Wie generative KI die Wirtschaft und das Geschäftsleben verändern und beschleunigen wird

In seiner Einführung zur Konferenz sagte Vincent Luciani: “Die Menschen sind überall begeistert von dieser neuen Technologie und den Auswirkungen, die sie auf Unternehmen und Mitarbeiter haben wird. Bisher hatten wir im Bereich der KI nur relativ deterministische Anwendungen, die durch maschinelles Lernen ergänzt wurden. Wir konnten vorhersagen, personalisieren und optimieren, aber nicht wirklich etwas schaffen. 

“Aber heute erleben wir zum ersten Mal eine echte Interaktion zwischen Mensch und Maschine. Jetzt entsteht aus dieser Technologie und diesen Algorithmen eine echte Form von Intelligenz, auch wenn die wissenschaftliche Gemeinschaft in der Frage gespalten ist, ob es sich um eine Revolution oder eine Evolution handelt... 

“Wir haben bereits über erweiterte Menschen oder erweiterte Aktivitäten gesprochen: bald werden wir auch über erweiterte Unternehmen sprechen. Bevor er einen schnellen Überblick über die Themen der Konferenz gab und das Wort an die Hauptredner übergab, erinnerte er die audience daran, dass

“Trotz der ständigen Ankunft neuer generativer KI-Anwendungen ist Zurückhaltung entscheidend: Eine erfolgreiche Unternehmenstransformation geschieht nicht über Nacht, sondern erfordert Reflexion, Forschung und Vorbereitung.”

Vincent Luciani, CEO und Mitbegründer von Artefact

Der erste Keynote-Sprecher, Hanan Ouazan, begann mit einem Überblick über Textmodelle, beginnend mit Googles revolutionärem 2017 “Aufmerksamkeit ist alles, was Sie brauchen” der zur Entwicklung der Transformers führte, die die Grundlage für fast alle heute verwendeten großen Sprachmodelle (LLMs) bilden. “Wie Sie wissen, braucht Forschung Zeit, aber heute befinden wir uns in einer Phase der Beschleunigung, in der wir täglich neue Modelle sehen, die von einem besseren Zugang zu data und Infrastruktur profitieren.”

Hanan untersuchte mehrere Facetten der Demokratisierung und Zugänglichkeit generativer KI-Modelle und hob insbesondere die Beschleunigung der Einführung der Technologie hervor: “Das Tempo ist atemberaubend: ChatGPT hat in nur fünf Tagen 1 Million Nutzer erreicht.”

Im Hinblick auf die Strategien der LLM-Trainingsmethoden ging er auf die Vorteile von Pre-Training, Feintuning und Prompt-Engineering ein, wobei er für jede Methode industrielle Anwendungsfälle nannte und die Entscheidungsmatrix für Modellstrategien von Artefact vorstellte.

Neben den Betriebskosten, der Leistung und den Einschränkungen sprach Hanan auch über das Change Management und die möglichen Auswirkungen generativer KI auf die Arbeitsplätze.

“Es wird sicherlich unsere Arbeitsweise verändern, aber wir bei Artefact glauben nicht, dass es Berufe auslöschen wird: Es wird die Menschen, die sie ausüben, ergänzen.”

Hanan Ouazan, Partner Data Wissenschaft & Leiter Generative KI bei Artefact

Der Hauptredner Matthieu Rouif ist der CEO und Mitbegründer von FotoRaum, eine Anwendung, die es ihren bereits 80 Millionen Nutzern ermöglicht, mit Hilfe von Stable Diffusion, einer generativen KI-Technologie für Bilder, Fotos in Studioqualität mit einem Smartphone zu erstellen.

Seit der Explosion der E-Commerce-Marktplätze, die durch die COVID-19-Pandemie ausgelöst wurde, werden jedes Jahr zwei Milliarden Fotos bearbeitet. Und die PhotoRoom-App trägt einen großen Teil dazu bei, indem sie das Freistellen, die Anzeige von Schatten und die Erzeugung realistischer Hintergründe für Händler automatisiert. “Wir nutzen generative KI, um unseren Kunden Fotos anzubieten, die aussehen, als wären sie von einem professionellen Fotografen aufgenommen worden, und fügen sogar einzigartige, realistische KI-generierte Hintergründe in weniger als einer Sekunde hinzu”, sagt Matthieu.

