Schlagwort: #Nvidia

Zuviel Erfahrung kann auch schaden
Unbekümmertheit lässt das Denken frei drehen. Armut an Erfahrung begründet den visionären Reichtum. Unwissenheit ist ein Segen. Alles gute Gründe um die Entwicklung neuer Technologien den Jungen zu überlassen. Für uns «Alte» gibt es darin einiges zu bedenken. Während unser Wissen oft mangels Weiterbildung die Vergangenheit abbildet, befähigt uns die Erfahrung, neue Erkenntnisse differenzierter einzuordnen. Als Mentoren und Sparringspartner in KMUs sind deshalb engagierte und wissbegierige «Alte» gerne gesehen im Team mit den «jungen Wilden».

Mehr als Bedienkompetenz
Viele «Alte» nutzen digitale Technologien jenseits simpler Bedienkompetenz in ihrer Arbeit zu Strategieüberlegungen für KMUs. Wir wurden als «nicht digital natives» in einer analogen Welt sozialisiert und erlernten unser Basiswissen anhand von physischen, greifbaren Beispielen. Trotz Digitalisierung wird handwerkliches Geschick noch heute von Generation zu Generation als Erfahrung weitergegeben. Analoge Prozesse und lineares Denken folgen dabei einer «sichtbaren» Logik. Seit den 1960er Jahren werden diese Modelle immer mehr abstrahiert. Computer übernehmen komplexe Tätigkeiten in einer vernetzten digitalen Welt. Beispielsweise erscheint die Aussentemperatur nicht mehr nur auf dem Thermometer vor unserem Fenster. Lokale Wetterstationen übermitteln ihre Daten zeitnah ins amerikanische Silikon Valley, um diese wiederum aufbereitet und ortsunabhängig auf unseren mobilen Geräten anzuzeigen. Eine Abstraktion sondergleichen von physischen Vorgängen, die sich nicht mehr umkehren lassen.

Die Verbindung von physischer mit der digitalen Welt
Als Generation mit analoger Erfahrung können wir kompetenten «Alten» unser Wissen dazu nutzen, im Team mit den «Jungen», die physische und die digitale Welt miteinander zu verbinden. Anima Anandkumar ist eine Indische Informatikerin, die seit 2017 als Bren Professor of Computing am California Institute of Technology lehrt und seit 2018 für Nvidia als Director of Machine Learning tätig ist. In ihrem Beitrag auf TED2024 Vancouver BC • April 2024 (9:53), erzählt sie über diesen Vorgang. Sie ist bei Eltern aufgewachsen, die Ingenieure sind und zu den Ersten gehörten, die computergestützte Fertigung in ihrer Heimatstadt Mysore in Indien anwendeten. Als junges Mädchen war sie fasziniert davon, wie diese Programme nicht nur in einem Computer vorhanden waren, sondern die physische Welt berührten und diese schönen und präzisen Metallteile produzierten. Diese Faszination inspirierte sie während der vergangenen zwei Jahrzehnte der künstlichen Intelligenz KI-Forschung. Ihre Arbeit auf dem Gebiet verändert unsere Art, Wissenschaft und Technik zu betreiben und beinhaltet derzeit viel Versuch und Irrtum (trial and error).

Kulturwandel
Es sind also nicht nur die grossartigen Ideen, welche die Wissenschaft voranbringen. Sprachmodelle wie ChatGPT können Vorschläge machen und sogar etwas zeichnen. Aber ohne Erfahrung wissen wir nicht, ob das auch gut ist. Sprachmodelle halluzinieren, weil sie keine physikalische Grundlage haben. Während sie dabei helfen können, neue Ideen zu generieren, können sie den schwierigen Teil der Wissenschaft nicht angehen, der darin besteht, die notwendige Physik zu simulieren. Um wissenschaftliche und physikalische Phänomene zu modellieren, reicht Text allein nicht aus. Das Team um Anima Anandkumar arbeitet deshalb an einer Alternative zum Standard-Deep-Learning welches eine feste Anzahl von Pixeln verwendet, die beim Hineinzoomen unscharf werden. Mittels einer KI-Technologie namens neuronale Operatoren, welche die Daten als kontinuierliche Funktionen oder Formen darstellt wird es möglich, unbegrenzt auf jede Auflösung oder Skala hineinzuzoomen. Neuronale Operatoren ermöglichen es, Daten in mehreren Massstäben oder Auflösungen zu trainieren. Während in der Vergangenheit physikalische Phänomene durch Ausprobieren erreicht wurden, schlägt das neuronale Operatormodell direkt ein optimiertes Design vor, das in der Folge im 3D-Druckverfahren zur Überprüfung hergestellt wird.

Das ist erst der Anfang
Im Vortrag präsentierte Anima Anandkumar neurale Operatoren und KI im Allgemeinen, die es ermöglichen, schwierige wissenschaftliche Herausforderungen anzugehen, darunter Wettervorhersage, Arzneimittelforschung, wissenschaftliche Simulationen und technisches Design. Bisher sind KI-Modelle auf die engen Bereiche beschränkt, auf die sie trainiert wurden. Deshalb ihre Frage: Was wäre, wenn wir ein KI-Modell hätten, das jedes wissenschaftliche Problem lösen könnte? Vom Entwerfen besserer Drohnen, Flugzeuge oder Raketen bis hin zu besseren Medikamenten und medizinischen Geräten? Ein solches KI-Modell würde der Menschheit enorm zugutekommen und daran arbeitet ihr Team. Ein generalistisches KI-Modell mit emergenten Fähigkeiten, das alle physikalischen Phänomene simulieren und neuartige Designs generieren kann, die bisher unerreichbar waren. Ihr Team skaliert neuronale Operatoren, um allgemeine Intelligenz mit universellem physikalischen Verständnis zu ermöglichen. Was früher einen grossen Supercomputer erforderte, kann heute auf unserem Spiele-PC laufen, den wir zu Hause haben. Wenn wir «Alten», neben einfacher Bedienkompetenz und ohne Programmierungskenntnisse bereit sind, die Tragweite solcher Technologien zu verstehen, ist unsere Erfahrung aus der analogen Welt von enormer Wichtigkeit bei der Entwicklung dieser KI-Modelle.