Neueste Rede von Andrew Ng: Künstliche Intelligenz wird überhyped, die Konzentration auf die Anwendungsebene ist der echte Trend.
Am 11. Juli berichtete, dass bei der Startup-Akademie-Veranstaltung, die von der Silicon Valley Startup-Inkubator YC organisiert wurde, Andrew Ng seine neuesten Erkenntnisse teilte: Die Umsetzungsgeschwindigkeit ist wichtiger denn je, wie Agenten-Workflows die Entwicklungsgrenzen von Startups neu gestalten und warum konkrete Lösungen immer dann triumphieren, wenn es darum geht, Ideen in Produkte umzusetzen, im Vergleich zu vagen Vorstellungen.
Darüber hinaus diskutierte Andrew Ng die Entstehung von AI-Programmier-Assistenten, die Entwicklung von Engpässen in der Produktentwicklung und wie diese den technologischen Fortschritt vorantreiben. Gleichzeitig betonte er, dass in dieser Zeit des beschleunigten Softwarewachstums menschliche Urteilsfähigkeit und Verantwortungsbewusstsein weiterhin die zentralen Faktoren für den Erfolg oder Misserfolg zukünftiger Startups sind.
Andrew Ng, Gründer von DeepLearning.AI: Hör auf, über AGI zu schwärmen, der Mensch ist der "Steuermann" der Zukunft
Im Folgenden die zentralen Punkte von Andrew Ngs Rede:
Obwohl die Branche viel auf die untersten Technologien fokussiert, liegen die echten Geschäftsmöglichkeiten oft auf der Anwendungs-Ebene. Nur wenn die Anwendungs-Ebene profitabel ist, kann sie die Entwicklung von Modellen, Rechenleistung und Chips fördern. Gleichzeitig gibt es auf jeder Ebene Chancen.
Die zukunftsträchtigsten Geschäftsmöglichkeiten liegen darin, bestehende oder neu gestaltete Arbeitsabläufe in Agenten-Architekturen umzuwandeln.
Der AI-Technologie-Stack bildet eine neue "Agenten-Orchestrierungsebene", die die untersten Modelle und die oberen Anwendungen verbindet und Entwicklern hilft, komplexe AI-Anwendungen effizienter zu entwickeln.
Die Intuition von Fachleuten ist besser als die Verzögerung von Daten: Fachleute, die sich tief in einem Bereich spezialisiert haben, treffen oft auf der Grundlage ihrer Intuition bessere Produktentscheidungen als Startups, die auf langsame datengesteuerte Rückmeldungen angewiesen sind.
Die Validierungsgeschwindigkeit ist Wettbewerbsfähigkeit: Das Erstellen eines groben Prototyps und die Validierung, ob eine Idee funktioniert, ist der Schlüsselweg zum Erfolg von Startups in der AI-Zeit, um eine zu frühe Optimierung und eine Verschwendung von Ressourcen zu vermeiden.
AI macht technologische Entscheidungen flexibler: In der Vergangenheit waren technologische Entscheidungen wie Einbahnstraßen, heute ist der Umbaupreis gesunken und viele Architekturentscheidungen sind reversibel. Schnelles Ausprobieren und flexible Anpassungen sind die neue Normalität.
Die AI-Entwicklungs-Paradigma wandelt sich in ein "Lego-artiges Bauen" um: Durch die Beherrschung von modularen Technologien wie Prompt-Engineering, RAG und Fine-Tuning können Unternehmer schnell Anwendungs-Prototypen zusammenbauen, wie man Lego baut, und so einen exponentiellen Innovationsraum erschließen.
Programmieren wird zur neuen Form der Ausdrucksfähigkeit: Selbst wenn AI Code schreiben kann, ist es immer noch wichtig, Programmieren zu verstehen. Es ist nicht nur eine technische Fähigkeit, sondern auch die Schlüsselkompetenz, um Anforderungen klar auszudrücken und AI zu leiten, Aufgaben zu erledigen.
Die Gefahren von AI werden übertrieben: AI an sich ist neutral, der Schlüssel liegt darin, wie der Mensch sie nutzt. Sicherheit sollte nicht vergöttert werden. Verantwortungsbewusstes Nutzen von AI ist das Entscheidende für ihre Vor- und Nachteile.
Es gibt Fehlvorstellungen über AGI: Der Begriff AGI wird stark überhyped. In absehbarer Zukunft wird es für AI noch schwierig sein, die einzigartigen Fähigkeiten des Menschen in Bereichen wie Kreativität und Urteilsfähigkeit zu ersetzen.
Open Source ist die Schutzmauer für AI-Innovation: Offene Zusammenarbeit ist der Grundstein für AI-Innovation. Es muss vor Technologiemonopolen im Namen der "Sicherheit" gewarnt werden und ein freies und offenes Innovations-Ökosystem bewahrt werden.
