YouTube2Text

Ex-Amazon-KI-Chef: „Digitale Menschen KOMMEN, das ist ganz klar!" (Alex Smola) — Transcript

by Everlast AI · 14,696 words · 2,346 segments · language de · Watch on YouTube

Full transcript

  1. 0:00Und da kam halt eine Menge von Energie
  2. 0:02raus, die halt überhaupt keinen Sinn
  3. 0:03machte. Da bräuchte man ein
  4. 0:04Teilchenbeschleuniger, der so groß ist
  5. 0:06wie das Sonnensystem.
  6. 0:08Überlegt, na ja, ich glaube nicht, dass
  7. 0:10das zu meiner Lebenszeit je passieren
  8. 0:12wird. Jetzt gibt es ja Leute wie den
  9. 0:15einen der Enhropic C-founder
  10. 0:16beispielsweise, der wohl Mitarbeiter,
  11. 0:18die sich beworben haben, sagte: "Hey,
  12. 0:21such dir mal besser ein Hobby abseits
  13. 0:22von AI Research, weil das ist das erste,
  14. 0:25was wir automatisieren."
  15. 0:26Ob die KI Forschung selbst das das erste
  16. 0:31Opfer da der KI wird, ist es unklar. Was
  17. 0:34klar ist, ist allerdings, dass es jetzt
  18. 0:35mittlerweile möglich ist, einfach
  19. 0:37relativ schnell aus vielen Publikationen
  20. 0:40die Ideen rauszuziehen, die zu
  21. 0:41kombinieren und dann neu zu
  22. 0:43implementieren. Und das ändert so ein
  23. 0:47bisschen die Dynamik. Ein Compiler, der
  24. 0:49versucht jetzt da nicht unbedingt den äh
  25. 0:51Coding Agent da irgendwie aufs Glatteis
  26. 0:53zu führen. Aber so Mensch, natürlich
  27. 0:56machen wir das. Wie stellst du dir denn
  28. 0:58das Arbeiten mit KI in den nächsten,
  29. 1:01sagen wir zwei bis dre Jahren vor?
  30. 1:03Insofern sehe ich das eigentlich als
  31. 1:05Möglichkeit, da Sachen zu humanisieren,
  32. 1:10die halt momentan nicht möglich sind,
  33. 1:13weil es halt einfach viel zu teuer wäre,
  34. 1:15weil es halt einfach nicht möglich ist,
  35. 1:16dafür jeden so ein persönlichen Pfleger
  36. 1:18einzustellen, der sich um einen kümmert.
  37. 1:20Aber ein persönlicher Roboter, das ist
  38. 1:22wahrscheinlich erschwinglich. Die
  39. 1:24Geschichte äh wartet halt nicht auf die
  40. 1:28zu spät kommen.
  41. 1:36Was ist eigentlich das fundamentale
  42. 1:38Problem der ganzen KI Benchmarks? Welche
  43. 1:41unbekannten Durchbrüche führten uns
  44. 1:43überhaupt in die Era des Deep Learnings
  45. 1:45und der neuronalen Netze? Und wie sieht
  46. 1:47die Zukunft mit Voice AI und Digital
  47. 1:50Humans aus? Genau darüber spreche ich
  48. 1:52gleich mit Dr. Alexander Smola, einem
  49. 1:55der meist zitierten Machine Learning
  50. 1:56Forscher der Welt, der den kompletten
  51. 1:58Bogen der modernen KI von den Support
  52. 2:00Vector Machines über das Deep Learning
  53. 2:03bis zu den heutigen Sprachagenten selbst
  54. 2:06mitgeprägt hat. Smola wurde in
  55. 2:07Deutschland geboren und studierte Physik
  56. 2:09in München. Für seine Masterarbeit ging
  57. 2:11er 1995 an die legendären 18T Bellabs,
  58. 2:15wo Jan Lecur die Abteilung leitete und
  59. 2:17Wladimir Wapnik, der Erfinder der
  60. 2:19Support Vector Machines, sein Betreuer
  61. 2:21war. Promoviert hat er dann 1998 in
  62. 2:24Berlin bei Bernard Schillkopf, mit dem
  63. 2:26zusammen er Learning with Kennels
  64. 2:28geschrieben hat, das Standardwerk der
  65. 2:31Era vor dem Deep Learning. Später wurde
  66. 2:33er Professor an der Kanie Melon und
  67. 2:35Vice-präsident bei Amazon, wo er die
  68. 2:38gesamte KI Sparte von AWS mit aufgebaut
  69. 2:41hat. 2023 hatte dann Boson AI gegründet,
  70. 2:44dass mit seinen offenen Higgmodellen
  71. 2:47heute zu den führenden Adressen im
  72. 2:49Bereich Voice AI gehört. Und falls du
  73. 2:51mich noch nicht kennst, mein Name ist
  74. 2:52Leonard Schweding und als Inhaber der
  75. 2:54marktführenden KI Beratungs und
  76. 2:55Implementierungsagentur Everlast AI habe
  77. 2:57ich in den letzten Jahren nicht nur über
  78. 2:592100 mittelständischen Unternehmen und
  79. 3:01hin Champions erfolgreich beraten,
  80. 3:03sondern betreibe auch mehrere KI
  81. 3:04Softwareunternehmen wie beispielsweise
  82. 3:06Corporate LM. Hier bei Everlast AI
  83. 3:08spreche ich nun wöchentlich seit über
  84. 3:10zwei Jahren mit den führenden Köpfen,
  85. 3:11Experten, Professoren und KI
  86. 3:13Unternehmern zu der wichtigsten
  87. 3:15technologischen Revolution dieses
  88. 3:16Jahrhunderts mit dem Ziel, dass du als
  89. 3:18Zuschauer von Everlast AI der breiten
  90. 3:20Masse immer mindestens 2 d Jahre voraus
  91. 3:24bist. Wenn diese Gespräche für dich
  92. 3:25hilfreich sind und dich weiterbringen,
  93. 3:27dann ist die größte Unterstützung, wenn
  94. 3:29du dieses Video hier likest und deine
  95. 3:31Meinung in den Kommentaren teilst. Und
  96. 3:32nun springen wir direkt rein in das
  97. 3:34Gespräch mit Alex Mola. Ja, hallo Alex.
  98. 3:37Alex, du hast dich jetzt zuletzt mit dem
  99. 3:39Problem aktueller allgegenwärtigen KI
  100. 3:41Benchmarks auseinandergesetzt und das
  101. 3:43mit diesem Bild erklärt. Jemand erwähnt
  102. 3:45seiner KI beiläufig, dass er heute Abend
  103. 3:47noch die Ausrüstung für eine kleine
  104. 3:49Ausstellung ins Auto lädt, ohne um
  105. 3:51irgendetwas zu bitten. Und das eine
  106. 3:53Modell antwortet dann bloß mit klingt
  107. 3:55nach einem soliden Plan, gute Fahrt,
  108. 3:57also so wie es die meisten von uns
  109. 3:59kennen. andere Modell, aber denkt mit,
  110. 4:01also es gibt noch mal ungefragt eine
  111. 4:03komplette Packliste, damit nichts
  112. 4:04vergessen wird und gibt sogar den Tipp,
  113. 4:06das Auto in umgekehrte Aufbaureihenfolge
  114. 4:08zu beladen, damit vor Ort alles in der
  115. 4:10richtigen Reihenfolge dann auch wieder
  116. 4:12raus rauskommt. Kannst du dieses
  117. 4:14Experiment noch mal näher erläutern? Was
  118. 4:15hast du dort untersucht und was ist das
  119. 4:17Problem an den ja heute allgegenwärtigen
  120. 4:20KI Benchmarks, dass du herausgefunden
  121. 4:22hast? Ja, das war ein ziemlich
  122. 4:24spannendes Projekt, das eine unserer
  123. 4:27Praktikantinnen, die Sefar Harfi da in
  124. 4:30Toronto
  125. 4:32da bei Bosonai gemacht hat. Und zwar
  126. 4:35ging es uns ganz einfach darum so zu
  127. 4:38analysieren, was denn so ein KI System
  128. 4:40wirklich gut macht. Und da gibt's halt
  129. 4:42die ganzen Benchmarks, wo man so einem
  130. 4:44System eine Frage stellt und dann
  131. 4:45antwortet es. Und das ist ja auch
  132. 4:48wichtig, dass wenn man sagt, was ist
  133. 4:49denn die Wurzel von neun, dass es halt
  134. 4:51dann sagt, okay, das ist die drei oder
  135. 4:53wie ist das Wetter morgen, dann ist das
  136. 4:55ja auch ganz nützlich, wenn es einem das
  137. 4:56Wetter sagt oder beweise mein Theorem.
  138. 5:00Aber na ja, das Problem ist, dass oft da
  139. 5:04dem diesen Fragen noch was anderes
  140. 5:06dahinter liegt und na ja, das ist halt
  141. 5:10so, dass z.B. Wenn ich nach dem Wetter
  142. 5:12frage, dann ist es ja oft nicht nur aus
  143. 5:14zufällig so, sondern dann will ich halt
  144. 5:16vielleicht dann auch in die Stadt
  145. 5:17hinfahren und was machen und so weiter.
  146. 5:19Und da wäre es halt schon ganz gut, wenn
  147. 5:21diese Systeme genauso wie halt auch bei
  148. 5:23Menschen, die das ja auch machen, dass
  149. 5:26die Systeme dann verstehen, was denn
  150. 5:28wirklich die Motivation war, was dann
  151. 5:30wirklich noch weiter dahinter stecken
  152. 5:33könnte und dann eben entsprechend gute
  153. 5:36Antworten geben. Das erste, um das
  154. 5:38rauszufinden, ob das ob diese Theorie
  155. 5:40auch wirklich stimmt, ist mein zu
  156. 5:42messen, wollen das die Leute denn
  157. 5:44überhaupt und das sind wir eben
  158. 5:45hergegangen, haben, also sogenannte
  159. 5:47proaktive, also so Antworten, die dann
  160. 5:49eben noch weitere Fragen beantwortet
  161. 5:52haben und Systeme, die das nicht gemacht
  162. 5:54haben, wir haben die dann Menschen
  163. 5:56gezeigt und die dann gefragt, was
  164. 5:58gefällt euch besser? Und die haben also
  165. 6:00ziemlich eindeutig gesagt, dass also die
  166. 6:03Systeme, die dann halt wirklich das
  167. 6:05ganze Bild da mit in Betracht ziehen,
  168. 6:07dass die dann eigentlich beliebter sind
  169. 6:11und danach sind wir hergegangen und
  170. 6:13haben das dann eben bei verschiedenen
  171. 6:15Frontier Models dann ausprobiert. Das
  172. 6:17haben wir also ausprobiert bei chat GPT
  173. 6:19und haben wir ausprobiert bei Tropic
  174. 6:21Cloud und bei verschiedenen Quens und
  175. 6:23Deeps und so weiter und ja gut, ich kann
  176. 6:26d nachher noch ein bisschen erklären,
  177. 6:27wie wir den Benchmark gebaut haben und
  178. 6:29es stellt sich stellt sich halt dann
  179. 6:30raus, dass vor allem Chat GPT da
  180. 6:34besonders gut ist und das zweite, was
  181. 6:36ich rausgestellt hat, ist und das ist
  182. 6:38ein bisschen eine Vermutung von uns,
  183. 6:41dass vor allem die Systeme, die halt
  184. 6:44auch so ein aktives Chatsystem da haben,
  185. 6:47wo sich die Leute dann mit dem System
  186. 6:49unterhalten, dass die vor allem bei
  187. 6:52diesen Sachen gut waren, wohingegen die
  188. 6:53Systeme, die vor allem halt auf
  189. 6:55Benchmarks und so weiter ziert haben,
  190. 6:57die waren da nicht so gut. Das war halt
  191. 6:59ein ganz klares Signal, das relativ
  192. 7:01unabhängig von der anderen
  193. 7:03Leistungsfähigkeits Systeme war. Mit
  194. 7:05anderen Worten, die haben also ganz klar
  195. 7:08dann auf die ja Problemlösung der
  196. 7:11Benutzer optimiert. Die Frage, warum uns
  197. 7:13interessiert uns das bei Poson? Na ja,
  198. 7:15ganz einfach, weil wir halt auch Systeme
  199. 7:16bauen, die mit Menschen interagieren und
  200. 7:19drum wollen wir halt auch wissen, was
  201. 7:21macht denn so ein System wirklich gut
  202. 7:23und das erste ist, dass man eben so eine
  203. 7:24Hypothese aufstellt, die dann testet,
  204. 7:26dann müsst was andere Systeme machen und
  205. 7:29wenn man das dann versteht, dann kann
  206. 7:30man halt auch seine eigenen Systeme
  207. 7:32verbessern. Ja, da werden wir gleich auf
  208. 7:33jeden Fall auch noch mal drauf zu drauf
  209. 7:34zu sprechen kommen. Ich habe noch mal
  210. 7:35eine Frage zu der Konsequenz daraus,
  211. 7:38weil wenn jetzt heute fast im Wochentakt
  212. 7:40neue Modelle veröffentlicht werden, dann
  213. 7:42werden ja immer diese Benchmarklisten
  214. 7:44veröffentlicht und oftmals muss es dann
  215. 7:46fast schon so sein, dass das Modell ein
  216. 7:49paar Prozentpunkte besser abschneidet
  217. 7:51als irgendein Vorgänger oder als die
  218. 7:52anderen. Und das, was ihr meine ich auch
  219. 7:54herausgefunden habt, war, dass diese
  220. 7:56ganzen Benchmarks, da gibt's ja dutzend
  221. 7:58wenig hunderte mittlerweile davon, die
  222. 8:00man sich natürlich fein säuberlich dann
  223. 8:02irgendwie auch rauspickt. Es gibt
  224. 8:03natürlich so ein paar Standard
  225. 8:04Benchmarks, aber dass die gar nicht so
  226. 8:06aussagekräftig sind. Also, ich meine, du
  227. 8:08sagtest oder ihr habt irgendwas
  228. 8:09herausgefunden im Sinne von, wenn ich
  229. 8:12fünf Fragen beantworten kann, dann kann
  230. 8:13ich eh schon die ganze Benchmark und die
  231. 8:15sind sich eh alle im Grunde ziemlich
  232. 8:17ähnlich. Also, was hast du da noch mal
  233. 8:18herausgefunden zu der Aussagekräftigkeit
  234. 8:21äh die dieser ganzen Benchfunks? Da
  235. 8:22gibt's ein paar Sachen. Zum einen ist es
  236. 8:25so, dass halt wie man das auch erwarten
  237. 8:28würde, dass halt die Leistungsfähigkeit
  238. 8:31bei verschiedenen Benchmarks da ziemlich
  239. 8:33stark korreliert. Z.B. wenn ich da
  240. 8:35irgendwie fünf verschiedene
  241. 8:36Programmierbenchmarks habe, dann ist es
  242. 8:39so, dass halt ein Modell, das bei einem
  243. 8:41der Programmierben Benchmarks gut ist,
  244. 8:43typischerweise auch bei den anderen vier
  245. 8:45gut ist. Gleichermaßen, wenn so ein
  246. 8:47Modell gut ist bei Mathematik für einen
  247. 8:51Satz der Tests, dann ist es
  248. 8:52wahrscheinlich auch für die anderen
  249. 8:54Tests gut. Also das sieht man auch bei
  250. 8:56Menschen so. So z.B. wenn jemand ein
  251. 8:57guter Mathematiker ist und dann halt in
  252. 9:00ein linearen allgebräne 1 abschneidet,
  253. 9:03dann ist der Wahrscheinlichkeit auch bei
  254. 9:06Differentialgeometrie gut. Also das ist
  255. 9:08eigentlich was ganz was natürliches. Das
  256. 9:10Ganze kam dadurch raus, dass wir halt
  257. 9:12anfingen, ja, unsere Modelle für
  258. 9:14verschiedene Sachen zu testen und das
  259. 9:16ging dann dahin, dass wir dann halt
  260. 9:18Dutzende von Benchmarks hatten und wir
  261. 9:20haben fingen dann an halt so Systeme zu
  262. 9:22bauen, um dann weitere Benchmarks
  263. 9:24automatisch hinzuzufügen und das ging
  264. 9:26eigentlich ganz gut, nur irgendwann
  265. 9:29wurde man da ein bisschen Angst und
  266. 9:30Bange, weil na ja, gut, wenn man halt so
  267. 9:32viele Benchmarks hat, dann dauert es
  268. 9:35lange, die ganzen auszutesten, das da
  269. 9:37kostet viel Rechenzeit und na ja, gut.
  270. 9:40Welcher ist denn überhaupt gut? Und
  271. 9:41irgendwann kam dann mal in der
  272. 9:43Besprechung eben die Frage auf, na ja,
  273. 9:47wie viele braucht man denn wirklich und
  274. 9:49welche sind die richtigen? Und man kann
  275. 9:52das dann so intuitiv ein bisschen
  276. 9:53überlegen. Na ja, für die Sachen braucht
  277. 9:55man halt vielleicht ein bisschen die
  278. 9:57Diversität von den den Tests und so
  279. 9:59weiter, aber sobald man dann anfängt
  280. 10:01sich zu fragen, ja, welche brauchen wir
  281. 10:02denn wirklich? Dann ist es relativ
  282. 10:04einfach, da so ein mathematisches Modell
  283. 10:06aufzubauen und zu messen, wie stark die
  284. 10:09korrelieren und dann halt einfach nur
  285. 10:11die Benchmarks zu nehmen, die
  286. 10:13entsprechend unabhängig voneinander sind
  287. 10:15und na ja, gut, das hat sich halt dann
  288. 10:17rausgestellt mathematisch, dass das
  289. 10:18relativ schön geht und dass du halt
  290. 10:20ungefähr nur ein halbes Dutzend
  291. 10:21Benchmark brauchst, um die meisten
  292. 10:24Punkte dieser Information da zu
  293. 10:27bekommen. Und genau aus dem Grund war
  294. 10:29halt z.B. dies das Ergebnis da mit der
  295. 10:32Proaktivität ganz erstaunlich, weil das
  296. 10:34eben einen neuen Aspekt, eine neue
  297. 10:36Facette diese Messungen da gefunden hat,
  298. 10:40die eigentlich relativ unabhängig von
  299. 10:41den anderen Fähigkeiten ist. Das ist
  300. 10:43halt so ein bisschen und um jemand nach
  301. 10:45das Leben leicht zu machen.
  302. 10:46Ja, das Spannende an dem Beispiel ist ja
  303. 10:48auch, wie wie du es ja auch geschrieben
  304. 10:49hast, dass die Modelle das ja schon
  305. 10:51können. Man fragt es halt nur noch nicht
  306. 10:53nur noch nicht ab, obwohl man als Nutzer
  307. 10:55im Konsens wahrscheinlich sagen würde,
  308. 10:57das hilft mir mehr. Und ich habe noch
  309. 10:59mal trotzdem eine zweite Frage zu dem
  310. 11:01Resultat, auf das du gekommen bist und
  311. 11:02zwar das sogenannte Pokémon Theorem. So
  312. 11:06hast du das ganze getauft. Kannst du
  313. 11:07best noch mal näher erläutern, was
  314. 11:09hattest damit auf dich?
  315. 11:10Okay, das ist das ist noch meine ganz
  316. 11:13ganz eine andere Geschichte. Das ist das
  317. 11:16ist was ganz was Nettes, was da passiert
  318. 11:18ist. Es hat da was im mit Fairness und
  319. 11:19so weiter zu tun. Und vor ein paar
  320. 11:21Jahren war das ja auch ein ziemlich
  321. 11:23spannendes Thema. nämlich äh ist es ja
  322. 11:25auch immer noch, nämlich wenn wir so KI
  323. 11:27Systeme bauen,
  324. 11:29sind denn die Antworten, die diese
  325. 11:31Systeme da geben? Fair. Mit anderen
  326. 11:34Worten, äh ist es so, dass z.B. wenn ich
  327. 11:37dann eine kurze Nase habe oder eine
  328. 11:38lange Nase habe, das halt dann ob mir
  329. 11:42das System dann die ne
  330. 11:44Versicherungsverkauft oder nicht. Und da
  331. 11:47gab's ja auch genügend Beispiele in der
  332. 11:51Gesellschaft, in denen dann mit ja und
  333. 11:56also versteckt unter der mit mit allen
  334. 12:00möglichen Begründungen da einfach dann
  335. 12:02halt rassistisch Sachen durchgeführt
  336. 12:04wurden. Also z.B. gibt's da in Amerika
  337. 12:06dieses Redlining, das war vor ungefähr
  338. 12:08100 Jahren, wo halt einfach äh dann in
  339. 12:11Stadtbezirken, die hauptsächlich äh von
  340. 12:13schwarzem besiedelt waren, dass dieen
  341. 12:16halt einfach dann die Kedalien gegeben
  342. 12:19wurden. Und das sieht man auch eben 100
  343. 12:22Jahre später noch z.B. haben die immer
  344. 12:24noch viel mehr Blei in der Farbe in den
  345. 12:27ganzen Mitwohnungen 100 Jahre später.
  346. 12:29Also das die die Auswirkungen sind
  347. 12:32ziemlich katastrophal und drum hat sich
  348. 12:34halt auch die ganze KI Community da hat
  349. 12:38sich die überlegt, na ja, wie kann man
  350. 12:39das messen, wie kann man dahergehen und
  351. 12:41halt Systeme bauen, die fair sind. Das
  352. 12:43Problem ist,
  353. 12:45oft ist das halt so ein zweischneidiges
  354. 12:47Schwert. Mit anderen Worten, äh und da
  355. 12:49gab's dann ja auch viele Studien, die
  356. 12:50dann sagten: "Ja, dieses und jenes
  357. 12:52System ist unfair und dann kam wieder
  358. 12:54andere herer und sagten, na ja, das
  359. 12:55System ist doch fair." Und da gab's also
  360. 12:58viele dieser Diskussionen und na ja, vor
  361. 13:01ein paar Jahren habe ich dann eine
  362. 13:02Vorlesung da in Stanf gehalten und
  363. 13:04Fairness kam halt auch dabei und dann
  364. 13:06dachte man na ja gut, das kann man
  365. 13:07eigentlich einigermaßen einfach
  366. 13:08quantifizieren und ja gut, also wer
  367. 13:11Pokémon nicht kennt, da gibt's halt
  368. 13:12diese Tag ein so nach dem K und du musst
  369. 13:15sie alle fangen und dann dachte man ja
  370. 13:17gut kann ich denn all diese ganzen
  371. 13:19Fairnesskriterien überhaupt fangen? Kann
  372. 13:22ich denn für alle Kriterien fair sein?
  373. 13:23Und das stellt sich halt dann raus, dass
  374. 13:25es nicht geht. Wieso wir das jetzt da
  375. 13:27veröffentlicht haben, das ist eigentlich
  376. 13:29ganz lustig. Also mein Sohn, der ist
  377. 13:30jetzt im zweiten Jahr an der University
  378. 13:32of Washington und der meinte dann so für
  379. 13:35ein Kursprojekt, Papa, was soll ich denn
  380. 13:37machen? Sage ich, na ja, schau d mal
  381. 13:39dieses Thorem an. hab stand bei mir nur
  382. 13:41auf einer Folie ohne ordentlichen Beweis
  383. 13:44und so weiter und dann ist der halt
  384. 13:46damit wirklich hat sich da richtig tief
  385. 13:49reingekniet, hat noch viel weitere
  386. 13:51Ergebnisse dazu bewiesen und ja, da bin
  387. 13:54ich eigentlich ganz stolz drauf, dass es
  388. 13:55halt das erste äh in dem Fall dann Sohn
  389. 13:59Vater Paper äh da hat er ganz klar noch
  390. 14:03viel viel mehr dazu beigetragen, da
  391. 14:04kamen noch viele andere weitergegebnisse
  392. 14:06dazu und na ja, drum haben wir das jetzt
  393. 14:09eben auch zu einer Konferenz F
  394. 14:10eingeschickt und sagt mir kann ich auch
  395. 14:11mal drüber schreiben. Ja, gut.
  396. 14:13Jedenfalls der die Aussage dieses
  397. 14:16Pokémon Theorems ist halt wirklich, dass
  398. 14:17man da beweisen kann, dass es nicht
  399. 14:21möglich ist komplette Fairness zu
  400. 14:23bekommen. Und da haben wir das halt dann
  401. 14:25gezeigt, sowohl für endlich dimensionale
  402. 14:28einfache Kriterien als auch, wenn du
  403. 14:30z.B. so Fair Feature und Representation
  404. 14:33Learning, wenn man das macht, dass das
  405. 14:34halt auch nicht möglich ist und paar
  406. 14:35andere Sachen noch. Äh, das ist
  407. 14:37eigentlich ganz schön. Das erklärt halt
  408. 14:39auch so ein bisschen, wieso es zum einen
  409. 14:42diese ganze Fairnessforschung gibt, zum
  410. 14:44anderen, aber die Leute dann trotzdem
  411. 14:45sagen, ja, so ein System ist nicht fair,
  412. 14:47weil es eben nicht perfekte Fairness
  413. 14:50geben kann mathematisch.
  414. 14:51Ja, wirklich höchst interessant. Also du
  415. 14:53beschäftigst dich jetzt seit Jahrzehnten
  416. 14:55kann man sagen, mit KI Modellen, was sie
  417. 14:57können, was sie nicht können, wie wir
  418. 14:58sie richtig ja evaluieren können. Bevor
  419. 15:00wir da gleich noch tiefer reingehen auch
  420. 15:02in deine Vita, kannst du noch mal um das
  421. 15:04Thema Benchmarks abzuschließen
  422. 15:05erläutern, worauf ihr dann gekommen
  423. 15:07seid, wie es besser geht, weil ihr habt
  424. 15:09ja dann tatsächlich eine eine eigene
  425. 15:10Benchmark noch mal entwickelt, einen
  426. 15:12eigenen Ansatz, wie man das alles besser
  427. 15:15messen könnte, diese KI Modelle. Kannst
  428. 15:17du das noch mal näher erläutern, worauf
  429. 15:19ihr dabei gekommen seid? Die Sache ist
  430. 15:21die, also erstens mal Benchmarks, es
  431. 15:23wird nie genug geben. Das ist das, das
  432. 15:26ist das erste. Zum zweiten, es gibt
  433. 15:28immer zu viele. Äh, okay, das klingt
  434. 15:31jetzt ziemlich paradox, ist es ja auch.
  435. 15:33Und zwar liegt's zum einen daran, dass
  436. 15:35natürlich die Fähigkeit
  437. 15:38der KI Systeme immer besser wird. Also
  438. 15:41Sachen, die vor vielleicht einem
  439. 15:43Jahrzehnt noch äh ganz schwierig gewesen
  440. 15:46wären, nämlich äh finde eine Katze in
  441. 15:48dem Bild, die sind mittlerweile trivial
  442. 15:50und mittlerweile müssen halt die
  443. 15:52Anforderungen, die man an so ein System
  444. 15:54stellt, auch deutlich höher werden. Z.B.
  445. 15:56na ja, was macht denn die Katze? Da
  446. 15:58fängt die gerade eine Maus und finde die
  447. 16:01Katze ist halt kein schwieriges Problem
  448. 16:03mehr. Für dieses spezielle Thema haben
  449. 16:05wir halt dann eben auch eben
  450. 16:07entsprechend den Benchmark entwickelt,
  451. 16:09weil den braucht man ja auch zum Teil,
  452. 16:11um überhaupt messen zu können,
  453. 16:13funktioniert ein System besser als das
  454. 16:14andere? Und was wir eben gemacht hab
  455. 16:17haben ist ähm da Unterhaltungen zwischen
  456. 16:21Modellen und dem Benutzer da eben
  457. 16:23modelliert, dann bis zu einem bestimmten
  458. 16:25Punkt angeführt, an dem dann die wir
  459. 16:28dann verschiedene Modelle evaluiert
  460. 16:30haben, wie Proactive, also wie halt wie
  461. 16:33voraussehen, die dann das Ganze dann
  462. 16:36weiterführen könnten und dann haben wir
  463. 16:38das Ganze wieder sowohl von Menschen als
  464. 16:41auch von Systemen evaluieren lassen. Das
  465. 16:43klingt jetzt ein bisschen geschummelt,
  466. 16:44dass man daher geht ein System so ein KI
  467. 16:47System sowas vorhersagen lässt und
  468. 16:49danach auch wieder bewerten. Aber AI ist
  469. 16:51a Judge, also so KI als dann aus
  470. 16:55Bewerter, das ist eigentlich ein relativ
  471. 16:58typisches Verfahren, um herzugehen und
  472. 17:00dann in großen Mengen solche Sachen
  473. 17:02auswerten zu können. Das funktioniert,
  474. 17:05wenn man dann vorhergeht und kalibriert,
  475. 17:06dass die KI dann auch das sagt, was der
  476. 17:09Mensch auch sagen würde. Also da braucht
  477. 17:12man eben für diese ganzen Tests zum
  478. 17:15einen ein System, das einigermaßen gut
  479. 17:17ist. Und das Gute ist, dass es viel
  480. 17:19einfacher ist zu kritisieren als zu
  481. 17:20bauen. Das weiß jeder, wenn er sich
  482. 17:22irgendwann die Bundesliga anschaut und
  483. 17:24dann sagt, na ja, der und jeniger, jeder
  484. 17:26Spieler, ja, den hätten sie jetzt nicht
  485. 17:28auswechseln sollen und so weiter. Da
  486. 17:30gibt's so viele Leute, die gute Trainer
  487. 17:32werden, aber das dann selber zu machen,
  488. 17:34das ist ein bisschen schwieriger. Und
  489. 17:37das ist halt eine Sache, die halt nicht
  490. 17:38nur so
  491. 17:40mein halt so als Mensch macht, sondern
  492. 17:42das geht den KI Systeme genau gleich so,
  493. 17:44denn denen fällt's viel einfacher zu
  494. 17:47kritisieren als zu machen und das ist in
  495. 17:49dem Fall dann Vorteil, wenn man dann
  496. 17:51halt dadurch durch so ein Kritiker auch
  497. 17:54bessere Systeme bauen kann, ohne dass so
  498. 17:57ein besseres System schon existieren
  499. 17:58muss.
  500. 17:59Ja, sehr spannend. Ja. Das bietet sich
  501. 18:01ja häufig auch heute in KI Us Cases. Wir
  502. 18:03haben auch einige davon an, dass man
  503. 18:05halt auf verschiedene LMs hat, die sich
  504. 18:07gegenseitig dann wiederum kritisieren,
  505. 18:09wenn z.B. um bei Datenbankentscheidung
  506. 18:12nutzen wir es z.B. teilweise, ne, dass
  507. 18:13man Codex Cloud Code gegeneinander
  508. 18:15argumentieren lässt und dann so ein
  509. 18:17Model Councel quasi bildet. Ähm damit
  510. 18:20die Zuschauer jetzt auch noch mal alle
  511. 18:22deinen Werdegang verstehen und da das
  512. 18:24worüber wir dann auch mit Boson und
  513. 18:25woran jetzt gerade heute woran du
  514. 18:27arbeitest, dass man das noch mal
  515. 18:28wirklich versteht. Du hast ja in den
  516. 18:3090ern schon bei AT&T Bellabs gelernt
  517. 18:33unter Jan Lec und dein Masterbetreuer
  518. 18:36war Wladimir Wappnik, der Erfinder der
  519. 18:39Support Vector Machines. Du hast
  520. 18:40ursprünglich jedoch Physik gelernt, hast
  521. 18:43in Physik studiert. Kannst du doch mal
  522. 18:45erläutern, wie kam es überhaupt dazu,
  523. 18:47dass du in den 90ern schon in diesem
  524. 18:48Kreis gelandet bist? Ja, okay. Das ist
  525. 18:51eine lustige Geschichte. So, ich wollte
  526. 18:54irgendwann mal so ein ganz theoretischer
  527. 18:56Physiker werden. Also so nach dem Motto,
  528. 18:59was kann man denn machen, dass über das
  529. 19:02Standardmodell hinausgeht? Also Standard
  530. 19:04Modell ist so ein Modell, das im
  531. 19:05Wesentlichen in den 60ern einige
  532. 19:08Nobelpreisträger da gebaut haben und das
  533. 19:10halt mittlerweile das dass sie das halt
  534. 19:12unglaublich dauerhaft ist und sogar also
  535. 19:15bis ja 60, 70 Jahre später immer noch
  536. 19:19die meisten der Voraussagen trifft.
  537. 19:22Na ja, das Problem ist dabei, dass man
  538. 19:24halt um
  539. 19:26über solche Modelle hinauszugehen, dass
  540. 19:28man unglaublich große Energieskalen
  541. 19:30braucht. Drum gibt's z.B. das Zern. Drum
  542. 19:32gibt's diese ganzen anderen
  543. 19:33Teilchenbeschleuniger
  544. 19:35und da gibt's einen ziemlich großen eine
  545. 19:39ziemlich große Spannung zwischen dem,
  546. 19:41was die Theorie vorhersagen kann und was
  547. 19:44man experimentell messen kann und das
  548. 19:46kann halt ein halbes Jahr 100 kann
  549. 19:48ganzes Jahrhundert sein. Und ne,
  550. 19:51irgendwann dachte ich mir dann so, will
  551. 19:53ich denn der Theoretiker sein, der
  552. 19:55vielleicht wunderbare Mathematik da
  553. 19:57entwickelt und bei dem dann vielleicht
  554. 20:01ein halbes Jahrhundert, vielleicht ein
  555. 20:02Jahrhundert später dann die Leute
  556. 20:03rausfinden, ja, also der Alex, der hat
  557. 20:05das ganze schön mathematisch
  558. 20:07ausgerichtet, aber die Realität ist halt
  559. 20:09nicht so und das Risiko war es mir nicht
  560. 20:12wert. Und na ja, das kam dann, also
  561. 20:16irgendwann halt in so einer
  562. 20:17Theorievorlesung äh zum wirklich der
  563. 20:22Punkt, wo da mussten wir irgendwann so
  564. 20:23eine Energieskala ausrechnen für in der
  565. 20:25sich dann die Elektroschwache und eine
  566. 20:27an eine andere äh Kraft da ungefähr die
  567. 20:30gleiche Skala haben. Und da kam halt
  568. 20:32eine Menge von Energie raus, die halt
  569. 20:34überhaupt keinen Sinn machte. Da
  570. 20:35bräuchte man Teilchenbeschleuniger, der
  571. 20:37so groß ist wie das Sonnensystem. mir so
  572. 20:40überlegt, na ja, ich glaube nicht, dass
  573. 20:43das zu meiner Lebenszeit je passieren
  574. 20:45wird. Sollte ich mir vielleicht was
  575. 20:47anderes anschauen.
  576. 20:49Ein Freund von mir äh der Bernard
  577. 20:51Schellkopf, den hatte ich da auf einem
  578. 20:53äh Sprachkurz in Italien kennengelernt,
  579. 20:55der war da gerade bei AT&T und der
  580. 20:58meinte dann: "Ja, du Alex, das ist ein
  581. 21:01ziemlich tolles Thema, kommst du mal bei
  582. 21:02uns vorbei?" Na ja, gut, das war ich
  583. 21:04dann sowieso gerade im Überlegen, was
  584. 21:06ich denn machen soll und ja, dann bin
  585. 21:07ich eben dadurch zu ATNC gegangen. Zum
  586. 21:09Kontext, der Bernhard, der ist
  587. 21:11mittlerweile Max Plan Direktor in
  588. 21:13Tübingen und wahrscheinlich einer der
  589. 21:15besten Machine Leer in Deutschland. Die
  590. 21:17Sache jedenfalls war dann die ich ging
  591. 21:18dann zu ATNT fing dann bei Wniknck an
  592. 21:21und das war eine ziemlich lustige
  593. 21:23Spannung zwischen dem Jan und dem
  594. 21:24Vladimir. Der Wladimir war sehr
  595. 21:26theoretisch konvexe Optimierung
  596. 21:28Statistik und statistische Lerntheorie
  597. 21:31und der Jan hat halt damals auch schon
  598. 21:33neuronale Netze gemacht und so für die
  599. 21:35nächsten ungefähr so 15 Jahre oder so
  600. 21:38waren dann die Supportvektoren und Kerne
  601. 21:40und so weiter halt auch deutlich besser
  602. 21:43als die neuronalen Netze. Es lag vor
  603. 21:46allem an der Hardware und es lag halt
  604. 21:49daran, dass wenn man wenige Daten hat
  605. 21:53und man halt relativ viel Hauptspeicher
  606. 21:56im Vergleich zur Rechenleistung hat,
  607. 21:59dass dann so Methoden, die halt viel
  608. 22:01Speicher und nicht so viel
  609. 22:02Rechenrechnung brauchen, dass die dann
  610. 22:04besonders gut sind.
  611. 22:06Irgendwann hat sich dann das ganze hat
  612. 22:09sich die Kurve dann verändert äh eben
  613. 22:11durch dann schnellere CPUs und dann
  614. 22:14nachher auch GPUs. Also das ist ja genau
  615. 22:16das, was dann Alex Net und dann äh die
  616. 22:19Nvidia GPUs und so weiter, was dann das
  617. 22:21alles dann gemacht hat. Das war dann
  618. 22:24wirklich der Punkt an dem sich dann das
  619. 22:27ganze um an dem das Ganze umkippte. Und
  620. 22:30man sieht das halt auch so, dass die
  621. 22:33Rechenleistung äh ja ungefähr so um vier
  622. 22:37Größenordnungen je Jahrzehnt dann
  623. 22:39anwächst. möglicherweise dieses
  624. 22:41Jahrzehnt haben wir dann mehr als vier.
  625. 22:43Äh von der von der Speicherkapazität
  626. 22:46her sind es vielleicht so zwei bis drei
  627. 22:48Größenordnungen.
  628. 22:50Und wenn man sich das so überlegt, dann
  629. 22:51ist es ganz klar, dass dadurch dann
  630. 22:53Algorithmen, die besonders viel
  631. 22:56Rechenleistung verbrauchen und nicht so
  632. 22:58viel Speicher brauchen, dann besonders
  633. 23:00äh nützlich sind. Und dadurch na ja, das
  634. 23:04war natürlich dann auch irgendwie eine
  635. 23:06konvergente Evolution. Dadurch, dass
  636. 23:08halt das gut funktionierte, haben die
  637. 23:10Leute dann mehr GPUs dafür gebaut und so
  638. 23:13weiter und dann haben die wieder
  639. 23:14Algorithmus entwickelt, aber dadurch kam
  640. 23:17es also dann halt wirklich zu soalen
  641. 23:19Netzen und so in den letzten ja 15
  642. 23:21Jahren oder so äh 10 bis 15 Jahren habe
  643. 23:25ich halt dann auch nur letzte gemacht
  644. 23:27und ich meine das ist halt eigentlich
  645. 23:29für sehr sehr große Systeme s auch der
  646. 23:31richtige Ansatz. Mathematik braucht man
  647. 23:33immer noch, aber die Werkzeuge sind halt
  648. 23:36mittlerweile ganz anders.
  649. 23:37ist ganz spannend.
