Welchen Platz hat generative KI im Internet der Dinge?

Generative KI ist eine Reihe von Modellen für maschinelles Lernen, die darauf trainiert werden, anhand einer Eingabeaufforderung den nächsten Wortsatz oder das richtige Bild zu erraten.

In letzter Zeit machen sich die Mainstream-Medien große Sorgen um die digitalen Assistenten Alexa, Siri und Google. Dies liegt daran, dass diese Produkte bisher keine generative KI nutzen. Bei der generativen KI handelt es sich um eine Reihe von Modellen für maschinelles Lernen, die darauf trainiert werden, anhand einer Eingabeaufforderung den nächsten Wortsatz oder das richtige Bild zu erraten.

DALL-E, Stable Diffusion und Midjourney sind für die Bilderzeugung beliebt und werden Anfang 2021 verfügbar sein. Der neueste Hype dreht sich jedoch um große Sprachmodelle, insbesondere um ChatGPT, das von OpenAI erstellt wurde. Wenn jemand Tipps und Stilvorschläge eingibt, sind die Ergebnisse leicht lesbar und liefern tatsächliche Informationen oder die Illusion von Informationen.

Alle Geräte sind aufregend und haben einen großen Einfluss darauf, wie Arbeit erledigt, Inhalte erstellt und Ihr Unternehmen aufgebaut wird. Allerdings gibt es Bedenken hinsichtlich der Genauigkeit generativer KI. Wir müssen uns immer noch mit der Möglichkeit auseinandersetzen, generative KI für einfache Propaganda, Betrug und anderes böswilliges Verhalten zu nutzen, anstatt generative KI einfach blind als eine weltverändernde Technologie zu akzeptieren.

Dennoch befinden wir uns derzeit in einem Stadium, in dem Technologen blind auf generative KI vertrauen, einschließlich Milliardeninvestitionen in Unternehmen, die mit Anwendungsfällen und neuen Modellen experimentieren. Wir befinden uns immer noch in einem Stadium, in dem Medienvertreter stundenlang versuchen, diese Modelle zu Fehlverhalten zu verleiten oder zu beweisen, dass KI empfindungsfähig und möglicherweise feindselig für uns ist.

Aber darum geht es in diesem Artikel nicht. Dieser Artikel konzentriert sich auf Bereiche, in denen generative KI einen erheblichen Einfluss auf die Art und Weise haben wird, wie IoT eingesetzt und genutzt wird. Wo können wir beispielsweise das Benutzererlebnis verbessern? Welche anderen generativen KI-Modelle können im IoT helfen oder diese übernehmen? Anstatt Amazon Alexa mit einem Chatbot zu verwechseln, werden es und andere digitale Assistenten weiterhin die Verarbeitung natürlicher Sprache (NLP) nutzen, um verschiedene aufgabenbasierte Anfragen zu „verstehen“ und dann darauf zu reagieren, wie zum Beispiel „Mach das Licht an“ oder „Guten Morgen“. „“, um den Weckruf zu starten, und gleichzeitig einen Chatbot im GPT-Stil hinzuzufügen, um Anfragen zu bearbeiten, die eine tiefergehende Kommunikation erfordern.

Ein guter digitaler Assistent besteht nicht nur aus einem oder zwei Modellen, sondern besteht aus einer beliebigen Version des Modells, um dem Benutzer die praktischste Funktionalität zu bieten. Es gibt auch wirtschaftliche Bedenken. Für den Anruf bei einem Chatbot können Gebühren anfallen, was ein anderes Geschäftsmodell erfordert und nicht jeder ist bereit, für ein Abonnement zu zahlen.

Darüber hinaus werden wir bald generative KI-Modelle im Chatbot-Stil zu Hause sehen. Kürzlich demonstrierte der Gründer von Home Assistant, Paulus Schoutsen, wie er mit dem HomePod auf einen Chatbot im GPT-Stil zugreifen und seinen Kindern Geschichten erzählen kann.

