Künstliche Intelligenz (KI) stiehlt Bürojobs, OpenAI investiert heftig 1 Milliarde US-Dollar, um KI zum Arbeiten zu trainieren. Ihr perfekter Nachfolger steht kurz vor der Einstellung.

Große Unternehmen wie Anthropic und OpenAI planen, jährlich eine Milliarde US - Dollar in die Ausbildung von KI zu investieren, damit diese wie Menschen arbeiten kann. Sie bieten der KI nicht nur ein Umfeld für verstärktes Lernen (RL - Umfeld, kurz: Gym), sondern lassen sie auch von Experten aus verschiedenen Bereichen lernen. Ein High - Level - Manager von OpenAI prophezeit, dass die gesamte Wirtschaft in gewisser Weise in eine "RL - Maschine" verwandelt werden wird.

Nehmen KIs nun die Jobs von Büroangestellten ein?

Im vergangenen Mai erklärte Dario Amodei, der CEO von Anthropic, dass KIs es möglicherweise in den nächsten 1 bis 5 Jahren schaffen könnten, die Hälfte der Einstiegsjobs für Büroangestellte zu eliminieren und die Arbeitslosenquote in den USA auf 10 bis 20 % ansteigen zu lassen.

Diese beispiellose Arbeitsplatzersetzung hat allgemeine Sorgen ausgelöst.

Einige Internetnutzer sind der Meinung, dass Büroberufe in den nächsten 3 Jahren möglicherweise in großem Maßstab verschwinden werden.

Andere Internetnutzer meinen, dass nicht nur die untersten oder Einstiegsstellen, sondern auch Managementpositionen von KIs betroffen sein werden.

Anthropic, OpenAI und die weltweit führenden KI - Labors beschleunigen den Eintritt dieses "KI - Sturms".

Sie bringen große Modelle in das Büro und lassen sie verschiedene Anwendungen lernen, wie beispielsweise:

Das Kundenbeziehungsmanagement - Software von Salesforce; die Kundensupport - Software von Zendesk; die Gesundheitsdatenerfassungs - App von Cerner usw.

Ziel ist es, der KI die Bewältigung von lästigen und komplexen Aufgaben im Bürojob beizubringen.

Sie haben Milliarden von US - Dollar für diese KI - Ausbildung bereitgestellt.

Eine Milliarde US - Dollar pro Jahr, um der KI zu beibringen, wie Menschen zu arbeiten

Es wurde bekannt gegeben, dass Großunternehmen wie Anthropic und OpenAI bereits eine "Sonderfinanzierung" von einer Milliarde US - Dollar pro Jahr für die KI bereitgestellt haben, um der KI zu beibringen, wie Menschen zu arbeiten:

Das Führungsteam von Anthropic plant, in das kommende Jahr eine Milliarde US - Dollar in klonierte Unternehmensanwendungen zu investieren, die als Umfeld für verstärktes Lernen (RL - Umfeld) bezeichnet werden.

OpenAI plant ebenfalls, in diesem Jahr eine Milliarde US - Dollar in Daten - verwandte Bereiche zu investieren, darunter die Vergütung für menschliche Experten und die Kosten für das RL - Umfeld, und prognostiziert, dass diese Summe bis 2030 auf 8 Milliarden US - Dollar steigen wird.

Diese "Bildungskosten" für KIs steigen ständig.

Wenn diese Methoden erfolgreich sind, könnten sie OpenAI und Anthropic in Kürze helfen, einige Engpässe zu überwinden, die sie bei der Anwendung herkömmlicher Trainingsmethoden in letzter Zeit erlebt haben.

Außerdem könnten sie neuen Umsatzquellen eröffnen, wie beispielsweise den Verkauf von Bürosoftware, KI - Agenten, die menschliche Computer übernehmen und Anwendungen für sie bedienen, und die Entwicklung neuer Versionen beliebter Unternehmensanwendungen mit KI.

Dario Amodei, der CEO von Anthropic, hat solche Produkte einmal als "virtuelle Kooperationspartner" bezeichnet und gesagt, dass sie zusammen mit Menschen arbeiten und die gleichen Anwendungen wie Menschen nutzen können.

Aber die Umsetzung ist dennoch mit vielen Schwierigkeiten verbunden.

Anshul Bhagi, der Leiter des fortschrittlichen Datenprojekts von Turing, hat viele komplizierte Details darauf hingewiesen.

Beispielsweise muss man der KI nicht nur beibringen, wie man in Salesforce nach potenziellen Kunden sucht, die vielversprechendsten Leads/Kunden findet und Follow - up - E - Mails sendet, um ein Erstgespräch zu vereinbaren, sondern auch, wie man Anwendungen wie LinkedIn, Calendly und Gmail nutzt.

Um die Vollständigkeit der Aufgaben zu überprüfen, teilt Turing die Gesamtaufgabe in kleinere Schritte auf und erstellt ein Bewertungssystem (Rubrik), um zu überprüfen, ob das KI - Modell jeden Schritt korrekt ausgeführt hat.

Am Beispiel der Salesforce - Anwendung könnte dieses Bewertungssystem folgende Prüfpunkte umfassen:

Hat das Modell die Salesforce - Datenbank nach dem Datum des letzten Kontakts gefiltert?

Hat es eine E - Mail mit einem Calendly - Link gesendet?

Hat es den Status des potenziellen Kunden auf "wieder in Kontakt gebracht" (re - engaged) aktualisiert?

Obwohl diese Arbeit noch in der Anfangsphase ist, scheinen die verschiedenen KI - Labors bereit, dafür große Summen zu investieren.

Nach Analysen von Fachleuten macht der Anteil des RL - Umfelds derzeit in Anthropics Budget für die Nachbearbeitungsphase (nach der anfänglichen Trainingsphase, zur späten Feinabstimmung und Optimierung des Modells) weniger als 10 % aus.

