Eine Forschungsgruppe der University of California, des Massachusetts Institute of Technology (MIT) und des KI-Technologieunternehmens Aizip hat einen Durchbruch in der Künstlichen Intelligenz (KI) erzielt. Die Forscher demonstrieren in der Studie, wie große KI-Modelle, ähnlich denen, die Systeme wie ChatGPT antreiben, sind nun in der Lage, autonom kleinere, spezialisierte KI-Anwendungen zu generieren
Die Rolle kleinerer AI-Modelle
Yan Sun, CEO von Aizip, erklärt die Methodik als einen Prozess, bei dem größere Modelle die Entwicklung kleinerer Modelle unterstützen. Dieser Ansatz gilt als ein Schritt hin zu selbstevolvierenden KI-Systemen. Yubei Chen, UC Davis Professor und Mitbegründer von Aizip, betont die Zusammenarbeit zwischen großen und kleinen KI-Modellen und ihre Rolle in einem umfassenden Intelligenz-Ökosystem.
„Das Überraschende ist, dass wir das größte Modell nutzen können, um automatisch die kleineren zu entwerfen.“, so Chen im Interview mit Fox News. Diese kleinen KI-Modelle haben vielfältige Anwendungen, wie die Verbesserung von Hörgeräten, die Überwachung von Pipelines und die Verfolgung bedrohter Arten durch die Analyse von Satelliten- und bodengestützten Sensordaten
Ein Schritt in Richtung spezialisierter KI-Systeme
Die Forschungsergebnisse zeigen, dass große KI-Modelle in der Lage sind, die besten Architekturen und Parameter für kleine KI-Modelle automatisch zu finden, basierend auf den Daten und der jeweiligen Aufgabe. „Wir arbeiten an wirklich spezifischen Aufgaben, sehr kostengünstigen Lösungen, die in jeder Ecke der Welt eingesetzt werden können“, so Sun. Er fügt hinzu, „Wir bringen die Intelligenz in den Alltag, um das Leben sicherer zu machen.
Entwicklung KI-gesteuerter Systeme
- Beteiligte:: Forschung von MIT, UC-Campussen, Aizip Inc.
- Veröffentlichung: Nature Communications
- Anwendungen: Verbesserung von Hörgeräten, Pipeline-Überwachung, Tierverfolgung
- Ziel: Autonome Entwicklung kleinerer KI-Modelle durch größere KI-Modelle
Diese Entwicklung kündigt das Zeitalter des „Tiny Machine Learning“ an, wo kompakte KI-Systeme in verschiedenen Geräten und Räumen eingebettet werden können. Chen beschreibt dieses Szenario als ein Spektrum der Intelligenz: „Wenn wir über ChatGPT und Tiny Machine Learning nachdenken, befinden sie sich an den beiden Extremen des Intelligenzspektrums.“.
Was ist Tiny Machine Learning?:
Tiny Machine Learning (TinyML) ist ein Konzept, das aus dem Bedarf entstand, KI-Technologien in Geräten mit begrenzten Rechenressourcen zu integrieren. Es bezeichnet die Entwicklung und Anwendung von maschinellem Lernen in sehr kleinen, energieeffizienten Umgebungen. TinyML ermöglicht es, intelligente Funktionen in Alltagsgegenstände wie Sensoren und tragbare Geräte zu integrieren, und erweitert so die Anwendungsbereiche der KI in unserem täglichen Leben.
Durch die Fähigkeit großer Modelle, kleinere Modelle ohne menschliche Beteiligung zu erstellen, eröffnen sich neue Möglichkeiten für die Anwendung von KI Software in Alltagsgeräten. Wie Yan Sun von Aizip erläutert, ist diese Entwicklung ein erster Schritt hin zu selbstevolvierenden KI-Systemen. Dieser Fortschritt markiert einen Wendepunkt in der KI-Forschung, auch in Hinblick auf die effizientere Nutzung der neuen Technologien.
Quellen:
