Künstliche Intelligenz und riesige Datenmengen machen es den Technologiegiganten schwer, übertroffen zu werden

In der Technologiebranche hat es noch nie einen „Jahrhundertladen“ gegeben, der ewig Bestand hatte. Im Internetzeitalter hätte zum Beispiel niemand gedacht, dass Nokia, einst so mächtig auf dem Mobiltelefonmarkt, irgendwann untergehen und den Markt verlassen würde. Mit dem Beginn des KI-Zeitalters begannen die Technologiegiganten, intern Innovationen zu entwickeln, um zu verhindern, dass sie von der Zeit eliminiert werden, in der Hoffnung, ihre eigenen Entwicklungsengpässe zu überwinden. Wer im Bereich KI erfolgreich sein möchte, kommt ohne Daten als Grundelement nicht aus. Es gibt ein Sprichwort: Wenn Ihnen die Daten gehören, gehört Ihnen die Zukunft. Stimmt das?

Anfang dieser Woche veröffentlichte Google einen Forschungsbericht zur künstlichen Intelligenz, dessen Ergebnisse uns an wichtige Geschäftsdynamiken während des aktuellen KI-Booms erinnerten. Verbraucher und Wirtschaft sind zunehmend vom Ökosystem der Technologieunternehmen abhängig geworden, das seit langem als innovativ und nicht monopolistisch gilt, weil es nur durch interne Disruption funktioniert und so kleinen Unternehmen ermöglicht, große Unternehmen zu stören. Doch wenn der Wettbewerb im Technologiesektor auf maschinellen Lernsystemen beruht, die auf riesigen Datenmengen basieren, könnte es schwieriger denn je werden, die Technologiegiganten zu übertreffen.

Am Montag veröffentlichte Google ein neues Vorabdruckpapier, in dem eine „teure“ Zusammenarbeit mit der Carnegie Mellon University (CMU) beschrieben wird. Ihre Bilderkennungsexperimente dauerten zwei Monate, um 50 leistungsstarke Grafikprozessoren zu integrieren, und verwendeten einen beispiellosen Satz von 300 Millionen beschrifteten Bildern (viele Versuche zur Bilderkennung verwenden einen Standardsatz von nur 1 Million Bildern). Ziel des Projekts ist es zu testen, ob eine genauere Bilderkennung durch die Bereitstellung weiterer Daten erreicht werden kann, anstatt bestehende Algorithmen zu optimieren.

Die Antwort ist ja. Nachdem die Forscher von Google und der CMU ein Standard-Bildverarbeitungssystem mit ihrem neuen Datensatz trainiert hatten, stellten sie fest, dass es bei mehreren Standardtests zur Bildinterpretation durch Software, beispielsweise bei der Erkennung von Objekten in Fotos, hochmoderne Ergebnisse lieferte. Es bestand eine klare Korrelation zwischen der Menge der extrahierten Daten und der Genauigkeit des Bilderkennungsalgorithmus. Die Erkenntnisse tragen zur Klärung einer Frage bei, die in der Forschung zur künstlichen Intelligenz häufig gestellt wird: Kann man aus bestehenden Algorithmen mehr Daten herausholen, indem man sie mit mehr Daten füttert?

Das Experiment zeigt, dass der Besitz riesiger Datenmengen weitgehend mit größerer Macht gleichzusetzen ist. Das bedeutet auch, dass Technologiegiganten mit riesigen Datenmengen wie Google, Facebook oder Microsoft möglicherweise größere Vorteile als zuvor erzielen. Allerdings bringt der riesige Bilddatensatz von Google mit 300 Millionen Bildern keine großen Vorteile – eine Erhöhung von 1 Million auf 300 Millionen Bilder erhöht die Objekterkennungswerte lediglich um 3 Prozentpunkte. Die Autoren des Artikels sind jedoch der Ansicht, dass sie diesen Vorteil noch ausbauen können, indem sie die Software optimieren, um sie für sehr große Datensätze besser geeignet zu machen. Selbst wenn sich das als falsch herausstellen sollte, zählen in der Technologiebranche selbst die kleinsten Vorteile. Beispielsweise wird jede noch so kleine Verbesserung der Sehschärfe eines selbstfahrenden Autos von entscheidender Bedeutung sein, und bei einem Produkt, das potenziell Milliardenumsätze generieren könnte, wird jeder Effizienzgewinn enorm sein.

Für KI-zentrierte Unternehmen ist das Sammeln von Daten zu einer Verteidigungsstrategie geworden. Google, Microsoft und andere Unternehmen stellen einen Großteil ihrer Software – und sogar ihrer Hardwaredesigns – als Open Source zur Verfügung, jedoch selten die Daten, die diese Tools zum Funktionieren bringen.

