KI Wurde Gut In Sprache, Bevor Sie Gut Mit Menschen Wurde. Diese Reihenfolge War Nicht Unvermeidlich — Sie War Nur Einfacher.
Der schnelle Fortschritt der KI bei Sprache — Schreiben, Zusammenfassen, flüssiges Konversieren — kam deutlich vor vergleichbarem Fortschritt beim Verständnis des spezifischen, wiederkehrenden Verhaltens einer einzelnen Person. Es ist verlockend, diese Reihenfolge als Beleg dafür zu lesen, welches Problem grundlegend schwieriger ist. Das ist nicht ganz die richtige Erklärung.
Sprache wurde zuerst gelöst, größtenteils wegen der Verfügbarkeit von Daten: enorme Textmengen existieren, generiert von Millionen von Menschen, verallgemeinerbar über fast jeden Kontext. Das Verständnis des wiederkehrenden Musters einer bestimmten Person hat keine vergleichbare Fülle — per Definition gibt es nur diese eine Person, die eine vergleichsweise winzige Menge der spezifischen Daten erzeugt, die ihr spezifisches Muster offenbaren würden.
Das ist eher ein Verfügbarkeitsproblem als ein Problem der Schwierigkeitsrangfolge. Sprache war das leichtere Ziel, nicht weil sie mehr zählt, sondern weil das Rohmaterial, um sie zu lösen, bereits in enormer Menge vorlag, während das Rohmaterial zum Verständnis des Musters einer Person eigens, für diese eine Person, über Zeit aufgebaut werden muss.
Diese Reihenfolge — Sprache zuerst, personenspezifische Mustererkennung danach — spiegelt wider, welche Daten zum Trainieren vorhanden waren, nicht was für die Person, die auf das Eintreffen einer der beiden Fähigkeiten wartet, tatsächlich mehr zählt.
Teil von Explain Ori →
Momar Lissa Ndiaye („MLN") ist Gründer & CEO von weyoga Inc., einer Delaware-Gesellschaft. — weyoga.ai · mln@weyoga.ai