Im Folgenden die Highlights aus Andrew Ngs YC-Rede und der anschließenden Fragen-Antwort-Session:
Ich möchte euch meine Erfahrungen im Bereich Startup-Gründung teilen, die ich im AI Fund gesammelt habe. Der AI Fund ist ein Risikokapitalfonds. Unser Geschäftsmodell besteht darin, jeden Monat ein Startup zu gründen. Als Mitbegründer mussten wir nicht nur den Gründern helfen, Code zu schreiben, Kunden zu befragen und Funktionen zu gestalten, sondern auch Preissysteme zu entwickeln. All dies hat uns reiche praktische Erfahrungen eingebracht.
01 Die echten Trends in der AI-Geschäftswelt liegen auf der Anwendungs-Ebene, nicht in den untersten Modellen
Mein Vortrag wird sich auf das Thema "Geschwindigkeit" konzentrieren, insbesondere im Zusammenhang mit der ständigen Entwicklung der AI-Technologie und den daraus resultierenden neuen Chancen.
Als Unternehmer ist die Umsetzungsgeschwindigkeit ein Schlüsselindikator für den Erfolg einer Startup-Gründung. Ich schätze besonders Unternehmer, die schnell handeln. Die neue Generation von AI-Technologien erhöht die Effizienz von Startup-Gründungen erheblich. Im Folgenden werde ich einige bewährte Praktiken zur Verbesserung der Umsetzungsgeschwindigkeit teilen, die euch helfen können, eure Produkte häufiger zu verbessern und so die Chancen auf Erfolg zu erhöhen.
Vor dem Gespräch über die Geschwindigkeit fragen sich viele: "Wo liegen die aktuellen Chancen für Startup-Gründungen?" Für mich kann die Struktur des AI-Technologie-Stacks in mehrere Ebenen unterteilt werden: Die unterste Ebene sind Halbleiterunternehmen, darüber sind hyperskalierte Cloud-Dienstleister (Hyperscaler), und noch darüber sind AI-Basis-Modell-Unternehmen.
Obwohl die Medien und die Branche viel auf diese technologischen Ebenen fokussieren, liegen aus geschäftlicher Sicht die echten Chancen oft auf der Anwendungs-Ebene. Denn nur wenn die Anwendungs-Ebene genügend Einnahmen generiert, kann sie die Entwicklung der untersten Basis-Modelle, Cloud-Computing und Halbleiter-Technologien unterstützen. Aber auf jeder technologischen Ebene gibt es unterschiedliche Geschäftsmöglichkeiten.
02 Die Entscheidung, ob ein Agenten-Workflow eingesetzt wird, kann den Erfolg eines Projekts bestimmen
Im vergangenen Jahr hat sich die AI-Technologie erheblich verändert. Der wichtigste Trend ist der Aufstieg von Agenten. Vor etwa anderthalb Jahren, als ich an verschiedenen Orten Vorträge hielt und versuchte, die Potenziale von Agenten zu vermitteln, hätte ich nicht gedacht, dass dieser Begriff im vergangenen Sommer von Marketing-Experten überhyped würde und seine Kernbedeutung verloren würde.
Hier möchte ich von technischer Seite erklären, warum Agenten so aufregend und wichtig sind und wie sie Unternehmern viele neue Chancen bieten.
Derzeit interagieren die meisten Benutzer mit großen Sprachmodellen, indem sie direkt einen Prompt eingeben und ein Ergebnis erhalten. Dies ist wie wenn eine Person (oder AI) einen Artikel auf einmal schreibt, ohne zurückzugehen und zu korrigieren. Tatsächlich ist der beste Schreibstil des Menschen nicht linear, und auch AI sollte es nicht sein.
Obwohl die Nutzungsmuster von großen Sprachmodellen derzeit meist linear sind, haben sie bereits erstaunliche Fähigkeiten gezeigt. Mit Agenten-Workflows können wir AI-Systeme dazu bringen, komplexere Schreibprozesse auszuführen, wie z.B. die Erstellung eines Gliederungskonzepts, die Durchführung von Internetrecherchen, das Abrufen von Webseiten-Inhalten, das Verfassen eines ersten Entwurfs, die Selbstbewertung und die wiederholte Überarbeitung... Am Ende entsteht ein iterativer Arbeitsablauf. Obwohl dieser Modus möglicherweise langsamer ist als die lineare Ausgabe, kann er durch mehrmalige Überlegungen, Recherchen und Überarbeitungen ein Ergebnis von deutlich höherer Qualität erzielen.
In mehreren Projekten, an denen der AI Fund beteiligt war, sei es bei der Erstellung von konformen Dokumenten, der medizinischen Diagnose oder der juristischen Analyse von Rechtsdokumenten, haben wir festgestellt, dass die Entscheidung, ob ein Agenten-Workflow eingesetzt wird, oft den Erfolg eines Projekts bestimmt. Die zukunftsträchtigsten Geschäftsmöglichkeiten liegen darin, wie bestehende oder neu gestaltete Arbeitsabläufe in Agenten-Architekturen umgewandelt werden können.
Darüber hinaus entsteht im AI-Technologie-Stack eine neue Ebene: Die Agenten-Orchestrierungsebene (Agentic Orchestration Layer). Als Vermittler zwischen den untersten Modellen und den oberen Anwendungen hilft sie Entwicklern, komplexere AI-Anwendungen effizienter zu entwickeln.
Obwohl diese Orchestrierungsebene die Anwendungsentwicklung einfacher macht, bleibt mein Kernpunkt unverändert: In der gesamten Technologie-Stack ist die Anwendungs-Ebene immer noch der wertvollste Teil und lohnt sich am meisten, sich darauf zu konzentrieren.
03 Tipps für AI-Startups: Vage Ideen = Geldverbrennung, konkrete Lösungen = Geldverdienen
Jetzt möchte ich einige praktische Erfahrungen teilen, die Startups helfen können, schnell zu wachsen. Im AI Fund halten wir uns immer an ein Prinzip: Wir konzentrieren uns nur auf konkrete Produkt-Ideen. Hierbei bedeutet "konkret", dass Ingenieure sofort mit der Entwicklung beginnen können, wenn sie klare Anforderungen erhalten.
Zum Beispiel ist die Idee "AI zur Optimierung von medizinischen Ressourcen zu nutzen" zu vage. Basierend auf dieser Idee könnten Ingenieure völlig verschiedene Produkte entwickeln. Im Gegensatz dazu ist die Idee "Eine Software zu entwickeln, die es Patienten ermöglicht, sich online für ein MRT-Gerät zu vereinbaren" eine konkrete Produkt-Idee. Ingenieure können an diesem Tag mit der Programmierung beginnen und die Entwicklung schnell vorantreiben.
Konkrete Ideen haben große Vorteile, insbesondere bei der Gründung eines Startups. Obwohl Ideen wie "AI zur Verbesserung der E-Mail-Effizienz nutzen" sehr attraktiv klingen und leicht akzeptiert werden, können nur konkrete Lösungen schnell überprüft werden, ob sie funktionieren.
Im AI Fund haben wir immer drei Gründe, warum wir uns nur auf konkrete Produkt-Ideen konzentrieren:
Erstens: Klarer Richtung gibt dem Team die Möglichkeit, die Entwicklung mit voller Kraft voranzutreiben.
Zweitens: Unabhängig davon, ob die Überprüfung erfolgreich ist oder nicht, kann man schnell zu einem Ergebnis kommen.
Drittens: Gute konkrete Ideen stammen oft von Fachleuten, die sich lange mit einem Problem beschäftigt haben und es gut verstehen.
Zum Beispiel habe ich vor der Gründung der Online-Bildungsplattform Coursera mehrere Jahre lang mich auf das Feld der Online-Bildung konzentriert. Ich habe ständig mit potenziellen Nutzern gesprochen und überlegt, wie man eine Bildungstechnologieplattform entwickeln kann, die echte Probleme löst. Nach langem Nachdenken (wie Y Combinator sagt, "im Labyrinth der Ideen herumirren") habe ich festgestellt, dass Fachleute, die sich viele Jahre in einem Bereich spezialisiert haben, oft auf der Grundlage ihrer Intuition schnell hochwertige Entscheidungen treffen können.
Wenn ihr euch lange genug mit einem Bereich beschäftigt habt und genug mit Nutzern gesprochen habt und plötzlich gefragt werdet, "Sollte man diese Funktion oder jene Funktion entwickeln?", dann ist eure intuitive Reaktion - diese Momentanentscheidung - möglicherweise sehr genau. Aber für viele Startups ist die Erhebung von Daten ein relativ langsamer Prozess. Im Vergleich dazu können die intuitiven Entscheidungen von Fachleuten einem Unternehmen helfen, schneller Entscheidungen zu treffen.
Eine andere wichtige Beobachtung ist, dass erfolgreiche Startups sich jederzeit auf die Überprüfung einer klaren Hypothese konzentrieren. Schließlich haben Startups begrenzte Ressourcen und können nicht gleichzeitig in mehreren Richtungen experimentieren.
Deshalb sollten Unternehmer sich für eine Richtung entscheiden und mit voller Kraft voranschreiten. Wenn die Daten zeigen, dass diese Richtung nicht funktioniert, dann solltet ihr schnell zu einer anderen konkreten Lösung wechseln.
Aber es ist wichtig zu beachten: Wenn euch jeder neue Datenpunkt dazu bringt, die Richtung zu ändern, bedeutet dies möglicherweise, dass ihr das Feld noch nicht gut genug versteht. Und wenn ihr euch nach jedem Gespräch mit einem Kunden umentscheidet, bedeutet dies, dass ihr noch keine hochwertigen konkreten Ideen entwickelt habt. Dann solltet ihr