  650. 23:38Die meisten wissen nicht, dass hinter
  651. 23:39all diesen Videos hier ein großartiges
  652. 23:42Rechercheteam von Everlast steckt, das
  653. 23:44jeden Tag die KI News, Updates und
  654. 23:47Trends herausrecherchiert, die wirklich
  655. 23:49relevant für alle sind, die von all
  656. 23:51diesen technologischen Entwicklungen
  657. 23:53profitieren wollen. Da jedoch nicht
  658. 23:54jeder diese Möglichkeit hat und es im
  659. 23:56Tagesgeschäft oft schwer ist, den
  660. 23:58Überblick über alles zu behalten, haben
  661. 23:59wir mit KI Bubble den mittlerweile
  662. 24:01Nummer 1 KI Newsletter im gesamten
  663. 24:04Dachraum aufgebaut. Du erhältst dort zu
  664. 24:06100% kostenfrei jeden Tag die
  665. 24:08wichtigsten Updates aus den Bereichen
  666. 24:10KI, Robotik, Technologie und Zukunft,
  667. 24:12die bereits heute darüber entscheiden,
  668. 24:14was morgen Realität ist und das so
  669. 24:16kompakt aufbereitet, dass du jeden Tag
  670. 24:18in wenigen Minuten auf dem neuesten
  671. 24:20Stand bist, ohne selbst recherchieren zu
  672. 24:23müssen. Trag dich also jetzt kostenfrei
  673. 24:25unter kibubble.news für deinen täglichen
  674. 24:28KI Newsletter direkt in dein
  675. 24:29E-Mailpostfach ein. Den Link findest du
  676. 24:31ebenfalls in der Videobeschreibung und
  677. 24:32damit zurück ins Video. Ja, also das ist
  678. 24:34ja auch höchst interessant jetzt noch
  679. 24:35mal ein bisschen näher darüber zu
  680. 24:36sprechen, wie wir überhaupt
  681. 24:37dahingekommen sind und wie es natürlich
  682. 24:39auch weitergeht, aber du hast ja du hast
  683. 24:41Bernard Schildkopf angesprochen 2002
  684. 24:43hast du gemeinsam mit ihm schon ein Buch
  685. 24:44geschrieben, Learning with Kernels als
  686. 24:46Standardwerk und das ist ja vielen heute
  687. 24:48gar nicht mehr so bewusst, also dass es
  688. 24:49überhaupt eine Zeit vor dem Deep
  689. 24:51Learning gab und vor neuronalen Netzen
  690. 24:54gab. Also, kannst du das noch mal
  691. 24:56einfach erklären? Was sind überhaupt
  692. 24:57Kelern Methoden und woran unterscheiden
  693. 24:59sie sich auch von dem Deep Learning, das
  694. 25:01wir heute kennen? Da gibt's eigentlich
  695. 25:03ein paar Sachen, also von der Numerik
  696. 25:07und so weiter. Das habe ich schon
  697. 25:08bisschen an angebracht, aber was halt
  698. 25:11was halt so ein Kernel ist und so
  699. 25:13mittlerweile gibt's ja diese gibt's ja
  700. 25:15sogar eine Konferenz für das
  701. 25:17Darstellungslernen, also die
  702. 25:18International Conference on Learning
  703. 25:20Representations und so eine Darstellung
  704. 25:23ist halt im Wesentlichen so eine
  705. 25:26Vektoreinbeckerung. Wenn ich halt ein
  706. 25:27Bild von der Katze habe, dann kann ich
  707. 25:29hergehen äh und das halt normal in
  708. 25:32Pixeln darstellen. Ich kann aber auch
  709. 25:33hergehen und sagen, wie versteht denn
  710. 25:37das System das so, dass z.B. die die
  711. 25:39Bilder von zwei Katzen ziemlich ähnliche
  712. 25:42Vektoren sind und das Bild dann von dem
  713. 25:45Hund vielleicht hier ist und das Bild
  714. 25:46von ich weiß nicht Laptop ungefähr dort
  715. 25:50drüben sitzt, aber jedenfalls halt so,
  716. 25:52dass dann die Einbettungen, die in den
  717. 25:55Vektoren, dass die halt dann so ähnlich
  718. 25:58sind, je nachdem ja nach der
  719. 26:01semantischen ähnlichkeit. Äh und das ist
  720. 26:04eine der großen Stärken von dem
  721. 26:07neuronalennetz.
  722. 26:09zumindest dann nachher die LMS und so
  723. 26:11weiter kam noch einiges anderes dazu.
  724. 26:13Bei den ganzen Kernmethoden
  725. 26:16äh war der Trick dann der, dass eben
  726. 26:18statt da das Ganze zu lernen, dass man
  727. 26:20herging und dass sich das halt dann halt
  728. 26:22auch durch na gutes Ingenieurs und
  729. 26:24Statistikwissen sich so eine Darstellung
  730. 26:27dann ausgedacht hat und dann gesagt hat,
  731. 26:29na ja, gut, die Darstellung ist
  732. 26:30wahrscheinlich einigermaßen gut und
  733. 26:31damit können wir dann die ganzen anderen
  734. 26:33Sachen machen. Also der große
  735. 26:35Unterschied ist eben der, dass bei den
  736. 26:36Kernmethoden wir dann hergegangen sind,
  737. 26:39uns einfach dann durch Ingenieursalent
  738. 26:43die Darstellungen
  739. 26:45ausfantasiert haben. Und bei den
  740. 26:47neuralen Netzen, da lernt man die halt
  741. 26:49dann auch. Wenn man das lernen kann,
  742. 26:50dann kann man halt noch viele andere
  743. 26:52Sachen mehr damit machen. Und das war
  744. 26:54eigentlich so der Beginn dieser ganzen
  745. 26:56Kaskade. Das war ungefähr so um die, na
  746. 26:58ja, Resnet und so weiter, diese ganzen
  747. 27:01Bilddeinwettungs
  748. 27:03äh Algorithmen, da fingen dann die
  749. 27:06Neuronalnetze an, dann wirklich was ganz
  750. 27:09was Neues zu bauen. Und die Einbetungen
  751. 27:11gibt's auch immer noch, also z.B. die
  752. 27:12ganzen Vector suchen, also RAG,
  753. 27:15Retriever, Augmented Generation und so
  754. 27:17weiter, die basieren immer noch alle auf
  755. 27:19diesen Einbettungen.
  756. 27:21Also, das ist so ungefähr der Punkt, wo
  757. 27:23sich die dann unterschieden haben. Das
  758. 27:25zweite ist, dass halt bei den Kernen das
  759. 27:27ganze mathematisch schön und klar ist.
  760. 27:30Da hat man dann konvexe Optimierung,
  761. 27:32Optimalität und so weiter. Und man kann
  762. 27:34sich das ungefähr so vorstellen, wie
  763. 27:36halt dieses äh ich weiß nicht, ob es in
  764. 27:38Deutschen so gibt, searching under the
  765. 27:40Lantern Pole, also unter der Laterne zu
  766. 27:42suchen. Der Witz ist halt der von einem
  767. 27:45Betrunkenen, der seinen Schlüssel
  768. 27:47verliert und dann fängt er an den
  769. 27:48Schlüssel zu suchen und dann, na ja,
  770. 27:51sucht er halt was unter der Laterne,
  771. 27:52dann kommt sein Freund daher und fragt:
  772. 27:53"Ja, was machst du denn?" "Ja, ich habe
  773. 27:56ein Schlüssel verloren." Sag, "Hast du
  774. 27:58den Schlüssel verloren?" Ja, da drüben.
  775. 27:59Dann sagt er, warum suchst du denn unter
  776. 28:01der Lanterne? Und dann sagt er halt, na
  777. 28:03ja, da drüben ist es dunkel, da finde
  778. 28:04ich ih sowieso nicht, aber hier ist
  779. 28:05wenigstens Licht. Und so ein bisschen
  780. 28:09das ist bei den Kernmethoden halt und
  781. 28:12viel auch bei der Statistik passiert,
  782. 28:13dass man halt versucht hatte dann die
  783. 28:18inexakten Fragen perfekt zu beantworten.
  784. 28:21Und was mittlerweile beim neuronalen
  785. 28:23Netzen passiert ist, dass man versucht
  786. 28:25die viel exakt Fragen nähersweise zu
  787. 28:29beantworten. Und das ist halt
  788. 28:32mathematisch nicht so schön, aber es
  789. 28:34gibt besser bessere Antworten. Na ja,
  790. 28:36gut. Das ist so ein bisschen jetzt
  791. 28:37philosophisch mal wieder geworden, aber
  792. 28:39so kann man sich das ein bisschen
  793. 28:41vorstellen, was so der Unterschied ist
  794. 28:42so ein zwischen der Statistik zuvor und
  795. 28:45was halt mittlerweile passiert.
  796. 28:46Ja. Und auf dem Weg dorthin, also zu dem
  797. 28:49was jetzt heute passiert, da gab's ja
  798. 28:50dann durchaus auch ein paar Probleme,
  799. 28:53auch technische Probleme. Du hast 2010
  800. 28:55den Parameter Server erfunden vor diesem
  801. 28:59Hintergrund. Was war das Problem? Also
  802. 29:01was was wozu brauchte man diese
  803. 29:03Erfindung und warum ist es auch so
  804. 29:05wesentlich gewesen für alles was dann
  805. 29:07danach kam?
