dhinda
Grooveheini
Ja, diese ollen einfallslosen Betonbuzzen können die vielleicht ganz gut, aber dann hört es ganz sicher auf.
Welche Jobs wird es aufgrund von AI in 5-10 Jahren nicht mehr geben?
- Ersteller Martin Kraken
- Erstellt am
Kick
Snaredrumfetischist
wenn Du mit wir, Deutschland meinst, dann denke ich, sind wir zu Beginn eines WW3 so ziemlich als erste dran... Deutschland ist mit seinen Stützpunkten ein strategisches Erstschlagziel. Und wenn nicht sofort, dann eben in der zweiten Welle.
edit: alleine schon wegen der Baerbock damals...
Zuletzt bearbeitet:
Martin Kraken
Anfänger
Nein, ich habe es erklärt. Musst du nochmal im im anderen Faden nachlesen (oder halt einer anderen Meinung sein). Aber es ist eben nicht möglich. Ich bin ziemlich sicher, dass LLMs und spezialisierte AIs das Limit sein werden was wir in den nächsten 50 Jahren sehen werden. Ein Handwerkerroboter wird es in den nächsten 20 Jahren nicht geben. Bin ich mir ziemlich sicher. Vielleicht für sehr spezielle Aufgaben. Ein Umzugsroboter dem man etwas in die Hand gibt und er trägt es die Treppe runter, kann ich mir z.B. vorstellen. Wenn man einen Roboter über Jahre mit Behavior Cloning trainiert. Aber das halt noch lange kein Handwerker, der in einem Altbau eine Küche montiert. Also ja, einzelne Aufgaben, die immer wieder sehr ähnlich sind werden gehen, aber ein echten Handwerker ersetzen...
Das ist halt ein großer Fehler der im Moment gemacht wird. Man überträgt die Skallierbarkeit von LLMs auf nicht LLM-Modelle und das ist eben nicht möglich (warum habe ich im anderen Faden erklärt). Es ist eben keine Frage der Zeit, jedenfalls nicht der näheren Zeit, bis wir Roboter mit Weltverständnis haben. Die nächsten 50 Jahre wird es sowas nicht geben.
ModernerPurist
|||||||||
Welche Berufe ersetzt KI 2026? +4.000 Berufe analysiert — ersetzt-ki.de
Welche Berufe werden durch KI ersetzt — und welche sind sicher? +4.000 deutsche Berufe mit KI-Risiko Score, echten IAB-Daten & Microsoft Research. Kostenloser Check.
ModernerPurist
|||||||||
Deine gesamte Prognose setzt voraus, dass heutige LLMs bzw. spezialisierte KI im Wesentlichen das Ende der Entwicklung darstellen. Dafür gibt es keinen belastbaren Grund.
Auf 5–10 Jahre ist eher mit deutlich leistungsfähigeren, multimodalen und zunehmend autonomen Systemen zu rechnen. Ob und wann daraus AGI entsteht, weiß niemand ..,die frühen bis mittleren 2030er werden aber durchaus als mögliches Szenario diskutiert.
Deshalb sind weder Handwerker in 10 Jahren sicher ersetzt noch in 20 Jahren garantiert nicht seriöse Aussagen. Aber 50 Jahre praktisch keinen fundamentalen Fortschritt über heutige KI hinaus anzunehmen, ist eine ziemlich gewagte Prognose.
virtualant
eigener Benutzertitel
Too much Science Fiction. Ich bleib dabei, wird alles ziemlich überbewertet.
Es geht weniger darum was die KI jetzt schon kann und was sie in 5 oder 10 Jahren voraussichtlich können wird, sondern eher darum ob sie abgesehen von irgendwelchen Nischenbereichen und Testlaboren und Forschungslaboren auch im Mainstream ankommt. Als Handwerker, als Haushaltshilfe, als Mitarbeiter im Arbeitsamt. ich mein das physisch, real, z.B. als Terminalroboter der jemanden im Amt komplett abfertigt, total flexibel. Neuer Pass? Ummelden? dann ... Routine XYZ. Einscannen usw.
Passiert nicht in den nächsten 10 Jahren, meine Prognose. KI ist aktuell noch der Taschenrechner der Zweitausend20er Jahre, mehr nicht.