Tatsächlich ist der Nutzen der Kombination von NLP, das bereits Teil digitaler Assistenten ist, mit generativen KI-Modellen für SoundHound klar, das eine Plattform einführt, die Sprachassistenten mit generativer KI kombiniert. ChatGPT wird Alexa also nicht ersetzen, aber es könnte irgendwann Teil von Alexa werden, mit Alexa als Schnittstelle, und ChatGPT ist nur einer der vielen Dienste, die es anbietet.

Weitere Smart-Home-Bereiche, in denen ChatGPT oder generative KI-Modelle Wirkung zeigen werden, sind Kinderspielzeug, Fitnessdienste, Rezepte oder Aktivitätsvorschläge. Denn generative KI ist eigentlich nur ein weiterer Grund, Alltagsgegenständen Konnektivität und Empfindungsvermögen zu verleihen, indem sie entweder personalisierte Trainingsdaten bereitstellt oder als Kanal für solche Dienste fungiert.

Auf der Unternehmensseite liegt ein klarer Nutzen darin, generative KI einzusetzen, um Geschäftsleuten bei der Implementierung digitaler Lösungen ohne Programmierung zu helfen. Ein Beispiel ist, wie die Software AG ihre Cloud-to-Cloud-Integrationsplattform Web Methods mit generativen KI-Modellen kombiniert, um Mitarbeitern dabei zu helfen, herauszufinden, wie sie Daten und verschiedene digitale Dienste verknüpfen können. Da immer mehr Dinge in Gebäuden, Produktionslinien, Großküchen usw. vernetzt werden, können Manager effizienter und leistungsfähiger werden, indem sie vernetzten Geräten mithilfe einfacher schriftlicher Sprache erklären, wie sie mit vernetzter Unternehmenssoftware arbeiten sollen.

In industriellen Umgebungen bringt das Versprechen von ChatGPT überzeugende Anwendungsfälle und Überlegungen mit sich. Einige unterstützen den Einsatz generativer KI für Dinge wie die vorausschauende Wartung. Generative KI-Modelle funktionieren, indem sie auf großen Datenmengen trainieren und dann das wahrscheinlichste nächste Element generieren. In einem großen Sprachmodell wird also ein generatives KI-Modell auf eine große Textmenge trainiert und generiert das nächste Wort oder die nächste Phrase, von der das Modell glaubt, dass sie am wahrscheinlichsten vorkommt.

Vermutlich kann das Modell bei ausreichenden Maschinendaten entscheiden, was es als nächstes tun soll, und eine Warnung senden, wenn das erwartete Ergebnis falsch ist. Aber ehrlich gesagt scheint das übertrieben zu sein, da sich die herkömmliche Anomalieerkennung hervorragend für die vorausschauende Wartung eignet und viel kostengünstiger ist. Generative KI könnte interessant werden, wenn sie Prozessdaten erfasst und alternative Arbeitsabläufe vorschlägt oder indem sie geschriebene Sprache verwendet, um einen Arbeitsablauf zu beschreiben und ihn von der KI für jemanden programmieren zu lassen.

Aber es gibt auch Dinge, auf die man achten sollte. Diese Modelle sind nur so gut wie ihre Trainingsdaten und können in manchen Fällen falsche Antworten liefern, können aber so gut geschrieben werden, dass es schwierig ist festzustellen, ob sie falsch sind.

Angesichts der Auseinandersetzungen um geistiges Eigentum im Zusammenhang mit generativer KI wird dieses letzte „Gefühl“ zu einem Problem. In der Praxis ist es jedoch relativ einfach, Grenzen für die tatsächliche Herkunft der Trainingsdaten festzulegen – selbst wenn ein auf proprietären Daten basierendes Modell außerhalb der vorgesehenen Fabrik oder des vorgesehenen Unternehmens eingesetzt wird.

Zeit und Aufklärung darüber, wie generative KI-Modelle erstellt werden und wie sie funktionieren, werden einige der IP-Probleme angehen. Da dieser Zyklus nur wenige Monate dauert, glaube ich, dass generative KI in Zukunft genauso wichtig und akzeptiert werden wird wie Computer Vision und NLP.

Das obige ist der detaillierte Inhalt vonWelchen Platz hat generative KI im Internet der Dinge?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!