Seit OpenAI im November letzten Jahres ChatGPT vorgestellt hat, ist es in aller Munde. Es hat in den Medien enorme Aufmerksamkeit erregt, auch bei einigen der führenden Denker der Welt. Die Beteiligten experimentieren mit allen Arten von neuen Anwendungsfällen (immer noch hauptsächlich sprach-, bild- und videoorientierte Anwendungsfälle) und sind fasziniert und erschrocken zugleich. In diesem Artikel gehen wir näher darauf ein, was ChatGPT ist und wie es funktioniert, warum es ein Game Changer ist und was es für unsere Kunden in den traditionellen Branchen bedeutet, die physische Produkte herstellen.
ChatGPT 101: Wie es funktioniert
ChatGPT (auch als GPT-3 bezeichnet) ist ein riesiges neuronales Netzwerkmodell, genauer gesagt ein großes Sprachmodell (LLM), das aus fast 175 Milliarden neuronalen Netzwerkgewichten besteht, die auf eine Eingabeschicht, eine spätere Ausgabeschicht und etwa 100 innere Schichten verteilt sind. Das Modell wurde anhand von Text aus Milliarden von Webseiten und Büchern trainiert. Der Hype um ChatGPT ist deshalb so groß, weil das Programm in der Lage ist, natürliche, menschenähnliche Unterhaltungen zu führen und dabei den Kontext des gesamten Gesprächs im Auge zu behalten. Das Programm wurde anhand von Milliarden von Fakten - ob wahr oder nicht - trainiert und kann so unterschiedliche Fragen wie "Erzählen Sie mir etwas über das Sonnensystem", "Erzählen Sie mir kurz etwas über die Politik in Malaysia" oder "Listen Sie die verschiedenen Kunstformen auf" beantworten sowie Folgefragen wie "Welche ist die beliebteste Kunstform?" beantworten, ohne den Kontext zu vergessen. Die Antworten des Programms lassen sich kaum von den Antworten eines Menschen unterscheiden. In manchen Situationen kreiert das Programm sogar neue Wörter und Ausdrücke, die nicht in Wörterbüchern zu finden sind; als ich ChatGPT bat, ein neues Wort zu kreieren, kam es mit "Nuventive - Beschreibt jemanden oder etwas, das sowohl innovativ als auch intuitiv ist". Im Moment ist die Kreativität von ChatGPT hauptsächlich auf den Sprachbereich beschränkt; andere Programme wie Dall-E machen etwas Ähnliches mit Bildern. Bevor wir sehen, wie all dies für die verarbeitende Industrie relevant sein könnte, möchte ich Sie alle auf eine Reise mitnehmen, die das alte Indien, die Neurowissenschaften, die Kreativität und die KI umfasst.
Der Teufel liegt im Ignorieren der Details
Wie ist ChatGPT so kreativ geworden? Um diese Frage zu beantworten, müssen wir die Grundlagen der menschlichen Kreativität verstehen, was wir anhand des alten indischen Gleichnisses "Die sechs blinden Männer und der Elefant" tun werden. Die Geschichte besagt, dass eine Gruppe von blinden Männern, die nie erfahren haben, was ein Elefant ist, im Wald auf einen Elefanten stoßen. Sie berühren jeweils einen anderen Teil des Elefanten - den Rüssel, das Bein, das Ohr, den Schwanz, den Körper und den Stoßzahn - und beschreiben den Elefanten als eine Schlange, eine Säule, einen Fächer, ein Seil, eine Wand und einen Speer. Und genau darin liegt der Kerngedanke der Kreativität.
Studien zeigen, dass die Speicherkapazität des menschlichen Gehirns begrenzt ist. Mit 125 Billionen Synapsen, von denen jede etwa 4,7 Bit an Informationen speichern kann, kann ein durchschnittliches menschliches Gehirn nur etwa ein Terabyte an Daten speichern. Vergleichen Sie das mit der geschätzten Datenmenge im Internet - 64 Zettabyte - das sind 9 Größenordnungen mehr, als das menschliche Gehirn speichern kann. Und dabei haben wir Daten aus anderen Quellen wie Büchern, Berichten, Unternehmen und Behörden noch gar nicht berücksichtigt. Es liegt auf der Hand, dass das menschliche Gehirn nicht in der Lage ist, alle Daten da draußen zu speichern und zu verarbeiten. Aber diese Achillesferse ist auch eine der entscheidenden Triebfedern der menschlichen Kreativität. Da wir nicht in der Lage sind, große Datenmengen zu speichern, greifen wir auf den Reduktionismus zurück, d. h. wir fassen Millionen von Datendimensionen in einigen wenigen Schlüsselkonzepten zusammen, wie z. B. den Newtonschen Bewegungsgesetzen oder der speziellen Relativitätstheorie von Einstein. Um auf unser Elefantenbeispiel zurückzukommen, würde Reduktionismus bedeuten, dass das menschliche Gehirn, anstatt sich jede noch so kleine Kontur des Elefanten zu merken, den Elefanten auf einige wenige Schlüsselmerkmale abstrahiert - Beine, große fächerartige Ohren, einen langen Rüssel und Stoßzähne. Mit anderen Worten: Durch die Anwendung des Reduktionismus werden wir automatisch wie die sechs Blinden - nur teilweise wissend, aber auch viel einfallsreicher.