Es geht weniger darum was die KI jetzt schon kann und was sie in 5 oder 10 Jahren voraussichtlich können wird, sondern eher darum ob sie abgesehen von irgendwelchen Nischenbereichen und Testlaboren und Forschungslaboren auch im Mainstream ankommt. Als Handwerker, als Haushaltshilfe, als Mitarbeiter im Arbeitsamt. ich mein das physisch, real, z.B. als Terminalroboter der jemanden im Amt komplett abfertigt, total flexibel. Neuer Pass? Ummelden? dann ... Routine XYZ. Einscannen usw.
Passiert nicht in den nächsten 10 Jahren, meine Prognose. KI ist aktuell noch der Taschenrechner der Zweitausend20er Jahre, mehr nicht.
Zuletzt bearbeitet:
ModernerPurist
|||||||||
Die Ki hat bereits jetzt Auswirkung in der Größenordnung, die du beschreibst: Medizinische Forschung, Aktienmärkte, indirekt auf Alles und jeden was direkt Einfluss auf dein Leben hat.
Die Grenze erst dann zu setzen, ab wann man direkt von einer KI bedient wird, wäre wohl zu spät, bzw das Kind schon im Brunnen ersoffen.
btw. KI Agenten können die von dir genannten Aufgaben bereits umsetzen. Die Frage ist also nicht ob es grundsätzlich ginge oder wann, sondern ob man es zulässt. Das ist eher eine Frage der gesetzl. Rahmenbedingubgen verknüpft mit der Gewöhnung des Mainstreams - Und da ist man ja dran.
Die Grenze erst dann zu setzen, ab wann man direkt von einer KI bedient wird, wäre wohl zu spät, bzw das Kind schon im Brunnen ersoffen.
btw. KI Agenten können die von dir genannten Aufgaben bereits umsetzen. Die Frage ist also nicht ob es grundsätzlich ginge oder wann, sondern ob man es zulässt. Das ist eher eine Frage der gesetzl. Rahmenbedingubgen verknüpft mit der Gewöhnung des Mainstreams - Und da ist man ja dran.
Moogulator
Admin - rotalugooM
Es gab ältere Berichte, dass Leute als Seelsorge das unvoreingenommene der KI schätzen und einige Menschen da deutlich mehr ihre Moral oder Vorurteile voraus schickten - ob das stimmt, kann ich nicht sagen. Aber es wurde sehr wiederholt angesagt.
KI kann viel - die Frage ist, wie man sie stellt und wie man sie noch einstellen kann bzw. wie sie von selbst antwortet. Richtig. Siehe Diskettengericht in Max Headroom. Damit erkennst du ggf. auch, wie die Formulierungen gefunden wurden - spielerisch.
Wie auch immer. Ich bin eh bald ersetzt. Dann kann ich ganz entspannt ohne Rente irgendwas mit sterben machen.
Martin Kraken
Anfänger
Die belastbare Erklärung habe ich im anderen Faden geschrieben. Sprache trägt unglaublich viel Information, denn sie ist dazu gemacht Information auszutauschen. Trotzdem fehlt LLMs Weltverständnis. Es gibt keine andere vergleichbare skalierbare Möglichkeit Information in Roboter zu übertragen. Da Daten alleine nicht helfen, sondern nur Information (Daten + menschliche Bewertung) funktioniert nur "Verhaltens Klonen". Aber das ist so limitiert, das selbst autonomes Fahren nur sehr begrenzt funktioniert, obwohl man Millionen Fahrstunden wie Menschen Auto fahren aufgezeichnet hat und damit LLMs traniert hat. Der Witz ist, dass ein neuronales Netz nur lernen kann, wenn es weiß was richtig und was falsch ist. Bei Texten ist vorgegeben was das nächste richtige Wort ist, nämlich das was als nächstes im Text kommt. Ein LLM ist quasi wie ein Gemeinschaftsgehirn aller Menschen, aber nur der Teil den wir in Text codieren können. Sprache ist sehr mächtig, aber bildet trotzdem nur einen Bruchteil an Information ab, die wir täglich verarbeiten. Jede Bewegung die wir machen ensteht aus dem Abgleich von Umweltdaten (Sinneseindrücke) mit innerer Bewertung was Information entstehen lässt. Ich kann zum Beispiel an ein Auto Kameras und andere "Sinnesorgane" anbringen und aufzeichnen, bei welchen Umweltdaten der Fahrer wie lenkt und das Auto steuert. Daraus ergibt sich dann eine Bewertung der Umweltdaten und man erhält eine Information. Mit dieser Information kann man nun ein neuronales Netz trainieren. Aber im Gegensatz zu Text, muss man diese Information mühsam vom Menschen extrahieren. Deshalb gibt es auch noch kein wirklich gut funktionierendes autonomes Fahren. Natürlich wäre es möglich, zig Millionen Fahrzeugen und Trillionen Fahrten diese Informationen zu extrahieren und einem neuronalen Netz zu füttern, aber alleine diese ganzen Informationen, nur fürs Autofahren, würde alle Speichermöglichkeiten der Welt überschreiten.
