Es ist Zeit, den AI-Schlagstock von Software zu Hardware zu übergeben

Es ist unwahrscheinlich, dass wir in unseren Lebenszeiten auf eine Technologie stoßen, die folgenreicher und wichtiger ist als künstliche Intelligenz. Die Präsenz von künstlicher Intelligenz hat bereits die menschliche Erfahrung und die Art und Weise, wie Technologie unser Leben prägen kann, verändert, und ihre Auswirkungen werden nur noch breiter.

Mit diesem Hintergrund im Blick haben AI-Innovatoren und Führungskräfte in den letzten 25 Jahren Daten gesammelt und Modelle weiterentwickelt, um die Software zu schaffen, die generative künstliche Intelligenz antreibt. Künstliche Intelligenz stellt den Höhepunkt der Software dar: Ein amorphen Werkzeug, das Werkzeuge reproduzieren kann, um Probleme über Abstraktionsebenen hinweg zu lösen. Unternehmen, die Rechenimperien aufbauen oder solche, die LLMs erwerben, um ihre Software-Angebote zu stärken, sind heute alltägliche Erscheinungen.

Wo gehen wir also von hier aus?

Selbst mit unbegrenztem Rechenvermögen wird die Sammlung von Schlussfolgerungen mithilfe aller vorhandenen Daten asymptotisch den bestehenden Bestand an menschlichem Wissen erreichen. Genau wie Menschen experimentieren müssen, um mit der äußeren Welt zu interagieren, liegt die nächste Grenze der künstlichen Intelligenz darin, die Technologie sinnvoll mit der physischen Welt zu verbinden, um neue Daten zu generieren und die Grenzen des Wissens zu erweitern.

Interaktion durch Experimentierung

Das Potenzial der künstlichen Intelligenz zu erkunden, erfordert es, ihre Nutzung auf persönlichen Computern oder Smartphones zu überschreiten. Ja, diese Werkzeuge sind wahrscheinlich die einfachsten Zugangspunkte für die AI-Technologie, aber sie setzen Grenzen für das, was die Technologie erreichen kann.

Obwohl die Umsetzung viel zu wünschen übrig ließ, zeigten die Ray-Ban Smart Sonnenbrillen, die von Metas AI-System angetrieben wurden, einen Beweis des Konzepts in Wearables, die mit AI-Technologie infundiert sind. Diese Beispiele für hardware-erste Integrationen sind entscheidend, um die Vertrautheit und Benutzerfreundlichkeit von AI außerhalb eines Geräteumfelds aufzubauen, da sie zeigen, wie man diese großen technologischen Fortschritte nahtlos macht.

Nicht jedes Experiment mit künstlicher Intelligenz in der realen Welt wird ein Erfolg sein, das ist genau der Grund, warum sie Experimente sind. Allerdings zeigt die Demonstration des Potenzials von hardware-ersten AI-Anwendungen, wie breit die Palette ist, in der diese Technologie nützlich und anwendbar außerhalb des “persönlichen Assistenten”-Kastens sein kann, in dem sie derzeit steckt.

Letztendlich werden die Unternehmen, die zeigen, wie man künstliche Intelligenz praktisch und legitim macht, diejenigen sein, die experimentelle Datenpunkte generieren, die man einfach nicht aus Webanwendungen erhalten kann. Natürlich erfordert all dies Rechenvermögen und Infrastruktur, um ordnungsgemäß zu funktionieren, was eine größere Investition in den Aufbau der physischen Infrastruktur von künstlicher Intelligenz erfordert.

Aber sind AI-Unternehmen bereit und willens, das zu tun?

Das Hardware- und Software-Dialog

Es ist leicht zu sagen, dass rechenintensive AI-Anwendungen in physischen Produkten zur Norm werden, aber es erfordert viel mehr Disziplin, um dies Realität werden zu lassen. Es gibt nur begrenzte Ressourcen und Willen, um den weniger begangenen Weg zu gehen.

Was wir heute sehen, ist eine Form von kurzfristiger AI-Überbewertung, die der typischen Marktreaktion auf disruptive Technologien ähnelt, die neue Branchen schaffen. Es ist also klar, warum es möglicherweise eine Zurückhaltung von Unternehmen gibt, die AI-Software aufbauen oder damit experimentieren, um teure und rechenintensive Hardware-Unternehmungen zu starten.

Aber jeder mit einem weiteren Blickwinkel kann sehen, warum dies möglicherweise ein kurzsichtiger Ansatz für Innovation ist.

Unerwarteterweise gibt es viele Vergleiche zwischen dem AI-Boom und der frühen Internets Dotcom-Blase, in der Projekte, die sich auf kurzfristige Ziele konzentrierten, untergingen, als sie platzte. Aber wenn wir kollektiv die Internet-Technologie wegen des Nachwirkens der Dotcom-Blase abschreiben würden, anstatt uns auf die langfristigen Ideen zu konzentrieren, die lange nach ihr überlebt haben, wären wir nicht einmal in der Nähe der technologischen Landschaft, in der wir heute sind. Große Ideen überdauern jede Mode.

Darüber hinaus ist Rechenvermögen der Dreh- und Angelpunkt für jede AI-Innovation, um weiter voranzukommen. Und wie jeder AI-Entwickler Ihnen sagen wird – Rechenvermögen ist sein Gewicht in Gold wert. Allerdings setzt dies auch eine Grenze für die Anzahl der Projekte, die realistisch in der Lage sind, realweltliche AI-Anwendungen zu erforschen, wenn already die Modellentwicklung allein Ressourcen verbraucht. Aber kein Unternehmen kann seine Marktdominanz allein durch Software aufrechterhalten – egal, wie beeindruckend ihre LLM ist.

Es ist bequem für AI-Unternehmen, mit Software zu beginnen und geduldig auf einen Hardware-Anbieter zu warten, der hereinkommt und die Technologie erwirbt oder lizenzieren lässt. Nicht nur ist dies extrem einschränkend, es lässt auch viele unglaubliche Projekte dem Willen von Außenstehenden ausgeliefert, die möglicherweise nie kommen.

Künstliche Intelligenz ist eine Technologie, die mehrere Generationen umspannt und nur noch mehr auf den Einzelnen zugeschnitten wird, s als Zeit progresses. However, es liegt an den Projekten, die Vorteile einer im Wesentlichen gleichberechtigten Software-Landschaft zu nutzen, um echte Schritte in die physische Welt zu machen. Ohne mutige Experimente und sogar Misserfolge wird es keinen Weg nach vorne für die AI-Technologie geben, um ihr volles Potenzial bei der Verbesserung der menschlichen Erfahrung zu realisieren.