Zwei Wissenschaftler halten einen Jahresanfangsvortrag über KI für die Wissenschaft.

Am Nachmittag des 12. Januar 2025 veranstaltete das Beijing Haidian Zhishi Frontier Technology Promotion Center, eine gemeinnützige Wissenschaftsorganisation, das jährliche Wissenschaftsfest unter dem Motto "AI for Science, AI for Good".

Ma Yi, Dekan der Fakultät für Computer- und Datenwissenschaften an der Universität Hongkong und Gründer von Yisheng Technology, sowie Zhang Zheng, Direktor des Shanghai Artificial Intelligence Research Institute von Amazon Cloud Technology, hielten jeweils Neujahrs-Wissenschaftsvorträge unter dem Thema „Der Weg zur Erkundung der Essenz der Intelligenz“ und „Die neuen Herausforderungen für die Bildung im Zeitalter der großen Modelle: Vom Fließband zur Renaissance“. Im Folgenden sind einige ihrer Ansichten zusammengefasst:

Ma Yi: Der Weg zur Erkundung der Essenz der Intelligenz

1. Kürzlich zitierte ich ein Zitat von Einstein über die Wissenschaft: „Everything should be made as simple as possible, but not any simpler.“ Alle Dinge sollten so einfach wie möglich gemacht werden, ohne zu vereinfachend zu sein, um Phänomene zu erklären. Diese beiden Sätze repräsentieren für mich die Essenz der Intelligenz.

2. DNA ist das erste große Modell der Natur, das Leben überlebte ursprünglich durch DNA, Generation für Generation natürliche Mutationen, das Überleben der Stärksten. Es ist ein kontinuierlicher Prozess der Anpassung, Versuche und Fehler. Individuen besitzen keine Intelligenz, Gruppen schon, durch natürliche Selektion. Dieser Prozess wird heute als "Reinforcement Learning" bezeichnet.

3. Vor 500 Millionen Jahren entwickelten Individuen ein Gehirn- und Nervensystem, sie begannen, Informationen aus der Außenwelt aufzunehmen, was zur kambrischen Explosion führte. Das Gehirn ersetzte in gewissem Maße die DNA, Individuen entwickelten Intelligenz.

4. Später, mit dem Menschen, begannen Tiere in Gruppen zu leben, es entstand Kommunikation, Sprache und Schrift entstanden, die Intelligenzmechanismen verbesserten sich. Individuelle Intelligenz wird durch kollektive Intelligenz ergänzt.

5. Vor einigen tausend Jahren ereignete sich etwas anderes: Mathematik und Wissenschaft, Menschen entwickelten die Fähigkeit der Abstraktion, Wissen überstieg die Fähigkeit zur Extraktion aus Erfahrung.

6. In den letzten zehn Jahren hat sich die Technologie der Zeitneuronalen Netze dank Rechenleistung und Daten stark weiterentwickelt, was beispielsweise das Verständnis von Texten und Bildern betrifft.

7. Die Definition von Intelligenz als ein wissenschaftliches und mathematisches Problem muss auf die Tagesordnung gesetzt werden, da ansonsten viele Menschen in übersteigerte Erwartungen und Ängste verfallen könnten.

8. Jeder Mensch, jedes Tier hat die Fähigkeit, präzise physikalische Modelle der Außenwelt zu erstellen, wie es Newton tat.

9. Wenn die Mathematik für Sie Sinn macht, wissen Sie, wie man Lücken füllt – das ist, was AI tut. Sprachmodelle ähnlicher Art sind als Transformerausführungen bekannt.

10. Unsere Gehirne lernen Zusammenhänge und Muster in den Daten, die wir aufnehmen. Je höher die Dimensionalität, desto größer die Herausforderung.

11. Neuronale Netze strukturieren und optimieren fortlaufend Daten, ähnlich wie Kompressionstechniken.

12. Anfangs basierte die Berechnung auf White-Box-Ansätzen; heute, mit der Weiterentwicklung, wird die Effizienz gesteigert, und unnötige Annahmen können eliminiert werden.

13. Das Kriterium für vollständig erlernte Modelle ist die Fähigkeit zur Vorhersage, was genutzt wird, um sie zu validieren.

14. Autonomes Lernen ohne Datenmissbrauch ist in der Natur selbstverständlich.

15. In der Biologie ist Gedächtnis charakterisiert durch sparsame und feedbackgesteuerte Organisation.

16. Junge Menschen sollten die Geschichte genau studieren, um die Ursprünge der Intelligenz zu verstehen.

17. Induktive und deduktive Methoden spielten historisch eine entscheidende Rolle in der Wissenschaft. Ein tieferes Verständnis der zugrunde liegenden Mechanismen ist von entscheidender Bedeutung.

Zhang Zheng: Die neuen Herausforderungen für die Bildung im Zeitalter der großen Modelle — Vom Fließband zur Renaissance

1. Der Fortschritt der Technologie sollte im Kontext der menschlichen Geschichte betrachtet werden. Eine lineare Sichtweise könnte irreführend sein.

2. Bildung als ein formelles System entwickelt hochgradig spezialisierte Fachkräfte, obgleich zukünftige Anpassungen erforderlich sein könnten, um den technologischen Fortschritt zu berücksichtigen.

3. Große Sprachmodelle wie GPT-3 lernen aus einer enormen Menge an Daten viel schneller als Menschen es könnten.

4. Die grundlegende Strukturierung von Texten wird durch maschinelle Lernmethoden weiterentwickelt.

5. Die Natur der Daten wird durch komplexe Verteilungen, wie etwa die Long-Tail-Verteilung, definiert.

6. Die Realität folgt diesen Verteilungen, was auch Auswirkungen auf die Sprachmodelle hat.

7. Sobald Daten vollständig erfasst sind, wird weiterer Fortschritt schwieriger.

8. Die Stärke großer Modelle liegt in ihrer Fähigkeit, kontextbezogene Aufgaben auf verschiedenen Ebenen zu vollziehen.

9. Historische Paradoxien verdeutlichen die potenziellen Auswirkungen innovativer Technologien auf die Gesellschaft.

10. Bildung im AI-Zeitalter sollte den Einsatz von AI fördern, um die Lernziele erheblich zu beschleunigen.

11. Wie Wissenschaftler der Renaissance sollten moderne Schüler interdisziplinär und breit angelegt denken.

12. AI sollte ein Hilfsmittel zur Verbesserung der Lernkapazitäten sein, anstatt als Ersatz wahrgenommen zu werden.

13. Abschließend eine Buchempfehlung: "THE ACE OF WONDER", die sowohl Aufregung als auch Besorgnis gegenüber technologischen Fortschritten thematisiert.