{"id":17572,"date":"2020-01-17T10:21:56","date_gmt":"2020-01-17T10:21:56","guid":{"rendered":"http:\/\/parashift.io\/?p=3626"},"modified":"2025-11-30T22:39:43","modified_gmt":"2025-11-30T22:39:43","slug":"die-4-waves-von-ai-does-the-winner-take-it-all","status":"publish","type":"post","link":"https:\/\/parashift.ai\/de\/die-4-waves-von-ai-does-the-winner-take-it-all\/","title":{"rendered":"Die 4 Waves von AI: Does the Winner take it all?"},"content":{"rendered":"\n

Letzten Juni las ich Kai-Fu Lees Buch „AI Superpowers: China, Silicon Valley and the New World Order“<\/a>. Ein Buch, das f\u00fcr mich eine Einstimmung auf Themen war, die ich seit anfangs Juli 2019 bei Parashift aus einer ganz neuen Perspektive schrittweise kennenlerne. <\/p>\n\n\n\n

Kai-Fu Lee ist Chairman und CEO von Sinovation Ventures und Pr\u00e4sident des Artificial Intelligence Institutes von Sinovation Ventures. Sinovation Ventures gr\u00fcndete er bereits 2009 und ist mittlerweile bei Fund Nummer 7. Das Team verwaltet derzeit ein Portfolio von \u00fcber $2 Milliarden und unterst\u00fctzt mehr als 350 Technologieunternehmen aus China. Vor dieser Zeit war Kai-Fu Lee Pr\u00e4sident von Google China und unterst\u00fctze Firmen wie Microsoft, SGI und Apple in Executive Positionen. <\/p>\n\n\n\n

In seinem Buch geht er vertief darauf ein, was die treibenden Faktoren im AI-\u00d6kosystem sind, wie China die Infrastruktur AI beg\u00fcnstigend ausrichtet, in welche Richtung er antizipiert, dass sich die AI Revolutionen entwickeln und wie wir uns an die neuen Gegebenheiten anpassen werden m\u00fcssen.<\/p>\n\n\n\n

Zudem macht er auf Basis seiner Perspektive, die ihm weitreichende Einblicke in Forschung und Business Applikationen von AI in den beiden Leader Nationen – China und USA – erm\u00f6glicht, eine Vergleichseinsch\u00e4tzung zum Level des Fortschritts. Dabei differenziert er nach 4 AI Waves:<\/p>\n\n\n\n

\"superpower_capabilities\"<\/figure>\n\n\n\n

Internet AI<\/h4>\n\n\n\n

Internet AI ist heute wohl mehr oder weniger bei uns allen angekommen. Grunds\u00e4tzlich gehts hier darum, das Unternehmungen wie Google, Facebook und Amazon Zugang zu sehr grossen Datenmengen haben und diese nutzen, um die User Experience auf zu verbessern. Dazu verwenden Sie haupts\u00e4chlich Recommendation Algorithmen, die aufgrund des User Verhaltens auf den Services Verhaltensmuster aufdecken und entsprechend Content personalisiert kuratieren, um f\u00fcr X, meistens User Engagement, zu optimieren.<\/p>\n\n\n\n

Einer von Chinas Leaders in dieser Kategorie ist Jinri Toutiao<\/a> beziehungsweise ByteDance in Englisch. Das 2012 gegr\u00fcndete Unternehmen wird \u00f6fters „das BuzzFeed von China“ genannt, da auch sie ein Hub f\u00fcr zeitlich viralen Content gebaut haben. Im Vergleich zu BuzzFeed gibts aber signifikante Unterschiede. Denn Toutiao hat nicht etwa Menschen als Redakteure wie dies BuzzFeed tut. Nein. Toutiaos Redakteure sind Algorithmen. Diese durchst\u00f6bern das Internet nach Content und nutzen Technologien wie Natural Language Processing (NLP) und Computer Vision, um Artikel und Videos von Partnernetzwerken und kommissionierten Beitr\u00e4gen zu prozessieren und analysieren. Sprich, um zu verstehen, um was es in diesem Content geht. Der individuelle User Footprint, welcher Clicks, gelesene Artikel, geschaute Videos, Ansichten, Kommentare und vieles mehr beinhaltet, dient dann als Grundlage zur Personalisierung eines News-Feeds, das talior-made f\u00fcr dessen Interessen ist. In diesem Prozess der Personalisierung editieren die Algorithmen teilweise auch den Titel von Artikeln, um so die Click-Rates zu erh\u00f6hen. Und je mehr die User sich durch die Seiten klicken und Datenpunkte damit aktiv „labeln“, desto besser wird der Recommendation Algorithmus. Folge ist immer spezifischer werdender Content.<\/p>\n\n\n\n

