Wie Netzwerkeffekte künstliche Intelligenz intelligenter machen können

Netzwerkeffekte bestimmen den Erfolg von Technologien von Telefonanrufen bis hin zu Online-Shopping-Plattformen, und KI-Tools wie ChatGPT bilden da keine Ausnahme. Der Unterschied besteht jedoch darin, wie diese Netzwerkeffekte funktionieren. Datennetzwerkeffekte sind eine neue Form, ebenso wie die bekannteren direkten und indirekten Netzwerkeffekte, bei denen der Wert einer Technologie mit zunehmender Anzahl an Nutzern steigt.

Der Wert, über den wir heute sprechen, ist jedoch nicht die Anzahl der Telefonanrufe oder die Anwesenheit vieler Käufer und Verkäufer auf einer bestimmten E-Commerce-Plattform, sondern vielmehr das Feedback, das dadurch entsteht, dass bessere Vorhersagen getroffen werden können. Mehr Benutzer bedeuten mehr Antworten, was die Vorhersagegenauigkeit weiter verbessert und einen positiven Kreislauf schafft. Es gibt drei Lektionen, die Unternehmen berücksichtigen sollten: 1) Feedback ist von entscheidender Bedeutung, 2) Sammeln Sie Informationen regelmäßig und sorgfältig und 3) Berücksichtigen Sie die Daten, die absichtlich oder unabsichtlich weitergegeben werden.

Als OpenAI Ende letzten Jahres ChatGPT startete, war die Reaktion von Branchenbeobachtern eine Mischung aus Lob und Besorgnis. Wir haben alle gehört, wie die Technologie Computerprogrammierer, Lehrer, Finanzhändler und -analysten, Grafikdesigner und Künstler gleichermaßen arbeitslos macht. Viele Universitäten beeilen sich, Studienpläne und damit verbundene Anforderungen zu überarbeiten, aus Angst, dass KI die kreativen Fähigkeiten von College-Studenten beeinträchtigen könnte. Andere sagen, dass die vielleicht direkteste Auswirkung darin besteht, dass ChatGPT traditionelle Internet-Suchmaschinen umgestalten oder sogar ersetzen kann. Suche und damit verbundene Werbung erwirtschaften den Großteil des Google-Umsatzes. Werden Chatbots also das Ende von Google bedeuten?

ChatGPT ist ein hervorragendes Beispiel für maschinelle Lerntechnologie, ist aber als eigenständiger Dienst kaum realisierbar. Um seine technische Stärke zu nutzen, braucht OpenAI einen Partner. Daher waren wir nicht überrascht, als das Unternehmen schnell einen Deal mit Microsoft bekannt gab. Die Kombination aus einem KI-Startup und einem etablierten Technologieunternehmen könnte letztendlich eine glaubwürdige Bedrohung für die Dominanz von Google darstellen und den Einsatz im „KI-Wettrüsten“ erhöhen. Es bietet auch eine Lektion darüber, welche Kräfte darüber entscheiden, welche Unternehmen bei der Einführung dieser Technologie erfolgreich sein werden und welche scheitern werden.

Um zu verstehen, was OpenAI dazu bewogen hat, sich Bing anzuschließen (und warum Google dennoch gewinnen könnte), haben wir darüber nachgedacht, wie sich die Technologie von früheren Entwicklungen wie Telefonanrufen oder Marktplatzplattformen wie Uber oder Airbnb unterscheidet. In diesen Beispielen spielen Netzwerkeffekte – bei denen der Wert eines Produkts mit mehr Nutzern steigt – eine wichtige Rolle dabei, wie diese Produkte wachsen und welche Unternehmen erfolgreich sind. Generative KI-Dienste wie ChatGPT unterliegen ähnlichen, aber unterschiedlichen Arten von Netzwerkeffekten. Um eine KI-freundliche Strategie zu wählen, müssen Manager und Unternehmer verstehen, wie dieser neue KI-Netzwerkeffekt funktioniert.

Netzwerkeffekte funktionieren bei KI anders

Der Wert künstlicher Intelligenz liegt in genauen Vorhersagen und Empfehlungen. Aber im Gegensatz zu herkömmlichen Produkten und Dienstleistungen, die auf der Umwandlung von Lieferungen (wie Strom oder Humankapital) in Ergebnisse (wie Beleuchtung oder Steuerberatung) basieren, erfordert KI umfangreiche Datensätze, die durch hin- und hergehende Kundeninteraktionen auf dem neuesten Stand gehalten werden müssen . Um wettbewerbsfähig zu bleiben, müssen KI-Betreiber Daten sammeln, die Daten analysieren, Vorhersagen treffen und dann Feedback einholen, um die Empfehlungen zu verfeinern. Der Wert des Systems hängt von den Daten der Nutzer ab und steigt mit den Daten.