Deshalb zeigen nur die Roboterfirmen die "Verhalten Klonen" echte Erfolge, da sitzen dann viele hundert Menschen mit VR-Brille und steuern virtuell Roboter, um Informationen zu generieren, damit die Roboter irgendwann mal eine Spühlmaschine ausräumen können und selbst das geht nach was ich wie vielen Stunden "Verhaltens Klonen" nur in einer ganz bestimmten Küche mit einer ganz bestimmten Spühlmaschine.
Zuletzt bearbeitet:
Horn
*****
Schon Douglas Adams kannte einen elektrischen Mönch. Der glaubte alles. War aber eher kontraproduktiv.
ModernerPurist
|||||||||
Du unterliegst da einem grundsätzlichen Denkfehler.
Du setzt voraus, dass ein Roboter unsere Fähigkeiten in unserer heutigen Umwelt vollständig nachbilden muss. Dabei passiert gleichzeitig das Gegenteil: Der Mensch baut seine Umwelt zunehmend so um, dass viele seiner evolutionär entstandenen Fähigkeiten immer weniger notwendig werden.
Fabriken, Lager, Straßen, Maschinen, digitale Schnittstellen oder standardisierte Bauteile sind bereits künstlich strukturierte Umgebungen. Wir passen die Umwelt an Maschinen an, nicht nur Maschinen an unsere Umwelt.
Wir haben bereits eine Welt, in der kein menschl. Weltverständnis notwendig ist!
Ein Roboter muss deshalb kein künstlicher Mensch mit vollständigem Weltverständnis werden. Es reicht langfristig, wenn Robotik gut genug wird und wir gleichzeitig Prozesse und Arbeitsumgebungen maschinenfreundlicher gestalten.
Genau deshalb halte ich die Schlussfolgerung, heutige Schwierigkeiten beim autonomen Fahren oder Geschirrspülerausräumen würden eine technologische Grenze für die nächsten 20–50 Jahre zeigen, einfach unrealistisch.
Einer llm wird die Welt als Mensch gezeigt, eine AGI erfährt
sie aus der Sicht einer Maschine.
Kein Ausschusskriterium, aber ein weiterer Risikobaustein.
JayBee
||||||||||
Aber der Mensch der die Fäden in der Hand hält ist der Auftraggeber.
Auf der Auftragnehmerseite ist eben kein Mensch mehr nötig.
Scenturio
au̶̫di̪̮͟at̢̗̀ur̻̱ ët ảltͬ͗er̖͐́a ̢͕̰pa͙̭rs
Wenn ich raten müsste, dürfte auch viel in der Filmindustrie deutlich kleiner werden:
- Schauspieler (wenn nicht eh schon per CGI simuliert)
- Bühnenbildner (wenn nicht eh nur schon vor Greenscreen gedreht wird)
- Kameraleute (ist halt alles virtuell und die KI sorgt für Licht, Tiefenschärfe, Gamma etc.)
- Drehbuchautoren (für typischen Hollywood-Slop dürfte es jetzt schon reichen)
Klar wird sich da - wie bei Musik und anderen bildenden Künsten - ein kleiner Kern um "handmade"-Erzeugnisse halten, aber der Massenproduktion dürfte zunehmend von KIs stammen.
Auch in der Spieleindustrie wird vielleicht das Konzept noch von Menschen entwickelt, aber KIs können jetzt schon komplette Open World-Games auf Basis der üblichen 3D-Engines erzeugen. Ich habe auch schon gesehen, dass KI Gameplay in Echtzeit "halluziniert" - ganz ohne Unreal-Engine o.ä. dahinter. Wenn das Fortschritte macht, dürften Film und Spiele zunehmend zu interaktiven Echtzeit-Medien verschmelzen.
Bei Handwerk u.ä. sehe ich das ähnlich: Aktuell gibt es da in der Robotik noch sehr große Einschränkungen (deshalb gibt es auch keinen universellen Haushaltsroboter, der beim Staubsaugen selbstständig Katzenkotze umfährt, selbige dann aber selbständig aufwischt, automatisch eine neue Flasche Saft aus dem Vorratsraum holt, wenn die alte beim Einschenken leer ist, weiß, wo jedes Teil aus dem Geschirrspüler hingehört, Gekleckertes beim Aufgeben von Suppe bemerkt und wegmacht und beim Umdrehen der Katze nicht auf den Schwanz tritt). Aber die Firmen arbeiten daran ...
