🤖 Das Problem des Long Tail in der KI: Demokratisierung des Zugangs zu KI-Systemen
Künstliche Intelligenz (KI) war bisher in den Händen hochqualifizierter KI-Ingenieure, die in großen Technologieunternehmen arbeiten. Die meisten Menschen haben nur Zugriff auf die KI, die für sie entwickelt wurde. Ich glaube jedoch, dass wir eine viel reichhaltigere Gesellschaft aufbauen können, wenn wir es jedem ermöglichen, die Zukunft mitzugestalten. Aber warum konzentriert sich KI hauptsächlich in den großen Technologieunternehmen? Viele dieser KI-Projekte waren teuer in der Entwicklung und erforderten Dutzende hochqualifizierter Ingenieure sowie Kosten in Millionenhöhe, manchmal sogar in zweistelliger Millionenhöhe, um ein KI-System aufzubauen. Die großen Technologieunternehmen, insbesondere diejenigen mit Hunderten von Millionen oder sogar Milliarden von Nutzern, waren besser als alle anderen darin, diese Investitionen rentabel zu machen. Diese Erfolgsformel für KI funktioniert jedoch nicht außerhalb des Technologiesektors und des Internets, in Bereichen, in denen es kaum Projekte gibt, die sich auf 100 Millionen Menschen beziehen oder vergleichbare wirtschaftliche Vorteile generieren.
🤔 Warum konzentriert sich KI in großen Technologieunternehmen?
Viele KI-Projekte waren teuer in der Entwicklung und erforderten Dutzende hochqualifizierter Ingenieure sowie Kosten in Millionenhöhe, manchmal sogar in zweistelliger Millionenhöhe, um ein KI-System aufzubauen. Die großen Technologieunternehmen, insbesondere diejenigen mit Hunderten von Millionen oder sogar Milliarden von Nutzern, waren besser als alle anderen darin, diese Investitionen rentabel zu machen. Diese Erfolgsformel für KI funktioniert jedoch nicht außerhalb des Technologiesektors und des Internets, in Bereichen, in denen es kaum Projekte gibt, die sich auf 100 Millionen Menschen beziehen oder vergleichbare wirtschaftliche Vorteile generieren.
🍕 Das Beispiel einer Pizzeria
Lassen Sie mich ein Beispiel veranschaulichen. An vielen Wochenenden fahre ich ein paar Minuten von meinem Haus zu einer örtlichen Pizzeria, um mir ein Stück Hawaiian Pizza von dem Besitzer dieser Pizzeria zu kaufen, und seine Pizza ist großartig. Aber er hat immer viele kalte Pizzen herumliegen, und jedes Wochenende gibt es eine andere Sorte Pizza, die übrig bleibt. Aber wenn ich ihn dabei beobachte, wie er seinen Laden führt, werde ich aufgeregt, denn indem er Pizza verkauft, generiert er Daten, und das sind Daten, die man nutzen kann. Wenn er Zugang zu KI hätte, sind KI-Systeme gut darin, Muster zu erkennen, wenn sie Zugang zu den richtigen Daten haben, und vielleicht könnte ein KI-System erkennen, ob mediterrane Pizzen an einem Freitagabend besonders gut verkauft werden, und ihm vorschlagen, mehr davon am Freitagnachmittag zuzubereiten.
Nun könnten Sie zu mir sagen: “Hey Andrew, das ist eine kleine Pizzeria, was ist das Besondere daran?” Und ich sage dem Besitzer dieser Pizzeria, dass ihm etwas, das seine Einnahmen um ein paar tausend Dollar pro Jahr steigern könnte, sehr wichtig sein wird. Ich weiß, dass es viel Hype um den Bedarf an massiven Datensätzen für KI gibt und dass mehr Daten helfen können, aber entgegen dem Hype kann KI oft auch mit moderaten Datenmengen gut funktionieren, wie den Daten, die durch einen einzelnen Laden generiert werden. Das eigentliche Problem besteht also nicht darin, dass es nicht genügend Daten von der Pizzeria gibt, sondern dass diese kleine Pizzeria niemals genügend Kunden bedienen könnte, um die Kosten für die Einstellung eines KI-Teams zu rechtfertigen.