Die Leistung dieser Technologie – ihre Fähigkeit, genaue Vorhersagen zu treffen und Empfehlungen abzugeben – hängt von einem wirtschaftlichen Prinzip ab, das Datennetzwerkeffekte genannt wird (manche nennen es lieber datengesteuertes Lernen). Diese unterscheiden sich von bekannten direkten Netzwerkeffekten, etwa wenn ein Telefonanruf mit zunehmender Benutzerbasis wertvoller wird, weil Sie mehr Personen anrufen können. Sie unterscheiden sich auch von indirekten Netzwerkeffekten, die beschreiben, wie mehr Käufer mehr Verkäufer einladen, der Plattform beizutreten, und umgekehrt – je mehr Verkäufer anwesend sind, desto attraktiver wird das Einkaufen auf einer E-Commerce-Plattform oder bei Airbnb. Die Buchung eines Zimmers wird attraktiver.

Datennetzwerkeffekte sind eine neue Form: Je vertrauter der Effekt ist, desto wertvoller wird die Technologie. Aber hier ergibt sich der Wert weder aus der Anzahl der Mitbewerber noch aus der Anwesenheit vieler Käufer und Verkäufer. Diese Auswirkungen ergeben sich vielmehr aus der Natur der Technologie: KI verbessert sich durch verstärkendes Lernen, Vorhersage und Feedback. Mit zunehmender Intelligenz können Systeme bessere Vorhersagen treffen, ihren Nutzen steigern, neue Benutzer anziehen und bestehende binden. Mehr Benutzer bedeuten mehr Antworten, was die Vorhersagegenauigkeit weiter verbessert und einen positiven Kreislauf schafft.

Nehmen Sie als Beispiel Google Maps, das mithilfe von KI den schnellsten Weg zu Ihrem Ziel empfiehlt. Diese Fähigkeit hängt von der Vorhersage echter Verkehrsmuster auf alternativen Pfaden ab, was durch die Nutzung von Daten vieler Benutzer erreicht wird. Hier sind Datennutzer auch Lieferanten, und je mehr Menschen Google Maps nutzen, desto mehr historische und gleichzeitige Daten werden gesammelt. Mit einer Fülle von Daten kann Google unzählige Vorhersagen mit tatsächlichen Ergebnissen vergleichen: Sind Sie zu dem von der App vorhergesagten Zeitpunkt angekommen? Um die Vorhersagen zu verfeinern, benötigt die App auch Ihre Eindrücke: Wie gut war die Beschreibung? Wenn sich objektive Fakten und subjektive Kommentare häufen, kommen Netzwerkeffekte ins Spiel. Diese Effekte verbessern Vorhersagen und erhöhen den Wert der Anwendung für Nutzer und Google.

Sobald wir verstehen, wie Netzwerkeffekte künstliche Intelligenz vorantreiben, können wir uns die neuen Strategien vorstellen, die diese Technologie erfordern wird.

OpenAI und Microsoft

Beginnen wir mit der Verbindung zwischen OpenAI und Microsoft. Als wir ChatGPT als Betatest testeten, waren wir von seinen kreativen, menschenähnlichen Antworten beeindruckt, erkannten aber auch, dass es seine Engpässe hatte: Es basiert auf riesigen Datenmengen, die zuletzt im Jahr 2021 gesammelt wurden. Fragen Sie also nicht nach jüngsten Ereignissen oder gar dem Wetter . Schlimmer noch, es fehlt ein robuster Rückkopplungsschleifenmechanismus.

Durch eine Verbindung mit Microsoft hat OpenAI jedoch eine Möglichkeit gefunden, seine Vorhersagen zu testen. Die Fragen der Bing-Benutzer – und wie sie die Antworten bewerten – sind entscheidend für die Aktualisierung und Verbesserung von ChatGPT. Der nächste Schritt besteht unserer Meinung nach darin, dass Microsoft die riesige Wolke an Benutzerdaten, die es verwaltet, in den Algorithmus einspeist. Während ChatGPT unzählige Excel-Tabellen, PowerPoint-Präsentationen, Word-Dokumente und LinkedIn-Lebensläufe verarbeiten kann, ist es bei der Wiederherstellung dieser Dateien zur Freude oder zum Entsetzen der Mitarbeiter im Büro besser geeignet.