- Schauspieler (wenn nicht eh schon per CGI simuliert)
- Bühnenbildner (wenn nicht eh nur schon vor Greenscreen gedreht wird)
- Kameraleute (ist halt alles virtuell und die KI sorgt für Licht, Tiefenschärfe, Gamma etc.)
- Drehbuchautoren (für typischen Hollywood-Slop dürfte es jetzt schon reichen)
Klar wird sich da - wie bei Musik und anderen bildenden Künsten - ein kleiner Kern um "handmade"-Erzeugnisse halten, aber der Massenproduktion dürfte zunehmend von KIs stammen.
Auch in der Spieleindustrie wird vielleicht das Konzept noch von Menschen entwickelt, aber KIs können jetzt schon komplette Open World-Games auf Basis der üblichen 3D-Engines erzeugen. Ich habe auch schon gesehen, dass KI Gameplay in Echtzeit "halluziniert" - ganz ohne Unreal-Engine o.ä. dahinter. Wenn das Fortschritte macht, dürften Film und Spiele zunehmend zu interaktiven Echtzeit-Medien verschmelzen.
Bei Handwerk u.ä. sehe ich das ähnlich: Aktuell gibt es da in der Robotik noch sehr große Einschränkungen (deshalb gibt es auch keinen universellen Haushaltsroboter, der beim Staubsaugen selbstständig Katzenkotze umfährt, selbige dann aber selbständig aufwischt, automatisch eine neue Flasche Saft aus dem Vorratsraum holt, wenn die alte beim Einschenken leer ist, weiß, wo jedes Teil aus dem Geschirrspüler hingehört, Gekleckertes beim Aufgeben von Suppe bemerkt und wegmacht und beim Umdrehen der Katze nicht auf den Schwanz tritt). Aber die Firmen arbeiten daran ...
Martin Kraken
Anfänger
Nur hat das dann rein gar nichts mehr mit AGI zu tun, dafür bräuchte man dann nicht mal mehr AI
Industrieroboter die in einer standardisierten Umgebung funktionieren gibt es ohne AI schon. Und nein, eine AGI erfährt die Welt nicht als Maschine. So etwas gibt es nicht. Es gibt keine eigene Maschinenperspektive. Jede Wertung die eine AGI trifft ist eine Ableitung unserer in die Maschine transferierten Wertungsmechanismen, unserer Definition von richtig und falsch.Was gemacht wird sind Simulationen, wo Menschen definiert haben was richtig und falsch ist und die Roboter durch ausprobieren den Weg in ihrem mechanischen Körper finden, um richtig zu erreichen. Richtig ist z.B. dass eine Tasse aufgehoben und wieder abestellt werden soll ohne das sie kaputt geht oder fallengelassen wird. Der Roboter (oder sein neuronales Netzwerk) trainiert in einer Simulation nun alle zufälligen Handlungen aus, bis es die Tasse greifen kann und wieder abstellen kann. Wir haben also einerseits das Problem die mechanische Handlung und Bewegung zu trainieren, was ein lösbares und skalierbares Problem darstellt, andererseits haben wir das Problem, dass wir die Bewertung jeder Handlung manuell übertragen müssen und das kann man nicht skalieren. Es ist relativ einfach, die mechanische Steuerung eines Autos von einer AI übernehmen zu lassen, aber die richtige Bewertung aufgrund welcher Umweltdaten (Sensordaten) welche Steuerung erfolgen soll muss quasi "manuell" übertragen werden.
Um ein neuronales Netz zu trainieren brauchst du Input und Wertung (Erwartung). Jede dieser Wertungen (Erwartungen) muss vom Menschen übertragen werden.