Laut Leifeng.com erklärte Google bei der Ankündigung der Open-Source-KI-Engine TensorFlow, dass der wahre Wert der KI nicht in der Software oder den Algorithmen liege, sondern in den Daten, die erforderlich seien, um sie intelligenter zu machen. Google wird möglicherweise auf andere Inhalte verzichten, die Daten wird es aber auf jeden Fall behalten, zumindest vorerst.

Allerdings machen die Tech-Giganten einige Daten öffentlich. Letztes Jahr veröffentlichte Google einen riesigen Datensatz mit über 7 Millionen YouTube-Videos und Salesforce öffnete Wikipedia, um Algorithmen bei der Sprachanalyse zu unterstützen. Doch eine solche Offenheit bringt potenziellen Konkurrenten oft keinen großen Mehrwert, sagt Luke de Oliveira, Partner im KI-Entwicklungslabor Manifold und Gastforscher am Lawrence Berkeley National Lab. „Diese Datensätze waren nie entscheidend dafür, dass ein Produkt seine Marktposition behaupten konnte“, sagte er.

Mit dem Aufkommen des Cloud Computing haben Unternehmen wie Amazon und Microsoft Zugriff auf die enorme Rechenleistung des Internets. Doch die wertvollsten Daten liegen noch immer in den Händen von Giganten wie Google und Facebook, deren Dienste von fast Milliarden Menschen genutzt werden. Dazu gehören auch umfangreiche Kommunikationsinformationen von Texten über Bilder und Videos bis hin zu Sprachnachrichten. Sie alle arbeiten daran, leistungsstarke KI-Software zu entwickeln, doch ihr wirklicher Wettbewerbsvorteil liegt in den riesigen Mengen hochwertiger Daten, die sie nutzen können, um ihrer Software beizubringen, wie ein Mensch zu denken.

Forscher von Google und der CMU sagten, dass sie mit den wertvollen Daten, die sie verarbeitet haben, hoffen, ihre neuesten Forschungsergebnisse dazu nutzen zu können, einen offeneren Bilddatensatz zu erstellen, der besser auf Googles Maßstab zugeschnitten ist. „Wir hoffen aufrichtig, dass die Vision-Community den Wert der Daten nicht unterschätzt und dass wir durch unsere gemeinsamen Anstrengungen größere Datensätze erstellen können“, schrieben sie. Abhinav Gupta, der die Studie leitete, glaubt, dass eine ihrer Optionen darin besteht, mit der Common Visual Data Foundation zusammenzuarbeiten, einer gemeinnützigen Organisation, die von Facebook und Microsoft gegründet wurde und ihren Bilddatensatz zugänglich gemacht hat.

Gleichzeitig müssen datenarme Unternehmen kreativ werden, wenn sie in einer Welt überleben wollen, die von datenreichen Giganten unter Druck gesetzt wird, die ihre Algorithmen immer intelligenter machen wollen. Jeremy Achin, CEO von DataRobot, spekuliert, dass dieses Modell weite Verbreitung finden könnte, da maschinelles Lernen in vielen Unternehmen und Branchen immer wichtiger wird, beispielsweise in der Versicherungsbranche, wo kleine Unternehmen durch die von ihnen gesammelten Daten in der Lage sind, bei der Risikoprognose mit großen Unternehmen zu konkurrieren.

Dieser Fortschritt könnte die Datenökonomie der KI revolutionieren, indem er maschinelles Lernen von Datenknappheit befreit. Im vergangenen Jahr hat Uber zu diesem Zweck ein KI-Unternehmen übernommen, versucht nun aber möglicherweise auch, den Datenvorteil von KI-Praktikern zu umgehen. Rachel Thomas, Mitbegründerin von Fast.ai, einem Unternehmen, das sich der Bereitstellung von maschinellem Lernen verschrieben hat, glaubt, dass Startups maschinelles Lernen oft in Bereichen (wie der Landwirtschaft) anwenden können, die für die Internetgiganten noch nicht einmal ansatzweise erschlossen sind. „Ich bin nicht sicher, ob diese großen Unternehmen überall einen großen Vorteil haben, aber es gibt viele spezielle Bereiche, in denen derzeit niemand Daten sammelt“, sagte sie. Selbst die Giganten auf dem Gebiet der künstlichen Intelligenz haben ihre blinden Flecken.

Von: Leifeng.com zusammengestellt von Wierd