“Wir helfen unseren Kunden, ihr Geschäft auszubauen, indem wir ihnen eine Vielzahl hochwertiger und kostengünstiger Fotos zur Verfügung stellen, die ihre Marke respektieren und ihre Produkte im bestmöglichen Licht präsentieren, um Kunden anzuziehen und zu binden.”

Matthieu Rouif, CEO & Mitbegründer von PhotoRoom

Igor Carron ist der CEO und Mitbegründer von LightOn, ein französisches Unternehmen, das die neue generative KI-Plattform Paradigm entwickelt hat, die leistungsfähiger ist als GPT-3. Sie bietet die fortschrittlichsten Modelle für den Betrieb von Servern und data und garantiert gleichzeitig die data Souveränität für Unternehmen.

In seiner Grundsatzrede ging Igor auf die Ursprünge seines Unternehmens ein. “Als wir LightOn im Jahr 2016 gründeten, bauten wir Hardware, die Licht für KI-Berechnungen nutzte. Es war ein ungewöhnlicher Ansatz, aber er hat funktioniert - unsere Optical Processing Unit (OPU), der weltweit erste photonische KI-Coprozessor, wird inzwischen von Forschern auf der ganzen Welt eingesetzt und in einen der größten Supercomputer der Welt integriert.

“Seit 2020, nach dem Erscheinen von GPT, haben wir daran gearbeitet, herauszufinden, wie wir unsere Hardware nutzen können, um unsere eigenen LLMs zu bauen - sowohl für unseren eigenen Gebrauch als auch für externe Kunden. Wir lernten, wie man LLMs herstellt und wurden sogar ziemlich gut darin. Aber als wir 2021, 2022 zum ersten Mal mit Leuten sprachen, waren sie ahnungslos über GPT3, also mussten wir unser Ziel audience erziehen.

“Wir haben zusammen mit einem Kunden ein größeres Modell entwickelt, das kürzlich mit 40 Milliarden freigegeben wurde. Es wurde auf eine einzigartige Weise trainiert, um mit GPT3 zu konkurrieren, aber mit weit weniger Parametern. Das bedeutet, dass Sie eine viel weniger Hardware-lastige Infrastruktur haben und es nutzen können, ohne dass es Sie ein Vermögen kostet.”

Igor betont den Wert von großen Sprachmodellen und sagt:

“Ich denke, dass die meisten Unternehmen in Zukunft LLM-basiert sein werden... Diese Tools werden es ihnen ermöglichen, einen echten Mehrwert aus ihrem eigenen data zu generieren.”

Igor Carron, CEO & Mitbegründer von LightOn

“Was wir unseren Kunden heute anbieten, ist ein Produkt namens Paradigm: Es ermöglicht Unternehmen, ihre eigenen data-Ströme innerhalb ihrer Organisationen zu verwalten und diese data wiederzuverwenden, um diese Modelle neu zu trainieren und zu verbessern. Dadurch wird sichergestellt, dass ihre internen Prozesse oder Produkte von der Intelligenz profitieren können, die sie aus der Interaktion mit ihren LLMs gewinnen.

“Viele im französischen oder europäischen Ökosystem sind von der Open AI API oder anderen nordamerikanischen Wettbewerbern abhängig.” Igor warnt: “Die Gefahr, wenn Sie Ihr data an eine öffentliche API senden, besteht darin, dass es zum Training nachfolgender Modelle wiederverwendet wird. Angenommen, Leute aus der Bergbauindustrie, die buchstäblich wissen, wo man Gold findet, schicken ihr technisches reports dorthin... Wenn Sie in ein paar Jahren ChatGPT-8 oder -9 oder wie auch immer fragen: ‘Wo ist das Gold?’, wird es Ihnen sagen, wo das Gold ist! Er empfiehlt den Unternehmen dringend, die data, die sie intern erzeugen, zum Trainieren ihrer Modelle zu verwenden.

Yohann Ralle, der letzte Hauptredner, ist ein Spezialist für generative KI im Ministerium für Wirtschaft, Finanzen und industrielle und digitale Souveränität in Frankreich. Er erläuterte zunächst seine “Zauberformel” für den Aufbau eines hochmodernen LLM: Rechenleistung + datasets + Grundlagenforschung:

“Für die Rechenleistung hat die französische Regierung in eine digitale Allmende investiert, die Jean Zay Supercomputer, die der KI-Gemeinschaft dienen soll. Es hat das Training der europäischen mehrsprachigen BLOOM Modell.”