ModernerPurist
|||||||||
Nur hat das dann rein gar nichts mehr mit AGI zu tun, dafür bräuchte man dann nicht mal mehr AI
Was gemacht wird sind Simulationen, wo Menschen definiert haben was richtig und falsch ist und die Roboter durch ausprobieren den Weg in ihrem mechanischen Körper finden, um richtig zu erreichen. Richtig ist z.B. dass eine Tasse aufgehoben und wieder abestellt werden soll ohne das sie kaputt geht oder fallengelassen wird. Der Roboter (oder sein neuronales Netzwerk) trainiert in einer Simulation nun alle zufälligen Handlungen aus, bis es die Tasse greifen kann und wieder abstellen kann. Wir haben also einerseits das Problem die mechanische Handlung und Bewegung zu trainieren, was ein lösbares und skalierbares Problem darstellt, andererseits haben wir das Problem, dass wir die Bewertung jeder Handlung manuell übertragen müssen und das kann man nicht skalieren. Es ist relativ einfach, die mechanische Steuerung eines Autos von einer AI übernehmen zu lassen, aber die richtige Bewertung aufgrund welcher Umweltdaten (Sensordaten) welche Steuerung erfolgen soll muss quasi "manuell" übertragen werden.
Um ein neuronales Netz zu trainieren brauchst du Input und Wertung (Erwartung). Jede dieser Wertungen (Erwartungen) muss vom Menschen übertragen werden.
Du gehst davon aus, dass ein Mensch der KI jede Situation einzeln bewerten und beibringen muss. Das stimmt so nicht. KI kann aus Erfahrungen lernen und Gelerntes auf neue Situationen übertragen.
Genau daran wird bei Robotern gearbeitet. Dass es heute noch nicht perfekt funktioniert, bedeutet nicht, dass hier eine grundsätzliche Grenze liegt.
Du erklärst erneut die Grenzen heutiger Systeme zu den Grenzen der nächsten 20–50 Jahre. Genau diese Annahme halte ich für gewagt.
Perry Staltic
Gitarrenleugner
Kummerbub
||
1. Wie sollen all die Arbeitslosen finanziert werden?
2. Wie beschäftigen sich all die Arbeislosen?
3. Wenn es jetzt schon all die Spinner gibt: von Links-Rechts-Radikalen, Aluhüten, Relegiösen etc etc....ist es absehbar dass sich das exorbitant unter den Unterbeschäftigten verstärken wird. (Irgend ein Inhalt muss ja ein Leben haben??)
Aber hey: ich bin sicher die SupersuperIntelligenz braucht in 10 Jahren noch ein paar wenige menschliche Handlanger.
2. Wie beschäftigen sich all die Arbeislosen?
3. Wenn es jetzt schon all die Spinner gibt: von Links-Rechts-Radikalen, Aluhüten, Relegiösen etc etc....ist es absehbar dass sich das exorbitant unter den Unterbeschäftigten verstärken wird. (Irgend ein Inhalt muss ja ein Leben haben??)
Aber hey: ich bin sicher die SupersuperIntelligenz braucht in 10 Jahren noch ein paar wenige menschliche Handlanger.
Moogulator
Admin - rotalugooM
Oh, schon die neue vorgeschriebene Bezeichnung eingeführt?
Arbeitslose beschäftigen war bisher immer "Fernsehen". Netflix Abo und die Straße ist leer. Das Problem sind die DOOFEN und das Doofe "Doofensachen" machen - mit und ohne KI, ich mein NI Superschlaumaschine - und eins sag ich dazu auch - Mief sagt über den Charakter gar nichts aus.
Arbeitslose beschäftigen war bisher immer "Fernsehen". Netflix Abo und die Straße ist leer. Das Problem sind die DOOFEN und das Doofe "Doofensachen" machen - mit und ohne KI, ich mein NI Superschlaumaschine -
Scenturio
au̶̫di̪̮͟at̢̗̀ur̻̱ ët ảltͬ͗er̖͐́a ̢͕̰pa͙̭rs
kann das Bild gerade nicht zuordnen: Ist das aus 1984 oder THX-1138?
Perry Staltic
Gitarrenleugner
THX-1138. "My time is yours..."
GDU
vom Aussterben bedroht
Scenturio
au̶̫di̪̮͟at̢̗̀ur̻̱ ët ảltͬ͗er̖͐́a ̢͕̰pa͙̭rs
das geht nur mit ner Mischung aus Star Trek und Asimov: Utopiakommunismus und die Roboter/KIs erledigen alle Arbeiten.
Nachteile:
- du brauchst auch unendlich (saubere) Energie
- die meisten werden vermutlich enden wie bei WALL-E: als unnütze Drohnen, die keinen Schritt mehr selber tun (auch das hatte Asimov schon vorhergesehen)
Martin Kraken
Anfänger
Ich verstehe woher dein Optimismus kommt. LLMs können generalisieren. Jetzt stellt sich die Frage, warum funktioniert das Generalisieren bei anderen AIs nicht so gut? Die Antwort habe ich hier schon sehr oft gegeben. Text enthält Information, also Daten + Wertung. Umweltdaten enthalten keine Wertung und sind damit keine Information (bitte keine Definitionsdiskussion). Das bedeutet, ein LLM kann ein Wertungssystem (also den menschlichen Kontext) aus Text generieren. Andere AIs können das nicht, sie benötigen eine "manuell" übertragene Wertung, denn ihnen stehen nur Umweltdaten zur Verfügung und diese Umweltdaten haben keine Wertung.
