Wie real ist KI?

SHARE:
Copied!

Alle paar Jahre wird eine neue Hype-Technologie zum leuchtenden Stern. Es saugt den gesamten Sauerstoff aus dem Raum und wird für eine Weile zum Schlagzeilen-Liebling. Die Liste der Technologien, die die Nadel nach vorne bewegen, um das Unternehmen besser zu führen oder zum Wachstum eines Unternehmens beizutragen, ist beeindruckend. Sie bieten große Gewinne, haben aber manchmal nur eine begrenzte Haltbarkeit. Dies könnte auf einen eventuellen Mangel an beeindruckenden Ergebnissen zurückzuführen sein. Aber öfter werden sie von einer neueren, glänzenderen Technologie verdrängt, die einfach ihre Arbeit besser, schneller und stärker macht. Business-Management-Software ist nur ein Beispiel für einen Markt, für den neue Technologien kein Fremder ist und meistens sehr begünstigt davon ist. Alleine in dieser Branche gibt es viele Marktverlierern, die sich nicht rechtzeitig angepasst haben.

Harvard Business Review hat kürzlich einen Artikel veröffentlicht, der auf die Gefahren hinweist, denen Unternehmen ausgesetzt sind, wenn sie die KI nicht früher als später übernehmen. Das klingt zunächst nach angstmachenden journalistischen Schlagzeilen, aber sie haben ein paar sehr feine und genaue Punkte. Sie behaupten nicht, dass die KI das Ende ist, aber sie ist eine natürliche Entwicklung. Alle neuesten glänzenden technischen Werkzeuge sind im Laufe der Zeit gereift, um die heute existierenden KI-Tools zu entwickeln. Es sind natürliche Akkretionen anstelle von massiven Ersatzstoffen. Auf der anderen Seite könnten diese Risiken disruptiv, verwässernd oder das Ende eines Unternehmens sein.

Sind Sie bereit, jetzt mit der KI zu beginnen? Oder wollen Sie weiter abwarten?

Meine Empfehlung: Fangen Sie jetzt an!

Nun, lassen Sie mich Ihnen sagen, warum.

Erstens, KI-Systeme sind positiv. Man wacht nicht eines Tages mit einem Doktortitel auf, macht den Ironman in Kona, Hawaii, oder implementiert erfolgreiche KI-Systeme. Diese Dinge brauchen Zeit. Es gibt einen Lebenszyklus, der der Analogie „Krabbeln, Gehen und Rennen“ ähnlich ist, wie Unternehmen von der Einführung von KI, der Implementierung erfolgreicher Modelle bis hin zum Aufbau einer vollständig erfolgreichen skalierten KI-Implementierung vorgehen können. Unter skalierten KI-Implementierungen verstehen wir aber nicht einige Datenwissenschaftler mit einer Handvoll GPUs, die sporadisch erfolgreiche Modelle erstellen, die einmalige Ergebnisse implementieren. Es gibt eine ganzheitliche Umgebung, in der Datenwissenschaftler und Dateningenieure Daten beschriften und auswerten, Ergebnisse visualisieren, Modelle erstellen und die Wirksamkeit dieser Modelle im Maßstab überprüfen können. Dies können mehrere Modelle sein, die aus großen Datensätzen pro Tag für jeden Datenwissenschaftler erstellt werden und ständig durch Dateningenieure auseinander genommen werden.

Die neueste #RapidsAI-Ankündigung von Nvidia, die hier zu finden ist und sich auf GPUs für Data Science and Engineering konzentriert, wird sicherlich eine weitere Disruption in der sich verändernden Umgebung darstellen. Es ist eine weitere bahnbrechende Entwicklung, die die Modernisierung von Data Science und Data Engineering Tools vorantreibt. Die Effizienz der Beschleunigung und Skalierung von Data Engineering-Aufgaben mit GPUs wird jedoch einige Zeit in Anspruch nehmen, um den Markt zu verändern. Wie in der Natur bedarf es Zeit für die Evolution und es wird immer wieder eine neue Innovation geben.

Zweitens, Governance geschieht nicht über Nacht.