Yohann Ralle, Spezialist für generative KI im Ministerium für Wirtschaft, Finanzen und industrielle und digitale Souveränität in Frankreich.

“In Bezug auf datasets sind Initiativen wie Agdatahub haben dazu beigetragen, das Lernen zu aggregieren, zu kommentieren und zu qualifizieren und data zu testen, um effiziente und vertrauenswürdige KI zu entwickeln - was auch zur französischen Wettbewerbsfähigkeit beitragen kann. Was die Grundlagenforschung betrifft, so hat die nationale Strategie dazu beigetragen, das Ökosystem der KI-Forschung und -Entwicklung mit der Schaffung des 3IA Instituten, der Finanzierung von Doktorandenverträgen, dem IRT Saint Exupéry und dem Start von SystemX-Projekten, zahlreichen Ausbildungsprogrammen für Studenten und vielem mehr in Frankreich und Europa.”

Auf diese Frage gab es zwar gemischte Antworten, aber der allgemeine Konsens ist, dass die Intelligenz zwar vorhanden ist, nicht aber die Intentionalität.

Matthieu: “Ich glaube, es hat... Man hat das Gefühl, dass jemand da ist, solange man nicht nach Daten fragt. Es gibt eine zeitliche Seite, die nicht funktioniert.”
Igor: “Meine Frage ist, warum haben Sie diese Frage gestellt? Weil der Turing-Test für die Wirtschaft nicht sehr interessant ist. Aber was die Interaktion angeht, kann man sagen, dass die KI den Test bestanden hat.”

Yohann: “Der Turing-Test ist sehr subjektiv. Es besteht ein Risiko, wenn wir der KI menschliche Eigenschaften zuschreiben, wenn wir sie vermenschlichen. Erinnern Sie sich an den Fall des Google-Ingenieurs Blake Lemoine, der glaubte, dass der Chatbot LaMDA, mit dem er sprach, empfindungsfähig geworden war... Der Turing-Test ist eine interessante Übung, mehr nicht.”

Hanan: “Was ChatGPT betrifft, so sind wir nahe dran, aber noch nicht am Ziel.”

Igor: “Während die langfristigen Auswirkungen von ChatGPT auf LLMs noch nicht vollständig verstanden werden können, werden sich mit der Zeit neue Verwendungsmöglichkeiten für diese Technologien ergeben, die wichtige gesellschaftliche Auswirkungen haben. Die Diskussion ist interessant, aber das Wichtigste sind die tatsächlichen wissenschaftlichen Arbeiten, die die Verbesserungen der LLMs detailliert beschreiben werden. Die aktuellen und potenziellen praktischen Anwendungen dieser Modelle sollten nicht übersehen oder unterschätzt werden.”

Hanan: “Natürlich waren Chatbots in der KI schon immer wichtig und werden auch in Zukunft ein wichtiger Anwendungsfall sein, denn mit ChatGPT können Sie jetzt innerhalb von 48 Stunden einen Chatbot einrichten, indem Sie ihn mit einer database verbinden, das ist unglaublich. Ein weiterer Anwendungsfall ist die Schaffung autonomer Agenten, die bestimmte Aufgaben ohne menschliches Zutun ausführen können, wie z.B. ein Reisebüro, das alle Ihre Tickets für Hotels und Restaurants für einen Besuch in Italien reserviert.”

Yohann: “Ich sehe viele Möglichkeiten für CGT-gesteuerte Plugins, wie Kayak oder Booking. Ich denke, es wird die digitale Umgebung neu strukturieren, wobei OpenAI die Aggregatoren zusammenführen wird.”

Igor: “Ich sehe eine Möglichkeit zur Anpassung von LLMs für Unternehmen. Jenseits von data-Seen werden Unternehmen anfangen zu verstehen, wie sie unstrukturiertes data nutzen können und wie sie intern mit privaten LLMs einen echten Wert aus ihrem data generieren können. Gleichzeitig denke ich, dass sich die Art und Weise, wie Menschen das Internet suchen und nutzen, dank ChatGPT dramatisch verändern wird.”

