Innovationseinblicke für generative KI

Generative KI wird originäre Medieninhalte, synthetische Daten und Modelle physischer Objekte erstellen und so bahnbrechende Innovationsmöglichkeiten bieten. Führungskräfte in den Bereichen Unternehmensarchitektur und Technologieinnovation müssen die Auswirkungen verschiedener Anwendungsfälle für den Einsatz generativer KI in ihren Unternehmen bewerten.

Gartner-Analysten geben einen Einblick was Unternehmen in den kommenden Jahren von der KI erwarten können.

Schlüsselergebnisse

Generative KI wird direkte Auswirkungen auf die Pharma-, Fertigungs-, Medien-, Architektur-, Innenarchitektur-, Maschinenbau-, Automobil-, Luft- und Raumfahrt-, Verteidigungs-, Medizin-, Elektronik- und Energiebranche haben, indem sie Kernprozesse durch KI-Modelle ergänzt. Generative KI wird sich auf Marketing, Design, Unternehmenskommunikation, Schulung und Softwareentwicklung auswirken, indem sie diese unterstützenden Prozesse, die sich über viele Organisationen erstrecken, erweitert.

• Zu den böswilligen Verwendungen generativer KI gehören Deepfakes, die für Einzelpersonen, Organisationen und Regierungen erhebliche Reputations-, Fälschungs-, Betrugs- und politische Risiken darstellen. Urheberrechtsfragen sind ungelöst, da viele Modelle auf nicht lizenzierten Daten trainiert wurden, und sie können originäre Inhalte durch Kopieren eines bestimmten Stils erzeugen.

• Generative KI hat sich in den letzten Jahren entwickelt; in den letzten 15 Monaten wurden jedoch Gründungsmodelle für die Fähigkeit, kreative Arbeit zu verbessern, gehypt und zogen erhebliche Investitionen von Risikokapitalgebern an.

Bis vor kurzem waren Kreativität und Kunst ausschließlich eine Domäne des Menschen. Generative KI stellt dies in Frage, indem sie Computer in die Lage versetzt, brandneue, völlig originelle Variationen von Inhalten (einschließlich Bildern, Videos, Musik, Sprache und Text) zu erzeugen, bestehende Inhalte zu verbessern oder zu verändern, neue Datenelemente zu erstellen und neuartige Modelle von Objekten der realen Welt zu schaffen.

Dies funktioniert, indem sie eine Vielzahl von Variationen eines Objekts erzeugt und die Kandidaten überprüft, um diejenigen auszuwählen, die nützliche Zielmerkmale aufweisen. Alternativ kann sie neben einem Erfinder/Ingenieur als Copilot eingesetzt werden, der iterativ bei der Gestaltung hilft – manchmal auch als erweiterte Intelligenz bezeichnet.

Beschreibung

Generative KI bezieht sich auf KI-Techniken, die eine Repräsentation von Artefakten aus Daten lernen und diese verwenden, um brandneue, völlig originelle Artefakte zu erzeugen, die eine Ähnlichkeit mit den ursprünglichen Daten aufweisen. Diese Artefakte können gutartigen oder bösartigen Zwecken dienen. Generative KI kann völlig neuartige Medieninhalte (einschließlich Text, Bild, Video und Audio), synthetische Daten und Modelle von physischen Objekten erzeugen. Sie kann auch bei der Entdeckung von Arzneimitteln oder bei der Entwicklung von Materialien eingesetzt werden.

Die generative KI verwendet eine Reihe von Techniken, die sich ständig weiterentwickeln. In letzter Zeit haben sich Basismodelle (wie GPT-3 und DALL-E 2) durchgesetzt, aber Techniken wie Generative Adversarial Networks (GANs) und Variational Autoencoders (VAEs) entwickeln sich weiter (Anmerkung 1 enthält eine vereinfachte Beschreibung von Basismodellen, GANs und VAEs.). Darüber hinaus werden weitere Techniken wie rekurrente neuronale Netze (RNNs) und Reinforcement Learning (RL) eingesetzt.