Im nationalen Vergleich liefern sich China und USA ein Kopf an Kopf Rennen. Beg\u00fcnstigend f\u00fcr ein zuk\u00fcnftiger Fortschritt Chinas ist jedoch ein ziemlich trivialer Fakt: China alleine hat mehr Internetnutzer als die USA und Europa zusammen. Dazu kommt, dass China schon heute eine Mobile-first Infrastruktur anbietet, die reibungslose Zahlungen auf dem Internet erm\u00f6glichen und damit die Entstehung von kreativen und \u00f6konomisch viablen Internetapplikationen stimuliert. <\/p>\n\n\n\n

\n\n\n\n
„There’s no data like more data“ – Robert Mercer<\/em><\/h6>\n\n\n\n
\n\n\n\n

Business AI <\/h4>\n\n\n\n

Die zweite Wave, die von Business AI, macht Gebrauch von bereits gelabelten unternehmensspezifischen Daten. Teilweise reichen diese mehrere Jahrzehnte zur\u00fcck und sind daher sehr wertvoll f\u00fcr die Entwicklung von akkurateren Prediction Modellen. Beispielsweise Banken und Versicherungen aber auch etliche medizinische Institute sitzen in der Regel auf sehr grossen Datens\u00e4tzen, wo Dinge wie Kreditgeschichten, Schadens- und Betrugsf\u00e4lle oder archivierte Diagnosen und Gesundheitszustandsentwicklungen seit Jahren festgehalten werden.<\/p>\n\n\n\n

Prediction Modelle, die auf solchen Datens\u00e4tzen entwickelt werden, sind daher so besonders wertvoll, da maschinelle Predictions feiner aufgebaut sind als die unseren. W\u00e4hrend wir Menschen unsere Predictions auf offensichtlichen Zusammenh\u00e4ngen (sogenannten Hard Features) aufbauen, beinhalten AI-basierte Predictions zus\u00e4tzlich subtile Zusammenh\u00e4nge (Weak Features), die f\u00fcr uns im Gesamtbild als irrelevant erscheinen. Je mehr Daten die Maschine hier zum prozessieren hat, desto h\u00f6her ist auch die Wahrscheinlichkeit, mehr relevante Korrelationen ausfindig zu machen und so die Qualit\u00e4t der Predictions zu steigern.<\/p>\n\n\n\n

Solange also ein genug grosser Datenpool mit strukturierten beziehungsweise kategorisierten Daten mit relevanten Outcomes vorhanden ist, ist es diesen Technologien aufgrund der genannten Beschaffenheit m\u00f6glich, selbst top-notch Fachexperten in ihren analytischen T\u00e4tigkeit zu \u00fcbertreffen. Ein gutes Beispiel f\u00fcr den Mehrwert, der durch diese geschaffen werden kann, finden wir in der Verwendung f\u00fcr die Diagnose von Erkrankungen (interessante Resultate gabs neulich bei Brustkrebs<\/a>). Denn dort wird AI unterst\u00fctzend zur Fachexpertise herbeigezogen und erh\u00f6ht so eben die Diagnosegenauigkeit.<\/p>\n\n\n\n

Bereits im Jahr 2004 wurden Firmen wie Palantir und IBM Watson im Big Data-Bereich aktiv und boten Unternehmungen und Regierungen mit ihrer Expertise Consulting Services an. Lange waren diese Player in dem was sie tun marktf\u00fchrend. Doch als 2013 Deep Learning<\/a>, eine spezielle Technik die dem Machine Learning angegliedert ist, sich rasend schnell in sowohl der Exploration wie auch der Anwendung verbreitete, kamen auch neue Players wie Element AI und 4th Paradigm ins Spiel.<\/p>\n\n\n\n

W\u00e4hrend US Unternehmungen heute einen klaren Vorteil bei der unmittelbaren und profitablen Implementierung von Business AI haben, erwartet Kai-Fu Lee, dass China in der Verwendung von AI in Public Services f\u00fchrend werden k\u00f6nnte und auch in gewissen einzelnen Industrien, wo heute noch Legacy-Systeme im Einsatz sind. Denn beispielsweise die relativ unausgereiften Finanz- und Healthcare-Systeme von China bieten starke Anreize zur grundlegenden Hinterfragung, wie Services wie Konsumentenkredite oder medizinische Betreuung gestaltet und abgewickelt werden sollten. Und genau hier kann Business AI ansetzen und die Schw\u00e4chen durch eine Bottom-up Transformation der Strukturen und Prozesse in St\u00e4rken umwandeln.<\/p>\n\n\n\n