Es stimmt, dass eine AI aus Erfahrung lernen kann. Aber nur wenn sie Daten bewerten kann. Bei einem Menschen ist diese Wertung Hardwired. Sie ist quasi eingebaut. Wir machen Umweltdaten zu Informationen (im Kontext des Lebens). Eine Maschine und ein neuronales Netz macht aus Umweltdaten erstmal gar nix. Es hat keine intrinische Wertung. Das bedeutet WIR müssen unsere Wertung in diese Maschine übertragen. Das bedeutet Lernen ist nur möglich, wenn bereits ein Bewertungssystem existiert. Genau deshalb skaliert das leider auch nicht so wie bei Text.
Was gibt es für Ansätze?
RLAIF (Reinforcement Learning from AI Feedback): Menschen definieren übergeordnete Prinzipien (eine Verfassung / Leitlinien), und ein starkes Modell bewertet und korrigiert andere Modelle. Die manuelle Bewertung wird somit über Meta-Regeln automatisiert.
Problematik: Es gibt keine neue Bewertung, die Bewertung existiert bereits in einem anderen Model. Alles andere muss "von Hand" vom Menschen definiert werden.
---
Inverse Reinforcement Learning: Die KI bekommt nicht manuell gesagt, was gut ist, sondern beobachtet Menschen und versucht rückwärts zu erschließen, welches Wertesystem deren Handeln zugrunde liegt.
Problematik: Es benötigt unglaublich viele Informationen für eine relativ kleine Generalisierung. Beispiel autonomes Fahren. Hier sollen Umweltdaten bewertet werden, damit im westenlichen nur 2 Parameter eingestellt werden: Lenkrad und Geschwindigkeit. Dazu wird das neuronale Netz mit der Aufzeichnung von menschlichen Autofahrten trainiert. Aber ein wirklich zuverlässiges System gibt es bis heute nicht. Maximal in ganz genau kartierten kleinen Bereichen. Das System schafft es nicht zu generalisieren. Nennt man das Long-Tail Problem. Das System versucht ohne eine Vorstellung der Welt, das Problem Autofahren zu lösen. Muster zu erkennen, um daraus ein generelles Bewertungsystem abzuleiten. Aber auf Grund der Komplexität der Welt und des Fehlens eines intrinsischen Bewertungssystems scheitert es. Out-of-Distribution (OOD).
Autofahren ist dabei ja recht simpel. Es sind ja nur 2 Parameter. Und selbst das erfordert unglaubliche Mengen an Information
Die Generalisierung von LLMs ist nicht übertragbar auf andere AIs, weil die Informationsübertragung nicht skalierbar ist. Alles was mit der Komplexität der echten Welt interagieren muss wird scheitern oder in so kleine Aufgabengebiete unterteilt, um die Komplexität zu reduzieren.
ModernerPurist
|||||||||
Dein Grundfehler bleibt derselbe: Du setzt voraus, dass eine KI jede Situation vorher vom Menschen bewertet bekommen muss. Das stimmt nicht. Lernen bedeutet gerade, aus vorhandenen Beispielen Regeln und Zusammenhänge abzuleiten und diese auf unbekannte Situationen zu übertragen, um daraus wieder zu lernen.
Auch der Vergleich mit autonomem Fahren hinkt. Das Problem besteht nicht aus "zwei Parametern", nur weil am Ende gelenkt und beschleunigt wird. Die eigentliche Aufgabe ist, eine extrem komplexe Umwelt wahrzunehmen, vorherzusagen und darauf zu reagieren.
Und aus den heutigen Problemen einfach abzuleiten, dass reale Aufgaben grundsätzlich nicht skalieren können, ist wieder genau das: Du erklärst den heutigen Stand zur technischen Grenze der nächsten Jahrzehnte.
Wir drehen uns im Kreis. Du setzt als Ausgangspunkt voraus, dass jede relevante Bewertung letztlich vom Menschen übertragen werden muss, und leitest daraus ab, dass es nicht skalieren kann. Genau diese Ausgangsannahme teile ich nicht. Und aus dem heutigen Stand abzuleiten, dass sich daran in 20–50 Jahren grundsätzlich nichts ändern kann, ist letztlich eine Prognose, kein Beweis.