Nutzen und Einsatzmöglichkeiten

Kreativität ist mächtig, und wir haben gerade erst damit begonnen, die Möglichkeiten der generativen KI zu erforschen. Sie ermöglicht die Erkundung vieler möglicher Designs eines Objekts, um das richtige oder am besten geeignete zu finden. Generative KI wird nicht nur das Design in vielen Bereichen verbessern und beschleunigen, sondern hat auch das Potenzial, neuartige Designs oder Objekte zu „erfinden”, die dem Menschen sonst vielleicht entgangen wären. In bestimmten Bereichen wie Marketing und Medien hat die generative KI bereits beträchtliche Auswirkungen, während sie in anderen Bereichen gerade erst den Weg aus den Labors in die kommerzielle Nutzung findet, siehe Abbildung.

Es gibt enorme Aktivitäten zur Erforschung des Potenzials der generativen KI in verschiedenen Branchen, darunter Anwendungsfälle wie:

• Medikamentenentwicklung
• Materialwissenschaft
• Codegenerierung
• Chipdesign
• Synthetische Daten
• Generatives Design (Teile)
• Generatives Design (Architektur)
• Kreative Inhalte für die Medien- und Marketingbranche
• Verbesserung von Inhalten (Content)

Medikamentendesign

Generative KI hat Auswirkungen auf die Pharmaindustrie – In einer Studie aus dem Jahr 2010 betrugen die Kosten von der Entdeckung bis zur Markteinführung eines Medikaments etwa 1,8 Milliarden Dollar, wovon die Kosten für die Medikamentenentwicklung etwa ein Drittel ausmachten, und der Prozess dauerte 13 Jahre. Insilico als Beispiel setzte generative KI ein, um ein Medikament zur Behandlung der idiopathischen Lungenfibrose (IPF) zu entwickeln. Es befindet sich jetzt in weniger als 30 Monaten in der klinischen Phase 1, eine enorme Verbesserung gegenüber dem Durchschnitt von drei bis sechs Jahren. Ein Medikament zur Behandlung von Zwangsstörungen wurde mit Hilfe generativer KI in weniger als 12 Monaten entwickelt und IBM nutzt generative KI zur Erforschung der Entwicklung neuer und optimaler antimikrobieller Peptide (AMP), die antibiotikaresistente Bakterien und Pilze bekämpfen können. Generative KI scheint für die Pharmaindustrie vielversprechend zu sein, da sie die Möglichkeit bietet, Kosten und Zeit bei der Arzneimittelentdeckung zu reduzieren.

Materialwissenschaft

Die KI hat Auswirkungen auf die Automobil-, Luft- und Raumfahrt-, Verteidigungs-, Medizin-, Elektronik- und Energiebranche. Sie kann eingesetzt werden, um völlig neue Materialien zu entwickeln, die auf bestimmte Eigenschaften ausgerichtet sind. Bei diesem Prozess, der als inverses Design bezeichnet wird, werden die Anforderungen an die Eigenschaften definiert und Materialien gefunden, die diese Eigenschaften wahrscheinlich aufweisen, anstatt sich auf den Zufall zu verlassen, um ein Material mit den richtigen Eigenschaften zu finden.

Code-Generierung

Anwendungscode, der von Modellen des maschinellen Lernens erstellt wird, kann die Produktivität von Entwicklern durch die Bereitstellung von Codevorschlägen verbessern. Diese können in bestehende integrierte Entwicklungsumgebungen (IDEs) integriert werden, so dass Entwickler diese Modelle nutzen können, ohne ihre bestehenden Entwicklungsumgebungen ändern zu müssen. Die Basismodelle werden derzeit fein abgestimmt, um Entwickler durch die Übersetzung von natürlicher Sprache in Code zu unterstützen. Das bekannteste Modell ist OpenAI Codex (das auf GPT-3 basiert). Es kann für die Codegenerierung und die Übersetzung von Programmiersprachen verwendet werden. GitHub (Microsoft) hat Codex über einen Cloud-Service namens GitHub Copilot vermarktet. Amazon hat ein auf einem Basismodell basierendes Produkt namens CodeWhisperer auf den Markt gebracht. IBM CodeNet ist ein großer Datensatz mit Codebeispielen und Problemen, die zum Trainieren von ML-Modellen verwendet werden, die Code generieren und übersetzen. Google hat ein generatives KI-Modell trainiert, um Textanweisungen in Code zu übersetzen, der einen Roboter steuert.