Verwechseln Sie die Steuerung von KI und fortgeschrittener Analytik nicht mit einer regulatorisch bedingten Überwachung. Eine gute Überwachung/Regulierung von erweiterter Analytik beinhaltet die Überprüfungen auf Verzerrung (oder die Chance, dass ein Modell einige inhärente falsche Annahmen und Zugehörigkeiten hat), auf veraltete Modelle (wenn sich der demografische oder historische Datensatz, auf dem es basiert, wesentlich geändert hat) und auf die Ausrichtung (wenn das Modell und die Ergebnisse im Einklang mit der Mission des Unternehmens stehen und keine falsche Aussage über das Unternehmen verbreiten).

In meiner Zusammenarbeit mit der Automobilindustrie rund um ADAS (Advanced Driver Assistance Systems) sind die meisten der wichtigsten Modellsysteme für die OEMs und Tier 1 ADAS-Hersteller für eine tägliche Rekalibrierung ausgelegt. Genauer gesagt, haben sie ein Service-Level-Agreement und eine Umgebung geschaffen, in der sie die gesamte Simulation eines Modells an einem einzigen Tag neu trainieren können……. Dies ist ein Beispiel für eine Branche, in der die regulatorische Überwachung (der Sicherheit) derzeit begrenzt ist (aber kommt). Indem sie die Notwendigkeit eines schnellen Turnarounds antizipiert, um plötzliche Sicherheitsprobleme schnell zu lösen, ist deren KI-Governance bereit für alle zukünftigen Änderungen, die eine Regierung vorschreiben könnte. Die Möglichkeit, Produkte früher auf den Markt zu bringen, ist ein Bonus. So sieht eine ausgereifte KI-Governance aus.

Der dritte und wahrscheinlich am meisten diskutierte Punkt ist der Investitionsweg in die KI. Regelmäßig werde ich von Technologiemanagern angesprochen, die Schwierigkeiten haben, ihre KI-Bemühungen umzusetzen. Allzu oft stürzten sich diese Unternehmen auf den KI-Zug, ohne den Weg vollständig abzustecken. Diese Unternehmen haben sich allzu oft auf die vollständig integrierte KI-Technologie eines Drittanbieters verlassen, um ihre Bemühungen zu beschleunigen. Dies beschleunigte ihre ersten Schritte in die KI-Umgebung und brachte ihnen Geschwindigkeit im ersten Punkt oben. Leider kommt dies oft auf das Fehlen von geistigem Eigentum (IP, intellectual property) zurück. Am Ende des Tages ist die gesamte IP im Besitz des Dritten – die Produktdifferenzierung des Unternehmens wurde durch die Technologie eines anderen kontrolliert. Dies ist oft eine strategische Herausforderung und führt oft zu Fragen der Kosten oder der Frage, wie das Unternehmen die Technologie zwangsläufig zu seinem eigenen Angebot reifen will. Sie können es aber nicht, da sie nicht die IP besitzen. Dies ist der Unterschied zwischen einem Platform as a Service (PAAS)-Modell, bei dem Sie die Infrastruktur nutzen und die Technologie besitzen, und einem Software as a Service (SAAS)-Modell, bei dem Sie nur bestimmte Modelle besitzen, die auf der Technologie eines anderen aufbauen. Es ist wichtig, den Unterschied und die Auswirkungen auf Ihr Unternehmen zu verstehen.

Sind Sie bereit, sich in das Thema KI zu stürzen?

Dell Technologies kann Ihnen helfen. Wir haben Erfahrung in der Skalierung und wir haben Partner, die uns helfen können, diese in Ihrem Namen in einem kostenfreundlichen PAAS-Modell zu betreiben. Wir können Ihnen helfen, Ihr geistiges Eigentum zu Ihrem gewünschten Kostenmodell zu besitzen.

Continue Reading
Would you like to read more like this?

Related Posts

Wenn Mode auf Technik trifft

Gastbeitrag von Rahmée Wetterich, Miteigentümerin der Modemarke NOH NEE und Vorsitzende von „THE PROJECT JUSTINE – train the trainer“   Selbstverständlich ist das Entwerfen von Dingen, die unsere Persönlichkeit … READ MORE

Ute Riester November 7th, 2019
Click to Load More
All comments are moderated. Unrelated comments or requests for service will not be published, nor will any content deemed inappropriate, including but not limited to promotional and offensive comments. Please post your technical questions in the Support Forums or for customer service and technical support contact Dell EMC Support.