  806. 29:08Den gibt's ja auch immer noch. Der heißt
  807. 29:10mittlerweile halt nur ganz anders und
  808. 29:12mittlerweile gibt's den sogar auch in
  809. 29:14Hardware, wenn man sich ein
  810. 29:16Networkswitch von Nvidia kauft. Also
  811. 29:19hier war das Problem, dass äh wir so
  812. 29:222010 hatten. Ich war damals bei Yahoo
  813. 29:25und na ja, das Problem war, dass die
  814. 29:28halt viele viele Textdaten hatten und
  815. 29:32die kein ordentliches System hatten, um
  816. 29:33so ein bisschen die Kategorien von
  817. 29:35diesen Textdaten da zu
  818. 29:39äh zu analysieren. Und da gab's ein, da
  819. 29:43gab's halt ein mathematisches Modell,
  820. 29:45das nannte sich Topic Models, also so
  821. 29:47Themenmodelle, wo man dann sagt, okay,
  822. 29:49dieser Text, der hat diese und jene
  823. 29:50Themen. Und man will halt dann zum einen
  824. 29:52die Themen finden und zum anderen halt
  825. 29:54für die ganzen Dokumente danach
  826. 29:56rausfinden, was die Themen in diesen
  827. 29:58Dokumenten sind. Ja, gut. Und da gab's
  828. 30:01ein paar schöne Papers von Markley, also
  829. 30:04David Bly, Andrew Ingen, Mike Jordan und
  830. 30:06so weiter, die das halt auch dann auf
  831. 30:08kleinen Systeme da bewiesen hatten. Also
  832. 30:10klein bei bedeutet dann vielleicht so 10
  833. 30:13000 100.000 1000 Dokumente und na ja Jah
  834. 30:16Y Jahur hatte halt dann damals viele
  835. 30:19Millionen von Benutzern und ich wollte
  836. 30:22das halt laufen lassen und da gab es
  837. 30:24einfach nichts und habe ich so ein
  838. 30:27bisschen überlegt, wie man das bauen
  839. 30:28kann und man muss halt sich überlegen
  840. 30:302010, da gab's noch keine GPUs so
  841. 30:32ordentlich äh die man da so verwendet
  842. 30:34hat und die Daten waren halt viel zu
  843. 30:37groß, um das Ganze in einen Rechner da
  844. 30:40rein passen lassen zu können. Ich meine,
  845. 30:43das Problem gibt's jetzt auch mit den ja
  846. 30:45milliarden großen äh Parametermodellen
  847. 30:48da von KI, aber wir hatten damals das
  848. 30:51Problem eben auch schon, dass wir halt
  849. 30:52dann da viele Milliarden von Parametern
  850. 30:55hatten, nur war der Speicher noch
  851. 30:56kleiner. Und dann hatte ich mir da so
  852. 30:59eine Vorlesung eigentlich von dem äh Jim
  853. 31:02Corose angehört über Blackboard Modelle.
  854. 31:05Das waren KI Modelle, wo halt dann die
  855. 31:07einzelnen KI Systeme dann auf einem auf
  856. 31:09eine Tafel schreiben und dann das andere
  857. 31:11Modell das wieder von der Tafel abliest
  858. 31:13und d dachte man ja vielleicht können
  859. 31:15wir so ein ähnliches Modell da halt auch
  860. 31:17zum Trainieren verwenden und nur dass
  861. 31:19halt die einzelnen Tafeln, weil das so
  862. 31:21eine große Tafel gebräucht hätte, haben
  863. 31:23wir die in einzelne kleine äh Speicher
  864. 31:27Täfelchen sozusagen aufgebrochen,
  865. 31:29nämlich einzelne Rechner, die dann ein
  866. 31:32Teil des Gesamtbildes hatten und dann
  867. 31:35haben die eine zweite Gruppe von
  868. 31:37Arbeitern, die eben dann die Daten
  869. 31:39verarbeitet hat, die haben dann eben
  870. 31:40wieder die Daten an diese ja Parameter
  871. 31:43Servers, also die die diese die
  872. 31:45Computer, die diese einzelnen Teile der
  873. 31:47Daten da hatten, da drauf geschrieben
  874. 31:49und dann wieder abgelesen. Man kann sich
  875. 31:51halt das so vorstellen wie so ein
  876. 31:52bipartit Graf. Also hat man zum einen
  877. 31:54die Server, dann hat man unten die
  878. 31:55Arbeiter und die unterhalten sich alle
  879. 31:57mit allen und auf die Art und Weise
  880. 32:00konnten halt dann über 1000 Rechner was
  881. 32:04machen, was ansonsten auf den einen,
  882. 32:06zwei Rechnern überhaupt nicht möglich
  883. 32:07gewesen wäre, weil es einfach nicht gen
  884. 32:09Speicher gab. Ja, gut, wenn man sich das
  885. 32:11jetzt überlegt, das ist ja auch wieder
  886. 32:13das Problem, was man ja mittlerweile bei
  887. 32:15dem verteilten Training und so weiter
  888. 32:17hat, wenn man also so ganz große
  889. 32:20Sprachmodelle baut, da passen die auch
  890. 32:22nicht mehr in den Speicher von der
  891. 32:23einzelnen Grafikkarte rein. Die passen
  892. 32:26auch nicht mehr in den Speicher von, na
  893. 32:28ja, acht Grafikkarten, also GPUs für
  894. 32:30einen Rechner rein oder auch nicht mehr
  895. 32:33für so ein GP äh 72 NVL, also selbst da
  896. 32:37passen die auch nicht mehr rein. da muss
  897. 32:39man dann trotzdem eben wieder hergehen
  898. 32:41und die Modelle entsprechend aufteilen,
  899. 32:44die dann und die dann über ein System
  900. 32:47koordinieren. Also so vom Prinzip her
  901. 32:51ist das noch gleich geblieben. Was dann
  902. 32:54vor ein paar Jahren gemacht hat, ist zu
  903. 32:55sagen, na ja, gut, diese Primar Server,
  904. 32:58also da, wo die Daten reingeschrieben
  905. 33:00werden, da gehen ja gehen die Daten
  906. 33:02hoch, da wird dann was addiert und dann
  907. 33:04die Summe wieder wieder zurückgeschickt.
  908. 33:06Und das kann mir eigentlich dann genau
  909. 33:07schon in den Network Switch, also da so
  910. 33:10wo die ganzen Computer miteinander
  911. 33:12verkabelt sind, damit einbauen. Und dann
  912. 33:15mittlerweile gibt's eben da auch Sharp,
  913. 33:17das ist Nvidia Infinity Band Melanox,
  914. 33:20also für die Quantum 2 Switches. Und
  915. 33:23dann da weiter kann man eben diese
  916. 33:25ganzen Rechnungen, die wir damals dann
  917. 33:28auf einem PC gemacht haben, sind die
  918. 33:31schon im Netzwerk drin und auf die Art
  919. 33:33und Weise spart man sich halt den
  920. 33:34Rechner noch auf der anderen Seite. Äh,
  921. 33:36das war eigentlich ganz nett zu sehen,
  922. 33:38wie das Ganze dann wie es der Kreis da
  923. 33:40so schließt. Die Inspiration war
  924. 33:43irgendwann mal vor durch KI von der
  925. 33:45Vorlesung von jemand, der halt dann
  926. 33:47davon geredet hat, da haben wir was
  927. 33:48gebaut und zum Schluss verwendet der die
  928. 33:51KI jetzt wieder genau diese Modelle,
  929. 33:53aber mittlerweile sind diese Systeme
  930. 33:55halt deutlich differenzierter wie dann
  931. 33:58was aufgeteilt wird. Das ist ja ziemlich
  932. 34:01spannend.
  933. 34:02Ja, sehr bemerkenswert. Da hast du auch
  934. 34:03gleich einige Fragen mit beantwortet.
  935. 34:05Das hätte mich nämlich auch
  936. 34:06interessiert, wie wie das heute
  937. 34:07funktioniert. Aber lass uns gern von
  938. 34:09dort aus dann noch mal die Brücke
  939. 34:11schlagen zu dem, wie es dann weiter ging
  940. 34:13bei dir in deinem Werdegang. Du wurdest
  941. 34:15ja dann entdeckt äh wenn man so will von
  942. 34:18Google später dann auch von Amazon was
  943. 34:20Vice Präsident für die gesamte Machine
  944. 34:22Learning
  945. 34:23spart, hast du es mit aufgebaut. Wie kam
  946. 34:26es dazu und woran hast du dort in dieser
  947. 34:28nächsten Phase konkret gearbeitet? Also
  948. 34:30die Sache war ja die, ich war ja bei
  949. 34:31Jahu, wir haben da eben so Systeme und
  950. 34:33so weiter gebaut und irgendwann hat dann
  951. 34:36halt Jahus [schnauben]
  952. 34:38für Führerschaft da ein paar ziemlich
  953. 34:41katastrophale Entscheidungen getroffen
  954. 34:43und dann sind denen die ganzen Forscher
  955. 34:45weggelaufen. Ich hatte gleichzeitig halt
  956. 34:47auch schon ein Angebot von der Kigemon
  957. 34:50University dort als Professor zu lieren.
