also eins über dem Modell) das Halluzinationsproblem lösen oder auch Fehlentscheidungen der Modelle bei kognitiv anspruchsvolleren Aufgaben minimieren.

b.) Im Modell (MoE): Mixture of Experts (MoE) ist im Grunde das Gleiche nur für Modellanbieter, die einfach viele Modelle miteinander koppeln und sagen, es sei ein Modell. Mistral aus Paris etwa ist sehr erfolgreich mit dem MoE-Ansatz.

Die großen Sprachmodelle sind erstaunlich mächtig, was uns vom Grundprinzip der Arbeitsteilung abgelenkt hat. Ich gehe davon aus, dass wir sowohl bei den großen Modellen als auch bei den Modellmixen sehr große Sprünge sehen werden.

Kombiniert man beides, dann nunja.. Wir sind weit vom Ende der Fahnenstange entfernt.

2. UX/UI:

Wir hängen sehr zurück auf der UX/UI-Ebene. Ich setze hier nicht auf die Modellanbieter, sondern auf die Startups darüber. Perplexity ist das Paradebeispiel. Das Startup schlägt in der UX sowohl den Platzhirsch Google als auch den Modellanbieter OpenAI mit dessem neuen SearchGPT.

3. Entbündelung von Jobs und Prozessen:

LLMs und co. werden KI genannt, weil Computer auf einmal Dinge machen können, die vorher kein anderes Werkzeug uns abnehmen konnte. Kreative Arbeiten, Mollicks Co-Intelligence etc.

Die Herausforderung ist, dass wir jetzt entbündeln müssen, was wir noch nie entbündeln oder auseinanderzehren mussten.

Physische Arbeit wird seit Anbeginn der Zeit zerlegt, angefangen mit dem Stock, dem Stein, dem Speer, dem Lastentier, das den Pflug zieht. Kopfarbeit, zumindest in diesem Ausmaß, ist neu.

Jeder Job ist ein Bündel aus Tasks, aus Aufgaben.

Vielleicht habe ich hier ein Hammer-Nagel-Problem, aber ich bin recht überzeugt davon, dass KI in Unternehmen und im Privaten nur vorankommt, wenn die Tasks hinter den Jobs analysiert werden.

Für Unternehmen heißt das unter anderem Organisationtstheorie. (Which, you may have guessed, is what ich u.a. studiert habe.)

Auch hier sehe ich die vielversprechendste Wertschöpfungsebene bei Startups über der Modellebene. Diese Dinge werden nicht von Modellanbietern wie OpenAI oder Mistral gelöst werden.

Taskbündel: Bedeutungsfindung/Meaningmaking at work