Dies ist das Geheimnis von ChatGPT. Traditionell werden die meisten KI-Programme auf riesigen Datenmengen mit dem Ziel trainiert, das Endergebnis vorherzusagen (im Fall unseres Beispiels bedeutet dies, den Elefanten bis ins kleinste Detail zu beschreiben); der Schwerpunkt liegt auf der letzten Ausgabeschicht, während die inneren Schichten zugunsten dieses Endergebnisses weitgehend ignoriert werden. ChatGPT oder GPT-3 hingegen hält bei einer der inneren Schichten kurz vor der Ausgabeschicht an. Diese inneren Schichten neigen dazu, die Merkmale des Problems zu erfassen (im Beispiel des Elefanten Merkmale wie fächerartige Ohren, Rüssel, Stoßzähne usw.). Mit den reduzierten Informationen ist ChatGPT nun gezwungen, zu extrapolieren und kreativ zu sein, wie das menschliche Gehirn1, 2.
Anwendungen von ChatGPT in der Fertigung
Wie bereits erwähnt, handelt es sich bei ChatGPT um ein LLM, und erwartungsgemäß werden einige der ersten Anwendungen im Bereich Sprache - Microsoft Office-Anwendungen(Copilot), das Auffinden relevanter Informationen aus unternehmensinternen Wissensdatenbanken und die Erstellung von Berichten - zum Einsatz kommen. Wir können jedoch das Konzept des Reduktionismus nutzen, um andere Anwendungen für ChatGPT zu extrapolieren. Im Allgemeinen eignet sich ChatGPT vor allem zur Bewältigung großer Situationen auf Systemebene, die nahezu unbegrenzte Kombinationen kleinerer Komponenten beinhalten. Sprache ist eine dieser Situationen auf Systemebene. Sprache ist eine komplexe Art der Kommunikation, bei der Wörter, Sätze, Grammatik und Interpunktion zusammengebracht werden müssen, um eine Bedeutung zu vermitteln. Solche Situationen auf Systemebene sind in traditionellen Branchen wie der Fertigungsindustrie, der Energiewirtschaft, der chemischen Industrie und der Versorgungswirtschaft sehr häufig anzutreffen, was darauf hindeutet, dass ChatGPT in diesem Bereich wahrscheinlich eine entscheidende Rolle spielen wird. Einige dieser größeren Situationen auf Systemebene in der Fertigungsindustrie, in denen die Kreativität der generativen KI wertvoll sein wird, sind:
- Entwurf komplexer systemartiger Produkte durch generatives Design oder Informatik. Einiges davon wird zwar bereits praktiziert, aber immer noch auf der Komponentenebene oder auf einfache Systeme angewandt. Algorithmen vom Typ ChatGPT können bei der Innovation auf Systemebene helfen (z. B. bei der Neugestaltung eines ganzen Autos oder eines Verkehrssystems).
- Anwendung von Six Sigma zur Ermittlung innovativer Möglichkeiten zur Beseitigung von Engpässen in komplizierten Fertigungsprozessen.
- Einsatz von Betriebsanalysen zur Ermittlung neuartiger Möglichkeiten zur Effizienzsteigerung in komplexen Fertigungsprozessen.
- Strategische Unternehmensentscheidungen unter Berücksichtigung verschiedener Aspekte wie Makroökonomie, Wettbewerb, Angebotsdruck, Verbraucherverhalten usw.
Es ist anzumerken, dass generative KI-Technologien noch etwas instabil sind, was bedeutet, dass bei den meisten dieser Anwendungen nach wie vor eine menschliche Aufsicht erforderlich sein wird. Außerdem sollten die Kunden nicht erwarten, dass generative KI-Algorithmen in absehbarer Zeit paradigmenverändernde Ideen entwickeln.
Empfehlungen
- ChatGPT kann in seiner jetzigen Form nur für die oben genannten Sprachanwendungen verwendet werden. Für andere Anwendungen müssen die Kunden wahrscheinlich ihre eigenen generativen KI-Plattformen entwickeln und trainieren.
- Die öffentlich verfügbare Version von ChatGPT wurde mit Text aus Milliarden von Webseiten und Online-Büchern trainiert. Kunden in der Fertigungs-, Energie- und Chemiebranche werden wahrscheinlich nicht so viele Daten finden, um ähnliche Algorithmen zu trainieren. Sie müssen auf kleinere, generative neuronale Netzalgorithmen warten und andere Techniken wie das Transfer-Lernen nutzen, um diese Algorithmen zu trainieren.
- Es ist erwähnenswert, dass ChatGPT 175 Milliarden Parameter verwendet und derzeit nur in der Cloud ausgeführt werden kann (GPT-4 hat 100 Billionen Parameter). Mit anderen Worten: Die Algorithmen werden wahrscheinlich keine Echtzeit-Einsichten bieten. Kunden sollten Anwendungen bevorzugen, bei denen Verzögerungen akzeptabel sind.
- ChatGPT wird nicht der einzige Algorithmus sein, den es gibt: Seine Stärke ist seine Kreativität. Die meisten Aufgaben in unserem täglichen Leben oder in der Produktion sind banal und erfordern wenig Kreativität. Das bedeutet, dass traditionelle KI-Algorithmen wahrscheinlich neben Algorithmen vom Typ ChatGPT existieren werden.
Trotz all dieser Herausforderungen sollten Kunden zur Kenntnis nehmen, dass ChatGPT definitiv einen Wendepunkt im Bereich der KI darstellt und wahrscheinlich eine Fülle von Anwendungen in verschiedenen Branchen auslösen wird. Kunden sollten die Entwicklungen genau verfolgen.