Chip-Entwurf

Generative KI kann mit Hilfe von Reinforcement Learning die Platzierung von Bauteilen im Halbleiterchipdesign (Floor Planning) optimieren und so den Zeitaufwand von Wochen mit menschlichen Experten auf Stunden mit generativer KI reduzieren.

Synthetische Daten

Generative KI ist eine Methode (von mehreren) zur Erstellung synthetischer Daten, die für folgende Zwecke verwendet werden können:

• Ergänzung von Trainingsdaten für den Aufbau von KI-Modellen, wenn nicht genügend Daten verfügbar sind
• Schutz der Privatsphäre, da synthetische Daten echten Daten ähneln, aber nicht auf eine Person zurückgeführt werden können
• Abschwächen von Verzerrungen in Trainingsdaten durch Verwendung generierter Daten zum Ausgleich von Trainingsdaten

Generatives Design (Teile)

Generative KI hat Auswirkungen auf die Fertigungs-, Automobil-, Luft- und Raumfahrt- und Verteidigungsindustrie. Es können Entwürfe für Teile generiert werden, die für bestimmte Ziele und Einschränkungen wie Leistung, Materialien und Herstellungsverfahren optimiert sind. Generatives Design beschleunigt den Designprozess, indem es dem Ingenieur eine Reihe potenzieller Lösungen zur Verfügung stellt.

Generatives Design (Architektur)

Generative KI wirkt sich auf die Architektur- und Innenarchitekturbranche aus. Es können Entwürfe für Gebäude erstellt werden, die hinsichtlich Licht, Raum und Effizienz optimiert sind. Generatives Design ermöglicht es dem Architekten oder Designer, viel mehr Entwurfsalternativen zu bewerten, als dies mit manuellen Methoden praktisch möglich wäre. Unabhängig von konventionellem Denken kann generatives Design „glückliche Zufälle” schaffen, die mit konventionellen Methoden nur schwer zu entdecken wären.

Kreative Inhalte mit Auswirkungen auf die Medien- und Marketingbranche

Die generative KI hat erhebliche Fortschritte bei der Erstellung von Bildern, Texten, Musik und Videos gemacht. Einige Beispiele sind Lil Miquela, ein künstlich erzeugter Social Influencer, der Millionen verdient, eine digitale Nachbildung von Bruce Willis, die in einem russischen Werbespot auftaucht, nachdem sich der Schauspieler aus gesundheitlichen Gründen zurückgezogen hat, und ein Deepfake-Bild mit dem Titel „Porträt von Edmond Belamy”, das 2018 bei einer Auktion von Christie’s für 432.500 Dollar verkauft wurde. Die Technologie hat sich jedoch weiterentwickelt, und ein gefälschtes Bild hat im Jahr 2022 den Kunstwettbewerb der Colorado State Fair gewonnen.

Konkrete Anwendungsfälle zur Verstärkung von Kreativkräften sind unter anderem die Verbesserung von Inhalten:

• Textgeneratoren wie GPT-3 können zur Erstellung von Marketingtexten und personalisierter Werbung, Nachrichten, Gedichten, Lebensläufen und Anwendungscodes verwendet werden. ChatGPT kann zum Beispiel auf eine Vielzahl von Texteingaben mit kohärentem Text reagieren, aber manchmal sind die Antworten auch unsinnig oder falsch.

• Bilder, die für Logos generiert werden können; menschliche Bilder, die für die Modellierung generiert werden können; und Bilder, die für verschiedene Posen, Alterung und viele andere Aspekte verändert werden können.

• Musik, die mit einem bevorzugten Genre und dem Stil des Künstlers generiert werden kann.

• Videos für simulierte Moderatoren/Modelle (z.B., Ausbildung, Nachrichten, Mode), Spiel- und Metaverse-Welten, mehrsprachige Videos, virtuelle Umkleidekabinen und virtuelle Influencer.

• Bilder aller Art, einschließlich der bildenden Kunst, können von KI generiert werden.

Verbesserung von Inhalten

Generative KI hat natürlich viele weitere Auswirkungen auf die Medienbranche. Sie kann veralteten Text umschreiben, Hintergrundrauschen entfernen, die Bildauflösung erhöhen, eine Superauflösung durchführen und Fotos durch Anpassen, Entfernen oder Hinzufügen von Artefakten verändern

*Die Quellenhinweise finden sich im englischen Originaltext von Gartner: ID G00778501