Machine Learning impliziert doch gerade, dass nicht jeder einzelne Schritt programmiert und geprüft werden muss. Du argumentierst teilweise noch nach dem klassischen Softwareprinzip der 80er: Mensch definiert Regeln -> Maschine führt Regeln aus. Genau davon hat sich maschinelles Lernen entfernt. Und exakt das wird in Zukunft auch zu unserem Problem. Nicht weil wir schlechte Regeln aufstellen, sondern weil wir nicht in der Lage sind alles in jeder möglichen Tiefe zu bedenken und zu formulieren.
Wir sind jetzt schon sn dem Punkt, an dem KI an der KI der nächsten Generation mitarbeitet. Diese "Teilsingularität" schließt den Menschen bereits als "Regelersteller" aus.
Auch der Vergleich mit autonomem Fahren hinkt. Das Problem besteht nicht aus "zwei Parametern", nur weil am Ende gelenkt und beschleunigt wird. Die eigentliche Aufgabe ist, eine extrem komplexe Umwelt wahrzunehmen, vorherzusagen und darauf zu reagieren.
Und aus den heutigen Problemen einfach abzuleiten, dass reale Aufgaben grundsätzlich nicht skalieren können, ist wieder genau das: Du erklärst den heutigen Stand zur technischen Grenze der nächsten Jahrzehnte.
Wir drehen uns im Kreis. Du setzt als Ausgangspunkt voraus, dass jede relevante Bewertung letztlich vom Menschen übertragen werden muss, und leitest daraus ab, dass es nicht skalieren kann. Genau diese Ausgangsannahme teile ich nicht. Und aus dem heutigen Stand abzuleiten, dass sich daran in 20–50 Jahren grundsätzlich nichts ändern kann, ist letztlich eine Prognose, kein Beweis.
Machine Learning impliziert doch gerade, dass nicht jeder einzelne Schritt programmiert und geprüft werden muss. Du argumentierst teilweise noch nach dem klassischen Softwareprinzip der 80er: Mensch definiert Regeln -> Maschine führt Regeln aus. Genau davon hat sich maschinelles Lernen entfernt. Und exakt das wird in Zukunft auch zu unserem Problem. Nicht weil wir schlechte Regeln aufstellen, sondern weil wir nicht in der Lage sind alles in jeder möglichen Tiefe zu bedenken und zu formulieren.
Wir sind jetzt schon sn dem Punkt, an dem KI an der KI der nächsten Generation mitarbeitet. Diese "Teilsingularität" schließt den Menschen bereits als "Regelersteller" aus.
Zuletzt bearbeitet:
ganje
Benutzerdefiniert
Warum sollte man so ein wehrloses Land als erstes oder zweites angreifen? Erst bekriegen sich die Großen und der Gewinner nimmt sich Deutschland einfach.
Kick
Snaredrumfetischist
Fliegerhorst Büchel ist wohl das wichtigste Ziel in Deutschland. Hier lagern wir in Deutschland Atomwaffen (B61).
Darüber hinaus ist Deutschland NATO-Drehscheibe und Knotenpunkt für ein solches Kriegsszenario. Viele Militärfahrzeuge und Militärausrüstung wird durch Deutschland über die Schiene Richtung NATO-Grenzen gebracht. Aber auch über den Luftweg von Deutschland aus.
Dann haben wir noch die Ramstein Air Base. Das ist das europäische Headquarter der US-Luftwaffe und das NATO-LuftverteidigungsHQ.
Seit meiner Kindheit fliegen die uns hier täglich über die Köpfe hinweg. (Einflugschneise)
In Stuttgart sitzt wohl das Kommando der gesamten Streitkräfte EUCOM/AFRICOM und dann gibt es noch ein paar andere unwichtige Städte/Flughäfen in Deutschland, die von militärischer Bedeutung wären...
Zuletzt bearbeitet:
Martin Kraken
Anfänger
Nein, das sage ich nicht. Wie kommst du darauf? Ich habe doch klar geschrieben, dass LLMs generalisieren können. Die Frage ist, warum AI Systeme außerhalb von LLMs das nicht können oder wenn sie es können, warum sie es können.