Perception AI<\/h4>\n\n\n\n

Wie der Namen vermutet l\u00e4sst, gehts bei der Wave von Perception AI darum, den Maschinen Sinne zu geben und ihnen so das Spektrum f\u00fcr Kontext zu \u00f6ffnen. Resultat ist eine Art Verschmelzung der digitalen und physischen Welt.<\/p>\n\n\n\n

Algorithmen lernen, Pixels von Fotos und Videos in relevante Clusterings zu gruppieren und Objekte in einer Momentaufnahme, ziemlich identisch wie wir das tun, zu erkennen. \u00c4hnlich ist es bei Audio-Daten. Auch hier schaffen Algorithmen sich sukzessive mehr Verst\u00e4ndnis \u00fcber einzelne W\u00f6rter und allm\u00e4hlich auch \u00fcber die Bedeutung von S\u00e4tzen und W\u00f6rter in verschiedenen Kontexten.<\/p>\n\n\n\n

Wesentlich f\u00fcr den Fortschritt in dieser spezifischen Dom\u00e4ne ist die Digitalisierung unserer Umgebung durch Sensoren und andere Smart Devices – Stichwort Internet of Things (IoT). Wenn Sie mit beispielsweise Amazons Alexa sprechen oder einen Tesla fahren, leisten Sie also einen grossen Beitrag zur Weiterentwicklung solcher Technologien. <\/p>\n\n\n\n

Kai-Fu Lee sagt dazu, „Perception AI wird uns die Convenience und Abundanz der Online Welt in unsere Offline Realit\u00e4t bringen“. Dabei agieren verschiedenste Sensor-basierte Hardware Ger\u00e4te als Konnektoren. Ein technologisch ziemlich bemerkenswertes Beispiel, das heute bereits vereinzelt konventionell genutzt werden kann, ist Amazon Go<\/a>.<\/p>\n\n\n\n

Dass China in Perception AI f\u00fchrend ist und von hier aus noch einmal drastisch zulegen kann, d\u00fcrfte nicht sonderlich verwundern. Denn die chinesische Kultur beziehungsweise ihre Lockerheit im Umgang mit der Privatsph\u00e4re und Shenzhens St\u00e4rke in der Hardware Produktion bilden hier die Basis f\u00fcr einen relevanten Edge im Wettbewerb. <\/p>\n\n\n\n

Autonomous AI<\/h4>\n\n\n\n

Die f\u00fcr mich interessanteste Wave ist die der autonomen Systeme. Sie ist aber zugleich auch diejenige, die in ihrer Entwicklung am schwierigsten einzusch\u00e4tzen ist. Sie baut auf allen vorherigen AI Meilensteinen auf und hat zum Ziel, Systeme hinzukriegen, die in ihrem Handeln vollkommen autonom (d.h. ohne jegliche menschliche Interaktion) agieren k\u00f6nnen. Dazu m\u00fcssen diese nicht nur eine Repr\u00e4sentation einer Umwelt haben, sondern auch auf Ver\u00e4nderungen in ihr responsiv sein k\u00f6nnen und mit Abweichungen und Unregelm\u00e4ssigkeiten klarkommen k\u00f6nnen. F\u00fcr die absolute Mehrheit von Ihnen wird wohl das Autonome Fahren<\/a> die Applikation sein, die Ihnen dazu am ehesten in den Sinn kommt. Doch abgesehen davon werden autonome Systeme noch etliche weitere Bereiche unseres t\u00e4glichen Lebens schrittweise ver\u00e4ndern.<\/p>\n\n\n\n

Nach Kai-Fu Lee muss China in diesem Bereich von AI unglaubliche Investments t\u00e4tigen. Zus\u00e4tzlich nutzen sie auch ihre politischen Strukturen, um zielorientierte Handlungen schneller herbeizuf\u00fchren und einen kompetitiven Vorteil gewinnen zu k\u00f6nnen. Als Beispiel: In der Provinz Zhejiang haben Regulatoren und Regierungsmitarbeiter die Planung der ersten chinesischen intelligenten Autobahn aufgenommen. Diese ist mit allerlei Sensoren ausgestattet, hat in den Boden eingearbeitete Solarpanels und erm\u00f6glicht Wireless-Kommunikation zwischen Auto, Strasse und Autofahrer. Damit wollen Sie die Verkehrseffizienz um 30 Prozent steigern und Unf\u00e4lle markant minimieren. Fun Fact: In Zukunft sollen diese Strassen autonome Fahrzeuge w\u00e4hrend dem Fahren kontinuierlich laden.<\/p>\n\n\n\n