Einige Anleger haben angegeben, dass sich nach dem gegenwärtigen Trend die Investitionen in das RL - Umfeld in der Nachbearbeitungsphase bereits nächstes Jahr auf einen höheren Anteil erhöhen könnten.

Einer der Gründe dafür ist, dass die Kosten für die Einstellung von menschlichen Experten immer höher werden.

Labelbox, das Expertenleistungen für Unternehmen wie OpenAI anbietet, hat im Juli angegeben, dass bei etwa 20 % seiner Expertenverträge die Stundenlohn über 90 US - Dollar liegt und bei fast 10 % über 120 US - Dollar.

Labelbox prognostiziert, dass die Vergütung dieser beiden Arten von Experten in den nächsten anderthalb Jahren auf 150 bis 250 US - Dollar pro Stunde steigen wird.

Das "RL - Umfeld", das die "wirkliche Welt" für die KI - Lernphase erschafft

Laut Jonathan Siddharth, dem CEO von Turing, haben sie bereits über 1.000 RL - Umgebungen erstellt, darunter Kopien von Airbnb, Zendesk und Microsoft Excel.

Turing plant, diese RL - Umgebungen an Kunden zu verkaufen und 100 bis 500 Beispielaufgaben anzubieten, damit das KI - Modell in der simulierten Anwendung experimentieren kann, sowie Methoden zur Überprüfung, ob das Modell die Aufgabe korrekt ausgeführt hat.

In den letzten Monaten haben sich in der Dienstleistungsbranche für RL - Umgebungen Wettbewerber von Turing wie Scale, Surge, Mercor und Invisible Technologies beteiligt, und es gibt auch einige neue Start - up - Unternehmen, die RL - Umgebungen speziell an große KI - Entwickler verkaufen.

Edwin Chen, Gründer und CEO von Surge, ist der Meinung, dass die Methoden von OpenAI und Anthropic zur Verbesserung ihrer Modelle "der menschlichen Lernweise nacheifern".

Für das Modell ist das RL - Umfeld wie das "Einsetzen in die wirkliche Welt".

Außer dem RL - Umfeld bringen KI - Entwickler der KI während des Lernprozesses auch neue Fähigkeiten oder Wissen in einem bestimmten Bereich bei, indem sie das Modell anhand sorgfältig zusammengestellter Beispiele für die Lösung von schwierigen Aufgaben lernen lassen, wie beispielsweise Wettbewerbsprogrammieraufgaben oder biologische Fragen auf Doktoratsebene.

Die KI - Ausbildung "klaut" das Wissen von Experten aus verschiedenen Bereichen

Mit der Verbesserung der Fähigkeiten von KI - Modellen hat sich die Gruppe der von Datenbeschriftungsunternehmen eingestellten Personen von Studenten, die einen Master - oder Doktorgrad anstreben, zu Berufsprofis mit jahrelanger Erfahrung in speziellen Bereichen gewandelt.

Schauen wir uns eine aktuelle Liste der von Turing eingestellten Experten an:

Ein Datenwissenschaftler von der NASA

Ein Chemiker, der an einem Projekt des Energieministeriums arbeitet

Ein Radiologiestudent in Ausbildung

Ein Vizepräsident in einem Private - Equity - Unternehmen

Ihre Aufgabe ist es, mit bestimmten Anwendungen echte Aufgaben in der realen Welt zu lösen, damit die KI zuschauen und lernen kann.

Bhagi gibt als Beispiel an, dass ein KI - Unternehmen vielleicht dem Modell beibringen möchte, wie sich eine Änderung der Steuersatzannahmen in einer Excel - Datei auf den Rest der Diskontierten - Cash - Flow - Analyse (DCF - Analyse) auswirkt.

Um der KI dies beizubringen, wird Turing zunächst seinen Auftragnehmern bitten, dieses DCF - Problem zu lösen und eine einzige Antwort zu erhalten, die zur Überprüfung der Genauigkeit verwendet werden kann, beispielsweise einen Aktienkurs.

Anschließend kann der Entwickler das Modell mehrere Dutzend Mal die gleiche DCF - Aufgabe lösen lassen, die Fälle auswählen, in denen es den gleichen Aktienkurs wie der menschliche Experte erreicht hat, und diese als richtige Beispiele für die Modellausbildung verwenden.

So können die Modellentwickler schnell mehr richtige Beispiele für diese Aufgabe erhalten, um die KI zu trainieren.

Heute sammeln Spitzen - KI - Unternehmen wie OpenAI aktiv ähnliche Beispiele aus allen Branchen, sei es in der Medizin oder im Recht.

Mit dem Lernen von Fachwissen aus verschiedenen Bereichen hat ein High - Level - Manager von OpenAI privat angegeben, dass sie erwarten, dass die "gesamte Wirtschaft" in gewisser Weise in eine "RL - Maschine" verwandelt werden wird.

Die KI könnte auf der Grundlage dieser Aufzeichnungen trainiert werden, die zeigen, wie Fachleute aus verschiedenen Bereichen ihre täglichen Aufgaben auf ihren Geräten bewältigen.

Wenn die KI das Fachwissen aus verschiedenen Bereichen und die Verwendung von Büroanwendungen gelernt hat, könnte der nächste Schritt darin bestehen, allmählich die menschlichen Arbeitsplätze in allen Branchen zu übernehmen.

Sind Sie bereit?

Quellenangaben:

https://www.theinformation.com/articles/anthropic-openai-developing-ai-co-workers?rc=epv9gi

Dieser Artikel stammt aus dem WeChat - Account "New Intelligence Yuan", Autor: New Intelligence Yuan, veröffentlicht von 36Kr mit Genehmigung.