Und hier liegt genau das Problem: "Vorhandenen Beispielen". Vielleicht ein anderer Versuch es dir zu erklären. Eine AI hat kein intrinsisches Bewertungssystem, anders als der Mensch, der schon bei Geburt über ein solches verfügt. Ziel ist es nun, dass in der AI ein Bewertungssystem entsteht, in dem es unsere Bewertungen im Bezug auf bestimmte Umweltdaten übernimmt. Zum Beispiel, wie greife ich eine Tasse. Der Mensch macht es tausendmal vor und irgendwann kann die AI die Tasse greifen. Es gibt andere Ansätze, da lässt man die AI, nach sehr groben Pretraining mit Verhaltens Cloning, selber so lange probieren bis es die Tasse greifen kann und belohnt immer wenn es die Tasse greift. Irgendwann kann der Roboter die Tasse greifen. Du würdest jetzt sagen, die AI hat durch ausprobieren von selber gelernt die Tasse zu greifen. Die Wertung haben wir aber manuell gegeben. Wir haben bestimmt, dass Tasse greifen "richtig" ist und Tasse nicht greifen "falsch". Die Problematik besteht also in der Skalierung der Wertung, nicht im Lernprozess selber. Sobald ein Wertungssystem existiert ist das alles kein Problem.
? Das habe ich doch genau so geschrieben. Autonomes Fahren ist nur ein gutes Beispiel, weil wir hier sehr einfach viele "Vorhandenene Beispiele" generieren können und trotzdem kein zuverlässiges System haben, welches 99,999% alles "richtig" macht. Mann nennt das, das "Letzte Prozent Problem". Sobald Kontextverständnis gefragt ist, also Weltverständnis, scheitert das System. Wo ein Mensch quasi aus einem Verständnis der Gesamtwelt Entscheidungen trifft, müssen wir für die AIs die Bewertung auf ein sehr kleines Fenster dieser Welt beschränken, weil die Informationsmenge selbst für diese einzelne Handlung bereits gigantisch groß ist. Aber gleichzeitig fehlt ihr ein Bewertungssystem für den Rest der Welt und deshalb können sie nie alle Situationen in dieser Welt wie ein Mensch bewerten.
Nein, da hast du noch nicht verstanden was ich schreibe. Du kannst einem neuronalen Netz trillionen von Leberflecken "zeigen". Es wird dir nicht sagen können welcher Leberfleck Hautkrebs ist. Für das neuronale Netzwerk ist das alles nur Rauschen. Es hat keine intrinsische Wertung. Was machen wir also? Wir als Menschen werten die Leberflecke, geben ihnen ein Label (Hautkrebs ja/nein). Wir haben also ein Input (Leberfleckbild) und ein Zielwert (z.B. Hautkrebs). Dadurch lernt das NN und kann am Ende wenn es tausende Bilder gesehen hat unbekannte Leberflecken bewerten, ob sie Hautkrebs sind oder nicht. Es generalisiert. Das bedeutet, wir haben jede Wertung manuell übertragen. Die Maschine hat die Regeln und die Bewertung nicht selbst erfunden. Wir haben die Daten annotiert und gewertet.
Was ist der Unterschied zu einem LLM und warum skaliert das so verdammt gut? Weil du nichts annotieren musst. Die Information ist bereits im Text. Es muss nichts manuell annotiert werden. Input und Zielwert sind bereits vorhanden.
Jetzt musst du überlegen wie bekommst du die Bewertungen, die ein Handwerker trifft in eine Form von Input und Zielwert. Und das Problem ist hier, dass du nicht 2 Parameter ableiten musst, sondern tausende. Ein wesentliches Problem ist hier der Filter und die Komplexität der Umweltdaten. Wir haben einen eingebauten Filter für Umweltdaten, wir filtern relevant von nicht relevant und können so die zu bewertende Datenmenge komprimieren. Warum können wir das? Weil wir ein Weltmodel besitzen, weil Bewertung schon ab der Geburt eingebaut ist. Und hier beißt sich die Katze in den Schwanz bei AI. Du brauchst einen Filter für ein Weltmodel, sonst werden die Daten unendlich groß, aber für den Filter brauchst du ein Weltmodel. Ist das verständlich? Wahrscheinlich nicht.
Bei Text ist das übrings alles schon integriert. Es ist alles schon gefiltert und bewertet. Deshalb skaliert es auch.
Handclap
|
Telefunker
||
sorry , keine Zeit mir ein Video von 1:55 h anzuschauen
×
![Google Bevorzugte Quelle]()
Dir gefällt Sequencer.de? ❤️ Lasse dir unsere neuesten Inhalte in der Google-Suche ganz oben anzeigen!