🛍️ Das Beispiel eines T-Shirt-Unternehmens
Wie wäre es, wenn wir kleinen Unternehmen, insbesondere lokalen Unternehmen, den Einsatz von KI ermöglichen könnten? Schauen wir uns an, wie es bei einem Unternehmen aussehen könnte, das T-Shirts herstellt und verkauft. Es wäre großartig, wenn ein Buchhalter, der für das T-Shirt-Unternehmen arbeitet, KI für die Nachfrageprognose nutzen könnte, um herauszufinden, welche lustigen Memes auf T-Shirts gedruckt werden sollten, um den Verkauf anzukurbeln, indem er sich ansieht, was in den sozialen Medien im Trend liegt, oder für die Platzierung von Produkten. Warum sollte nicht ein Filialleiter Fotos von seinem Laden machen und sie einer KI zeigen können, die dann empfiehlt, wo Produkte platziert werden sollten, um den Umsatz zu steigern? In der Lieferkette könnte eine KI einem Einkäufer empfehlen, ob er jetzt zwanzig Dollar pro Yard für einen Stoff bezahlen sollte oder ob er weiter suchen sollte, weil er ihn möglicherweise anderswo günstiger finden kann. Oder bei der Qualitätskontrolle könnte ein Qualitätsinspektor KI verwenden, um automatisch Bilder des Stoffs, der zur Herstellung von T-Shirts verwendet wird, zu scannen und zu überprüfen, ob es Risse oder Verfärbungen im Gewebe gibt.
Heutzutage nutzen große Technologieunternehmen routinemäßig KI, um solche Probleme zu lösen und Effekte zu erzielen. Aber ein typisches T-Shirt-Unternehmen, eine typische Autowerkstatt, ein Einzelhändler, eine Schule oder eine lokale Farm nutzen heute genau null dieser Anwendungen von KI. Jeder T-Shirt-Hersteller ist so unterschiedlich von jedem anderen T-Shirt-Hersteller, dass es keine Einheits-KI gibt, die für alle von ihnen funktionieren würde. Und tatsächlich haben auch große Unternehmen außerhalb des Internet- und Technologiesektors, wie Pharmaunternehmen, Automobilhersteller und Krankenhäuser, mit diesem Problem zu kämpfen. Dies ist das Problem des Long Tail in der KI.
🌟 Höhepunkte
– KI war bisher in den Händen hochqualifizierter KI-Ingenieure, die in großen Technologieunternehmen arbeiten.
– Die großen Technologieunternehmen waren besser als alle anderen darin, diese Investitionen rentabel zu machen.
– KI kann oft auch mit moderaten Datenmengen gut funktionieren.
– Das eigentliche Problem besteht darin, dass kleine Unternehmen niemals genügend Kunden bedienen könnten, um die Kosten für die Einstellung eines KI-Teams zu rechtfertigen.
– Jeder T-Shirt-Hersteller ist so unterschiedlich von jedem anderen T-Shirt-Hersteller, dass es keine Einheits-KI gibt, die für alle von ihnen funktionieren würde.
❓ FAQ
F: Was ist das Problem des Long Tail in der KI?
A: Das Problem des Long Tail in der KI besteht darin, dass jedes Unternehmen so unterschiedlich ist, dass es keine Einheits-KI gibt, die für alle von ihnen funktionieren würde.
F: Warum konzentriert sich KI hauptsächlich in großen Technologieunternehmen?
A: Viele KI-Projekte waren teuer in der Entwicklung und erforderten Dutzende hochqualifizierter Ingenieure sowie Kosten in Millionenhöhe, manchmal sogar in zweistelliger Millionenhöhe, um ein KI-System aufzubauen. Die großen Technologieunternehmen, insbesondere diejenigen mit Hunderten von Millionen oder sogar Milliarden von Nutzern, waren besser als alle anderen darin, diese Investitionen rentabel zu machen.