Wir leben in einer Zeit beispielloser technologischer Innovation, die keine Anzeichen einer Verlangsamung erkennen lässt. Viele Technologen sind sogar der Meinung, dass das Innovationstempo dank maschineller Intelligenz und anderer Faktoren weiter zunehmen wird. Große Sprachmodelle (LLMs) wie ChatGPT sind das beste Beispiel dafür.

„Wir kommen um ChatGPT nicht herum ... Ich habe mit Dutzenden CEOs oder anderen Führungskräften in börsennotierten Unternehmen gesprochen. Und dieses Thema kommt immer und ausnahmslos zur Sprache, wenn es um die jährlichen Prioritäten geht“, sagt Azeem Azhar im Found In Conversation Podcast von Pictet. „Ich gehe davon aus, dass die Akzeptanzkurve schneller nach oben verlaufen wird als damals bei der Elektrizität oder auch der Schreibmaschine – hier dauerte es etwa 20 bis 25 Jahre, bis sich die Neuerung wirklich durchgesetzt hat. Dennoch wird es einige Zeit dauern.“

Entscheidend ist, dass die Technologie zwar sehr kompliziert ist, aber hier auch kleine Start-ups mitmischen können. Das Pariser Unternehmen Mistral AI beispielsweise hat mit einem sehr kleinen Budget ein Konkurrenzprodukt für das von Microsoft unterstützte ChatGPT entwickelt.

Nach technologischen Durchbrüchen ist die Entwicklung unaufhaltsam

„Ich würde meinen, dass es ziemlich schwierig ist, bei Null anzufangen. Aber wie dieses französische Team und Mistral gezeigt haben, können auch kleine Teams mit weit weniger Ressourcen das Ziel erreichen. Und das ist meiner Meinung nach ein gängiges Muster in der Geschichte der Technologien. Es ist extrem schwierig, überhaupt erst einmal etwas zu schaffen, aber sobald es jemandem gelungen ist, geht es Schlag auf Schlag“, sagt Azhar, der seine technischen Erkenntnisse mit Hunderttausenden von Lesern in seinem wöchentlichen Exponential View Newsletter teilt.

Erstens wissen die Entwickler, dass auf die Technologie Verlass ist, dass die Software erfolgreich entwickelt werden kann: „Wir wissen jetzt, dass wir es schaffen können, und das ist eine große Motivation für die Teams. Zum anderen dringt natürlich auch einiges von dem Know-how und den Strategien nach außen. So finden andere Teams schneller Wege, die funktionieren. Mit diesen Folgemodellen können wir viel mehr herausholen und haben viel weniger hineingesteckt.“

Als Beispiel nennt er GPT-4 – ein multimodales KI-Modell, das sowohl Bilder als auch Prompts für die Erstellung von Content verwenden kann. Dieses bahnbrechende Modell wurde mit einem Trainingssatz von etwa 13 Billionen Token erstellt, was eine enorme Rechenleistung erfordert. Nachfolgende Modelle können ähnliche Ergebnisse wesentlich effizienter erzielen. „Das ist in etwa so, als würde man daran erinnern, dass die Motoren von 1923 effizienter und leistungsfähiger als die von 1896 waren. Heute geht die Entwicklung viel schneller vonstatten“, sagt Azhar und blickt voraus: „An der Spitze werden immer die allerbesten Teams stehen, die von der allerbesten KI unterstützt werden. Dort hinzugelangen, ist schwierig, aber es wird mit der Zeit einfacher.“

Wenn Sie mehr von Experten zum Verständnis der modernen Welt erfahren möchten, hören Sie sich den Found in Conversation Podcast an.