Vincent: Ich denke, es wird eine Verschmelzung von unternehmensinternen data und LLMs zu einer Art ‘Master-FAQ+’’ geben, die von Such- oder Augmented Agents abgefragt werden kann. Das Konzept der Suchanfragen entwickelt sich weiter: Werden die Menschen morgen ein oder mehrere Schlüsselwörter kaufen, oder werden sie ein Konzept kaufen? In der Werbung war es immer das Ziel, personenbasiert zu sein, audience-basiert; jetzt, da wir persönliche data schützen, bewegen wir uns in Richtung kontextbasiert. Und das kann zu interessanterer Werbung führen.”

Matthieu: “Wir haben das Glück, dass einer unserer Wettbewerbsvorteile darin besteht, dass wir KI in unserer DNA haben. Wir fördern intern die Verwendung von generativen Tools. Unser technisches Team verwendet Copilot für die Entwicklung, und unsere Programmierer nutzen sowohl ChatGPT als auch Copilot. Mit diesen Tools sind wir kreativer. Was die Beschäftigung angeht, so wachsen wir, also planen wir, neue Mitarbeiter einzustellen... aber gleichzeitig können wir mit kleineren Teams mehr erreichen, wenn wir eine großartige Software haben.”

Igor: “Wir haben immer mit einem kleinen Team - sieben oder acht Personen - gearbeitet, um das gleiche hohe technische Niveau zu erreichen wie z.B. Google, wo die Teams zehnmal größer sind. Unsere kleinen Teams haben einen völlig unproportionalen Effekt. Es ist ein Irrglaube zu glauben, dass man ein großes Team braucht, um große Dinge zu erreichen.”

Yohann: “Vor zehn Jahren sagte eine US-Studie, dass innerhalb von 20 Jahren 47% Arbeitsplätze durch KI verloren gehen würden, aber wir sehen, dass das nicht der Fall ist. Laut einer neueren OECD-Studie sind es eher 14%. Ich denke, wir sollten in Aufgaben und nicht in Arbeitsplätzen denken. Wie in einer aktuellen OpenAI-Studie erwähnt, werden 80 bis 90% der Arbeitsplätze von generativer KI betroffen sein - aber das bedeutet in Wirklichkeit, dass 90% der Arbeitnehmer von 10% ihrer Aufgaben betroffen sein werden. Interessant ist, dass die Vorstellung von Berufen, von denen wir dachten, sie seien von KI unantastbar, in Frage gestellt wird, wie z.B. in der Kreativbranche, im Rechtswesen, im Finanzwesen und anderen Bereichen. Die französische Regierung hat eine Le LaborIA um bei der Erforschung dieser Fragen zu helfen.”

Hanan: “Die erste Grenze betrifft das geistige Eigentum (IP). Heute gibt es drei Arten von Modellen: öffentliche Modelle wie ChatGPT, bei denen die data, die Sie senden, für kommerzielle Zwecke verwendet werden können; private Modelle ohne IP-Eigentümer, wie Googles API auf Lamba; und selbst installierte Open-Source-Modelle. Data Souveränität ist ein Thema, denn GPT und PaLM sind nicht europäisch, sondern in amerikanischem Besitz.”

Yohann: “Regulierungen sind ein großes Thema in Europa. Italien hat völlig die Verwendung von ChatGPT verboten hat bis zu einer Untersuchung, ob die Anwendung mit den GDPR-Datenschutzbestimmungen übereinstimmt. OpenAI muss sich über die Verwendung von persönlichen data sehr klar äußern, z.B. durch einen Haftungsausschluss, der besagt, dass sie persönliche data verwenden und den Nutzern die Möglichkeit geben, die Sammlung von data abzulehnen und ihre data löschen zu lassen. Ein weiteres Problem in Bezug auf die Einschränkungen von LLMs sind Halluzinationen: Sie geben oft falsche Antworten, was schwerwiegend sein kann, wenn die Anfrage eine Person des öffentlichen Lebens betrifft und das Modell eine ‘Fake News’-Geschichte erzeugt, die der betreffenden Person wirklich schaden kann.”

Vincent: “Haben Sie sich mit der Frage des geistigen Eigentums und den Problemen, die durch Die Klage von Getty Images gegen Stability AI? Es gibt viele Fragen über das Durchforsten des Internets nach Bildern zum Trainieren von Modellen...”

