<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=2728387060522524&amp;ev=PageView&amp;noscript=1">

Die 4 Waves von AI: Does the Winner take it all?

Mattia Rüfenacht | 17. Jan 2020
Mattia's world revolves around encounters with people, innovative ideas, tech, food & drinks, music, nature, and consciousness. At Parashift, he is doing business development.

Letzten Juni las ich Kai-Fu Lees Buch "AI Superpowers: China, Silicon Valley and the New World Order". Ein Buch, das für mich eine Einstimmung auf Themen war, die ich seit anfangs Juli 2019 bei Parashift aus einer ganz neuen Perspektive schrittweise kennenlerne. 

Kai-Fu Lee ist Chairman und CEO von Sinovation Ventures und Präsident des Artificial Intelligence Institutes von Sinovation Ventures. Sinovation Ventures gründete er bereits 2009 und ist mittlerweile bei Fund Nummer 7. Das Team verwaltet derzeit ein Portfolio von über $2 Milliarden und unterstützt mehr als 350 Technologieunternehmen aus China. Vor dieser Zeit war Kai-Fu Lee Präsident von Google China und unterstütze Firmen wie Microsoft, SGI und Apple in Executive Positionen. 

In seinem Buch geht er vertief darauf ein, was die treibenden Faktoren im AI-Ökosystem sind, wie China die Infrastruktur AI begünstigend ausrichtet, in welche Richtung er antizipiert, dass sich die AI Revolutionen entwickeln und wie wir uns an die neuen Gegebenheiten anpassen werden müssen.

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 - ermöglicht, eine Vergleichseinschätzung zum Level des Fortschritts. Dabei differenziert er nach 4 AI Waves:

 

superpower_capabilities

 

Internet AI

Internet AI ist heute wohl mehr oder weniger bei uns allen angekommen. Grundsätzlich 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 hauptsächlich Recommendation Algorithmen, die aufgrund des User Verhaltens auf den Services Verhaltensmuster aufdecken und entsprechend Content personalisiert kuratieren, um für X, meistens User Engagement, zu optimieren.

Einer von Chinas Leaders in dieser Kategorie ist Jinri Toutiao beziehungsweise ByteDance in Englisch. Das 2012 gegründete Unternehmen wird öfters "das BuzzFeed von China" genannt, da auch sie ein Hub für 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 durchstöbern das Internet nach Content und nutzen Technologien wie Natural Language Processing (NLP) und Computer Vision, um Artikel und Videos von Partnernetzwerken und kommissionierten Beiträgen 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 für dessen Interessen ist. In diesem Prozess der Personalisierung editieren die Algorithmen teilweise auch den Titel von Artikeln, um so die Click-Rates zu erhöhen. 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.

Im nationalen Vergleich liefern sich China und USA ein Kopf an Kopf Rennen. Begünstigend für ein zukünftiger 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 ermöglichen und damit die Entstehung von kreativen und ökonomisch viablen Internetapplikationen stimuliert. 

 


"There's no data like more data" - Robert Mercer

 

Business AI 

Die zweite Wave, die von Business AI, macht Gebrauch von bereits gelabelten unternehmensspezifischen Daten. Teilweise reichen diese mehrere Jahrzehnte zurück und sind daher sehr wertvoll für die Entwicklung von akkurateren Prediction Modellen. Beispielsweise Banken und Versicherungen aber auch etliche medizinische Institute sitzen in der Regel auf sehr grossen Datensätzen, wo Dinge wie Kreditgeschichten, Schadens- und Betrugsfälle oder archivierte Diagnosen und Gesundheitszustandsentwicklungen seit Jahren festgehalten werden.

Prediction Modelle, die auf solchen Datensätzen entwickelt werden, sind daher so besonders wertvoll, da maschinelle Predictions feiner aufgebaut sind als die unseren. Während wir Menschen unsere Predictions auf offensichtlichen Zusammenhängen (sogenannten Hard Features) aufbauen, beinhalten AI-basierte Predictions zusätzlich subtile Zusammenhänge (Weak Features), die für uns im Gesamtbild als irrelevant erscheinen. Je mehr Daten die Maschine hier zum prozessieren hat, desto höher ist auch die Wahrscheinlichkeit, mehr relevante Korrelationen ausfindig zu machen und so die Qualität der Predictions zu steigern.

Solange also ein genug grosser Datenpool mit strukturierten beziehungsweise kategorisierten Daten mit relevanten Outcomes vorhanden ist, ist es diesen Technologien aufgrund der genannten Beschaffenheit möglich, selbst top-notch Fachexperten in ihren analytischen Tätigkeit zu übertreffen. Ein gutes Beispiel für den Mehrwert, der durch diese geschaffen werden kann, finden wir in der Verwendung für die Diagnose von Erkrankungen (interessante Resultate gabs neulich bei Brustkrebs). Denn dort wird AI unterstützend zur Fachexpertise herbeigezogen und erhöht so eben die Diagnosegenauigkeit.

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 marktführend. Doch als 2013 Deep Learning, 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.

Während 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 führend werden könnte 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 Schwächen durch eine Bottom-up Transformation der Strukturen und Prozesse in Stärken umwandeln.