Hier gibt es mindestens drei allgemeine Lektionen.

Zuallererst ist Feedback entscheidend. Der Wert von KI steigt mit der anhaltenden Benutzerreaktion. Um intelligent zu bleiben, benötigt der Algorithmus einen Datenstrom aktueller Benutzerauswahlen und vergangener Empfehlungsbewertungen. Ohne Feedback bleiben selbst die besten technischen Algorithmen nicht lange intelligent. Wie OpenAI erkennt, müssen selbst die komplexesten Modelle mit ständig fließenden Datenquellen verknüpft werden. KI-Unternehmer sollten sich dessen bewusst sein.

Zweitens sollten Führungskräfte Informationen regelmäßig und sorgfältig sammeln, um diese Wirkung zu maximieren. Sie sollten typische Finanz- und Betriebsunterlagen durchgehen. Nützliche Daten sind überall vorhanden, sowohl innerhalb als auch außerhalb des Unternehmens. Sie können aus Interaktionen mit Käufern, Lieferanten und Kollegen entstehen. Einzelhändler können beispielsweise verfolgen, was Verbraucher sehen, was sie in ihren Einkaufswagen legen und wofür sie letztendlich bezahlen. In ihrer Summe können diese winzigen Details die Vorhersagen eines KI-Systems dramatisch verbessern. Selbst ungewöhnliche Daten, einschließlich Daten, über die ein Unternehmen keine Kontrolle hat, können es wert sein, gesammelt zu werden. Wetterdaten helfen Google Maps, die Verkehrslage vorherzusagen. Die Verfolgung der Schlüsselwörter, die Personalvermittler bei der Suche nach Lebensläufen verwenden, kann LinkedIn dabei helfen, Kandidaten Tipps für den Erfolg zu geben.

Abschließend sollte jeder darüber nachdenken, welche Daten er absichtlich oder unabsichtlich weitergibt. Fakten und Feedback sind entscheidend für die Erstellung besserer Vorhersagen, aber der Wert Ihrer Daten kann von anderen erfasst werden, und Führungskräfte sollten überlegen, welche KI von den Daten profitieren kann, die sie teilen (oder auf die sie Zugriff gewähren). Manchmal sollten sie das Teilen einschränken. Wenn Uber-Fahrer beispielsweise die Waze-App zum Navigieren verwenden, helfen sie Google dabei, die Häufigkeit und Länge von Mitfahrgelegenheiten abzuschätzen. Solche Daten könnten von unschätzbarem Wert sein, da Google den Betrieb selbstfahrender Taxis in Betracht zieht.

Wenn eine Marke wie Adidas Produkte auf Amazon verkauft, kann der Einzelhandelsriese außerdem die Nachfrage nach verschiedenen Marken (wie im Vergleich zu Nike) und Kategorien sowie die Preissensibilität der Käufer einschätzen. Die Ergebnisse könnten sich auf die Konkurrenz auswirken oder den Handelsmarkenprodukten von Amazon zugute kommen. Um dem entgegenzuwirken, können Führungskräfte Drittplattformen oder Vermittler meiden. Sie können den Datenzugriff aushandeln und sich für den direkten Kontakt mit ihren Kunden einsetzen. Manchmal besteht die beste Lösung möglicherweise darin, die Dateneigentümer an einen Datenaustausch zu binden und weiterzugeben, ähnlich wie es Banken getan haben, als sie Möglichkeiten zur Weitergabe von Kreditdaten etabliert haben.

Wenn wir die Auswirkungen von KI-Netzwerken berücksichtigen, können wir die Zukunft der Technologie besser verstehen. Sie können auch sehen, wie diese Effekte, wie auch andere Netzwerkeffekte, die Reichen noch reicher machen. Die Dynamik hinter der KI führt dazu, dass Vorreiter reich belohnt werden, während Nachfolger, egal wie schnell, zurückbleiben können. Das bedeutet auch, dass die Vorteile mit der Zeit wachsen und nicht einfach übertroffen werden können, wenn man Zugriff auf KI-Algorithmen und Datenströme hat. Für Führungskräfte, Unternehmer, politische Entscheidungsträger und alle anderen stehen das Beste und das Schlechteste der künstlichen Intelligenz noch bevor.

Das obige ist der detaillierte Inhalt vonWie Netzwerkeffekte künstliche Intelligenz intelligenter machen können. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!