Yohann: “Wir denken darüber nach. Open Source könnte eine Möglichkeit sein, saubere, urheberrechtsfreie data-Basen und data-Sets zu erstellen, die das geistige Eigentum respektieren.”

Matthieu: “Was das persönliche data und die Produkte betrifft: Was ChatGPT oder Midjourney oder PhotoRoom gut funktionieren lässt, ist nicht das persönliche data, sondern das Feedback der Kunden.”

Yohann: “Nutzerfeedback ist ideal, aber es zu sammeln ist im Falle von LLMs unerschwinglich.”

Igor: “Wo ist das Geld? Das ist meine Frage. Alle Probleme, die Sie angesprochen haben, sind technischer Natur und wir können sie nicht lösen, solange wir nicht die Mittel haben, um Ingenieure einzustellen und ein Ökosystem aufzubauen, und darauf sind wir einfach noch nicht vorbereitet.”

Yohann: “Das ist ein echtes Risiko. Im Moment gibt es hier ein Monopol von NVIDIA, sie kontrollieren den Markt und die Preise. Leider gibt es in Europa keine echten Konkurrenten. Es handelt sich um eine begrenzte Ressource, eine seltene Ressource, also ist es ein ernster Kampf.”

Matthieu: “Die mangelnde Verfügbarkeit von Grafikprozessoren schränkt nicht nur unsere Produktivität, sondern auch das Wachstum von Unternehmen in ganz Europa stark ein.”

Igor: “Da wir als Hardware-Hersteller angefangen haben, standen wir bereits 2016 vor diesem Problem... Heute gibt es Leute, die bei unseren Konkurrenten arbeiten und deren Vollzeitjob darin besteht, genügend GPUs zu finden, um Modelle zu trainieren... Der Markt explodiert, aber die Chip-Produktion kann nicht Schritt halten - überall auf der Welt.”

Hanan: “Es wird unweigerlich einen GPU-Engpass geben, aber wir können lernen, effizienter zu werden, das müssen wir auch. Und wir müssen sehen, wie wir Open Source in unsere Unternehmen integrieren können, nicht nur, wie wir die neuesten Technologien nutzen können.”

Matthieu: “Bei PhotoRoom verwenden wir Open Source, weil wir so schneller vorankommen und unsere eigene IP entwickeln können. Wir haben eine breite Gemeinschaft der umarmenden Gesichter in Paris, die uns ein wichtiges Feedback gibt.”

Igor: “Wir verwenden LLMs, aber wir sind nicht mit diesem Geschäftsmodell verheiratet. Wir könnten Open Source verwenden. Das Wichtigste ist, dass wir in der Lage sind und wissen, wie wir unser proprietäres data wiederverwenden können, um zukünftige Modelle zu trainieren. Das Ziel ist eine Industrie, die diese Modelle für andere Unternehmen anpasst.”

Yohann: “Die Entwicklung von Open Source und proprietärer KI hat die generative KI vorangetrieben. Die KI-Gemeinschaft hat zusammengearbeitet, damit andere Akteure von dieser Grundlagenforschung profitieren können, um ihre eigenen Modelle zu entwickeln. Ich bezweifle, dass die Leistung dieser Open-Source-Modelle nicht hinter der von proprietären Modellen zurückbleibt, aber das kann sich ändern. In jedem Fall muss man sich fragen, ob Google es nicht bereut, die Türen zu seiner ChatGPT-Technologie geöffnet zu haben!”

Auf den runden Tisch folgte eine audience-Fragestunde mit einer besonders lebhaften Diskussion über den Mangel an women in der Technik. Yohann erläuterte mehrere Maßnahmen der französischen Regierung im Bildungsbereich, die sich speziell an Mädchen und women richten, während Vincent über die Maßnahmen der Artefact Schule von Data, die Women@Artefact Initiative und anderen Technologieunternehmen, um die Situation zu verbessern.

Weitere Fragen betrafen die Inklusivität bei der Nutzung von LLMs durch Menschen mit Autismus und anderen Behinderungen, das Problem der KI-Halluzinationen, die Maßnahmen, die Unternehmen zum Schutz der Umwelt ergreifen wollen, und die Rolle Europas gegenüber Frankreich in Bezug auf Internet-Scraping für data. Um zu sehen, wie die Teilnehmer diese Fragen beantwortet haben, sehen Sie sich die Konferenz replay an.