Ein anderes interessantes Projekt entsteht in der N\u00e4he von Beijing. In Xiong\u2019an. W\u00e4hrend den n\u00e4chsten 20 Jahren werden dort $580 Milliarden in die Infrastruktur investiert. Das Ziel des Projektes ist die erste Stadt, die f\u00fcr autonome Vehikel jeglicher Art gedacht ist. Baidu, eine der f\u00fchrenden Unternehmungen in AI, arbeitet hier eng mit der Regierung zusammen, um das Projekt m\u00f6glichst schnell vorw\u00e4rts zu bringen.<\/p>\n\n\n\n

Nichtsdestotrotz war 2018 die USA Leader f\u00fcr autonome Systeme. Im speziellen Silicon Valley Unternehmungen haben einen substanziellen Vorsprung in der Forschung und Entwicklung. Google begann schon 2009 mit dem Testing von selbstfahrenden Autos und viele dieser Ingenieure, die damals mit von der Partie waren, starteten sp\u00e4ter ihren eigenen Startups. In China startete diese Bewegung erst 2016. Dort sind besonders Firmen wie Baidu, Momenta, JingChi und Pony.ai stark unterwegs und holen rapide R\u00fcckstand auf.<\/p>\n\n\n\n

Kai-Fu Lee macht die Frage nach dem langfristigen Leader in dieser Sparte abh\u00e4ngig von der folgenden Frage: Wird der vorwiegende Flaschenhals im Kontext des breitaufgestellt Einsatzes solcher Technologien technologischer oder regulatorischer Natur sein? Ist der entscheidende Faktor Policy, so wird China mit grosser Wahrscheinlichkeit einen entscheidenen Vorteil haben. Andernfalls die USA. Die einzige Chance f\u00fcr China auf technologischer Ebene trotzdem noch mitreden zu k\u00f6nnen, w\u00e4re, wenn neue unerwartete Fortschritte in Computer Vision sich schnell global verbreiten und dadurch technologische Gaps schliessen w\u00fcrden. Dann w\u00e4ren wiederum die regulatorischen Vorteile von China ein Trumpf im \u00c4rmel.<\/p>\n\n\n\n

Does the Winner take it all?<\/h4>\n\n\n\n

Eine interessante Frage ist nun, inwiefern und zu welchem Mass die fadenf\u00fchrenden Kr\u00e4fte im Stande sein werden, sich die prognostizierten wirtschaftlichen Mehrwerte eigens zu machen. Denn es geht um unglaublich viel. Gem\u00e4ss einem Report von PwC<\/a> kann bis 2030 allein durch AI Produkte und Dienstleistungen mit einem zus\u00e4tzlichen Wirtschaftsoutput von $15.7 Billionen – Sie lesen richtig: Billionen, nicht Milliarden – gerechnet werden.<\/p>\n\n\n\n

Besonders spannend finde ich diese Frage, da AI die Eigenschaft und nat\u00fcrliche Tendenz zur Kreation von Monopolen hat. Das heisst, dass es in vielen Industrien der 4 Waves zu \u00f6konomischen Dynamiken kommt, wo dann tats\u00e4chlich lediglich ein wesentlicher Winner resultierend ist. Wir kennen das bereits von verschiedenen Internetunternehmungen. Google dominiert Search, Facebook Soziale Netzwerke, wobei sich da wom\u00f6glich langsam Opportunit\u00e4ten f\u00fcr neue Players auftun, und Amazon, die ziemlich konsequent ihre Dominanz im E-Commerce-Bereich weiter verst\u00e4rken. Auch bei AI Unternehmungen wird das nicht anders sein. Eher noch radikaler. Und so werden diverse amerikanische und chinesische Unternehmungen, die in ihrem spezifischen Bereich f\u00fchrend sind, eine unglaubliche Wertsch\u00f6pfungskonzentration aufbauen k\u00f6nnen. Welche Auswirkungen dies auf allerlei Systeme unserer Welt haben wird, ist eine Frage, wo wir im Idealfall sehr bald mehr Klarheit schaffen k\u00f6nnen.<\/p>\n","protected":false},"excerpt":{"rendered":"

Letzten Juni las ich Kai-Fu Lees Buch „AI Superpowers: China, Silicon Valley and the New World Order“. Ein Buch, das f\u00fcr mich eine Einstimmung auf Themen war, die ich seit anfangs Juli 2019 bei Parashift aus einer ganz neuen Perspektive schrittweise…<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"content-type":"","footnotes":""},"categories":[121],"tags":[],"class_list":["post-17572","post","type-post","status-publish","format-standard","hentry","category-allgemein-2"],"_links":{"self":[{"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/posts\/17572","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/comments?post=17572"}],"version-history":[{"count":1,"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/posts\/17572\/revisions"}],"predecessor-version":[{"id":30073,"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/posts\/17572\/revisions\/30073"}],"wp:attachment":[{"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/media?parent=17572"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/categories?post=17572"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/parashift.ai\/de\/wp-json\/wp\/v2\/tags?post=17572"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}