 

Perception AI

Wie der Namen vermutet lässt, gehts bei der Wave von Perception AI darum, den Maschinen Sinne zu geben und ihnen so das Spektrum für Kontext zu öffnen. Resultat ist eine Art Verschmelzung der digitalen und physischen Welt.

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. Ähnlich ist es bei Audio-Daten. Auch hier schaffen Algorithmen sich sukzessive mehr Verständnis über einzelne Wörter und allmählich auch über die Bedeutung von Sätzen und Wörter in verschiedenen Kontexten.

Wesentlich für den Fortschritt in dieser spezifischen Domäne 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. 

Kai-Fu Lee sagt dazu, "Perception AI wird uns die Convenience und Abundanz der Online Welt in unsere Offline Realität bringen". Dabei agieren verschiedenste Sensor-basierte Hardware Geräte als Konnektoren. Ein technologisch ziemlich bemerkenswertes Beispiel, das heute bereits vereinzelt konventionell genutzt werden kann, ist Amazon Go.

Dass China in Perception AI führend ist und von hier aus noch einmal drastisch zulegen kann, dürfte nicht sonderlich verwundern. Denn die chinesische Kultur beziehungsweise ihre Lockerheit im Umgang mit der Privatsphäre und Shenzhens Stärke in der Hardware Produktion bilden hier die Basis für einen relevanten Edge im Wettbewerb. 

 

Autonomous AI

Die für mich interessanteste Wave ist die der autonomen Systeme. Sie ist aber zugleich auch diejenige, die in ihrer Entwicklung am schwierigsten einzuschätzen 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 können. Dazu müssen diese nicht nur eine Repräsentation einer Umwelt haben, sondern auch auf Veränderungen in ihr responsiv sein können und mit Abweichungen und Unregelmässigkeiten klarkommen können. Für die absolute Mehrheit von Ihnen wird wohl das Autonome Fahren die Applikation sein, die Ihnen dazu am ehesten in den Sinn kommt. Doch abgesehen davon werden autonome Systeme noch etliche weitere Bereiche unseres täglichen Lebens schrittweise verändern.

Nach Kai-Fu Lee muss China in diesem Bereich von AI unglaubliche Investments tätigen. Zusätzlich nutzen sie auch ihre politischen Strukturen, um zielorientierte Handlungen schneller herbeizuführen und einen kompetitiven Vorteil gewinnen zu können. 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 ermöglicht Wireless-Kommunikation zwischen Auto, Strasse und Autofahrer. Damit wollen Sie die Verkehrseffizienz um 30 Prozent steigern und Unfälle markant minimieren. Fun Fact: In Zukunft sollen diese Strassen autonome Fahrzeuge während dem Fahren kontinuierlich laden.

Ein anderes interessantes Projekt entsteht in der Nähe von Beijing. In Xiong’an. Während den nächsten 20 Jahren werden dort $580 Milliarden in die Infrastruktur investiert. Das Ziel des Projektes ist die erste Stadt, die für autonome Vehikel jeglicher Art gedacht ist. Baidu, eine der führenden Unternehmungen in AI, arbeitet hier eng mit der Regierung zusammen, um das Projekt möglichst schnell vorwärts zu bringen.

Nichtsdestotrotz war 2018 die USA Leader für 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 später 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 Rückstand auf.

Kai-Fu Lee macht die Frage nach dem langfristigen Leader in dieser Sparte abhängig 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 für China auf technologischer Ebene trotzdem noch mitreden zu können, wäre, wenn neue unerwartete Fortschritte in Computer Vision sich schnell global verbreiten und dadurch technologische Gaps schliessen würden. Dann wären wiederum die regulatorischen Vorteile von China ein Trumpf im Ärmel.

 

Does the Winner take it all?

Eine interessante Frage ist nun, inwiefern und zu welchem Mass die fadenführenden Kräfte im Stande sein werden, sich die prognostizierten wirtschaftlichen Mehrwerte eigens zu machen. Denn es geht um unglaublich viel. Gemäss einem Report von PwC kann bis 2030 allein durch AI Produkte und Dienstleistungen mit einem zusätzlichen Wirtschaftsoutput von $15.7 Billionen - Sie lesen richtig: Billionen, nicht Milliarden - gerechnet werden.

Besonders spannend finde ich diese Frage, da AI die Eigenschaft und natürliche Tendenz zur Kreation von Monopolen hat. Das heisst, dass es in vielen Industrien der 4 Waves zu ökonomischen Dynamiken kommt, wo dann tatsächlich lediglich ein wesentlicher Winner resultierend ist. Wir kennen das bereits von verschiedenen Internetunternehmungen. Google dominiert Search, Facebook Soziale Netzwerke, wobei sich da womöglich langsam Opportunitäten für neue Players auftun, und Amazon, die ziemlich konsequent ihre Dominanz im E-Commerce-Bereich weiter verstärken. 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 führend sind, eine unglaubliche Wertschöpfungskonzentration aufbauen können. Welche Auswirkungen dies auf allerlei Systeme unserer Welt haben wird, ist eine Frage, wo wir im Idealfall sehr bald mehr Klarheit schaffen können.