KI-Branche vergaß dauerhafte Objekte und ergebnisbasiertes Lernen
Das Technologieunternehmen Fast Company analysiert, wie die KI-Branche zwei wesentliche Konzepte vernachlässigt hat: dauerhafte Objekte und das Lernen aus Ergebnissen.
Mit dem Übergang zu Cloud-nativen, zustandslosen Systemen in der Unternehmenssoftware wurde die fragmentierte objektorientierte Programmierung eingeführt, die den Zustand eines Objekts von seinem Verhalten trennt, im Gegensatz zu früheren Modellen, bei denen diese zusammengehörten.
Diese Trennung ist entscheidend für künstliche Intelligenz in Unternehmen, die dauerhafte und kohärente Entitäten wie Kunden und Verträge benötigt, um über die Zeit hinweg konsistent zu bleiben. Aktuelle Systeme mit begrenzter Speicherdauer sind für die operativen Anforderungen von Unternehmen unzureichend.
Gleichzeitig hat die KI-Forschung die Nutzung des bestärkenden Lernens, bekannt als "Lernen durch Konsequenzen", reduziert. Obwohl Transformer-Architekturen bedeutende Fortschritte in der generativen KI ermöglichten, haben sie diese zuvor effektiven Lernmethoden in den Hintergrund gedrängt.
Fast Company schlägt vor, dass eine Neubewertung dieser beiden Prinzipien die Fähigkeiten und die Robustheit von KI-Systemen für Unternehmen erheblich verbessern könnte. Das Vergessen früherer, bewährter Ideen behindert echte Fortschritte in der Branche.