  958. 34:52Das habe ich dann angenommen, das war
  959. 34:54dann schon vorher, aber meine ganzen
  960. 34:56Freunde, die ich halt da bei Yahoo
  961. 34:59gemacht hatte, waren halt dann weg. Die
  962. 35:01meisten sind halt zu Google gegangen und
  963. 35:02da dachte ich mir, ja, gut, ich brauche
  964. 35:04auch weiterhin noch Partner in
  965. 35:06Industrie, um sicherzustellen, dass halt
  966. 35:08meine Forschung entsprechend halt auch
  967. 35:11dann auf guten Grund und Boden sitzt.
  968. 35:15Und drum bin ich dann eben mit denen
  969. 35:17auch mit zu Google gegangen und dann war
  970. 35:19ich dort also für ungefähr so drei Jahre
  971. 35:23erstmal für neun Monate Vollzeit und
  972. 35:25dann nachher nachdem ich Professor wurde
  973. 35:28äh Teilzeit ging ich jeweils im Sommer
  974. 35:29hin und ansonsten während des Semesters
  975. 35:32bin ich halt dann ab und zu mal für eine
  976. 35:34Woche nach Mountainv geflogen, wenn es
  977. 35:36mal die Vorlesungen erlaubten. Und na
  978. 35:38ja, das war eigentlich eine ziemlich
  979. 35:40spannende Zeit. Das einzige war, dass
  980. 35:42wir dann irgendwann mal beschlossen
  981. 35:43haben, ja, eigentlich könnten wir auch
  982. 35:45ein Startup gründen. Das haben wir dann
  983. 35:47gemacht. Das wurde dann auch von der
  984. 35:49Firma gekauft. Na ja, das der Aufkauf
  985. 35:52war vielleicht nicht ideal. Ähm
  986. 35:57egal. Jedenfalls war dann die Überlegung
  987. 35:59so, was mache ich denn jetzt? Ähm und na
  988. 36:03ja, gut, meine Familie wollte unbedingt
  989. 36:05wieder zurück in die Bayarea. Ähm, denen
  990. 36:08hat einfach Kalifornien viel besser als
  991. 36:10Pittsburg gefallen. Und dann haben wir
  992. 36:12gedacht, okay, äh mal schauen, was
  993. 36:15könnte ich denn sonst machen. Habe ich
  994. 36:17umgeschaut und dachte mir, ja, bei
  995. 36:19Amazon könnte ich da wahrscheinlich ähm
  996. 36:22den meisten Unterschied ausmachen.
  997. 36:25und habe mich dann dopporben.
  998. 36:27Fing dann bei AWS an, Amazon Webservices
  999. 36:30und habe dann halt auch mitgeholfen, die
  1000. 36:34KI bei AWS aufzubauen. Das ging auch
  1001. 36:36ganz gut. hatte dann ungefähr eine
  1002. 36:38Gruppe von so 140 Leuten ähm in
  1003. 36:44von Shanghai. Da haben wir das AWS Labor
  1004. 36:47dort aufgebaut bis zu Tübingen. Äh da
  1005. 36:50hatten wir einige Scholars äh New York,
  1006. 36:53Seattle und dann Hauptsichts der Gruppe
  1007. 36:56war in Palo
  1008. 36:58und na ja, da haben wir auch viele
  1009. 36:59schöne Sachen gemacht. äh angefangen vom
  1010. 37:02ATML, also Autoglonen mittlerweile. Das
  1011. 37:05TFN hat das jetzt dann endlich doch
  1012. 37:08überholt und T PFN, also das ist der
  1013. 37:10Frankutter und Co. Mittlerweile ist sein
  1014. 37:13Startup von SP aufgekauft worden, aber
  1015. 37:15jedenfalls also automatisches
  1016. 37:17Maschinenle haben wir gemacht. Zum
  1017. 37:19zweiten haben wir ziemlich viel Zeit
  1018. 37:21investiert auch darin, um die ganzen
  1019. 37:23Leute bei Amazon in Machine learning zu
  1020. 37:26trainieren. Also, wir haben es dann
  1021. 37:28ungefähr geschafft so 25 bis 30.000 1000
  1022. 37:32Ingenieure jährlich in Machine Learning
  1023. 37:34zu trainieren.
  1024. 37:37Noch mal eine andere Geschichte, wie wir
  1025. 37:38das angestellt haben. Die kurze Antwort
  1026. 37:40ist einfach, man muss schauen, dass die
  1027. 37:43Probleme einfach genug sind, dass die
  1028. 37:46Werkzeuge mächtig genug sind und dass
  1029. 37:48man das Ganze in kurz genuge Zeit
  1030. 37:50schafft. Und na ja, gut, wir haben
  1031. 37:53diesbezülich dann auch ein Buch
  1032. 37:54geschrieben, das Dive into Deep Learning
  1033. 37:56und na ja, gut, natürlich haben wir auch
  1034. 37:58gute Forschung angestellt, also von LMS
  1035. 38:01bis zu Computer Vision bis zu Systemen
  1036. 38:04und so weiter.
  1037. 38:06Ja, das war eigentlich eine ganz
  1038. 38:07entspannende Zeit
  1039. 38:10und ja, gut, dann irgendwann so 2023
  1040. 38:14haben wir dann beschlossen, ein Startup
  1041. 38:16anzufangen. Das ist dann B AI. Bevor wir
  1042. 38:18da reinspringen, noch mal zum Dive into
  1043. 38:20Deep Learning, weil das war jetzt nicht
  1044. 38:22nur ein Amazon Projekt, also ganz im
  1045. 38:24Gegenteil, also ist ja mittlerweile auch
  1046. 38:25zum Standardwerk geworden über 175
  1047. 38:28Universitäten lehren mit diesem Projekt.
  1048. 38:31Du hast es komplett offen geteilt, also
  1049. 38:33vielleicht kannst du das noch mal näher
  1050. 38:34leutern. Was war überhaupt der
  1051. 38:35Hintergrund und der der Antrieb auch?
  1052. 38:37Also dieses Wissen so offen zu teilen
  1053. 38:40mit allen? Das ganze fing damit an, wir
  1054. 38:42hatten damals so ein Deep learning
  1055. 38:43Framework, nennt es sich MXnet und wir
  1056. 38:47hab haben wir irgendwie uns gedacht,
  1057. 38:48also die ganze Dokumentation
  1058. 38:51von MXNet war jetzt nicht so großartig.
  1059. 38:54Da schreiben wir ein paar Tutorials und
  1060. 38:56das Ganze hat dann angefangen so ein
  1061. 38:59bisschen äh selbständig äh dann beliebt
  1062. 39:02zu werden und na ja, gut, dann irgendwie
  1063. 39:04so ein paar Jahre später waren das dann
  1064. 39:07also letztendlich über 1000 Seiten. Na
  1065. 39:10ja, gut, die Sache ist die, wieso haben
  1066. 39:12wir das für alle veröffentlich gemacht?
  1067. 39:14Na ja, gut, das ist zum Teil auch
  1068. 39:16einfach, wo ich finde, dass es wichtig
  1069. 39:18ist, wieder an die ganze Community da
  1070. 39:21wieder zurück zu geben. Also, ich hatte
  1071. 39:23ja das Glück dann bei einem sehr sehr
  1072. 39:25guten äh, also Diplomvater dann
  1073. 39:29anzufangen und hatte auch das Glück mit
  1074. 39:32guten Leuten bei der Promotion und so
  1075. 39:34weiter zusammenzuarbeiten und habe also
  1076. 39:36hatte eigentlich immer Glück, dass die
  1077. 39:39Leute ganz offen mit mir das Wissen
  1078. 39:41geteilt haben und ich hatte halt auch
  1079. 39:43das Glück, dass ich halt in einem Land
  1080. 39:45geboren wurde und danach in lang in Land
  1081. 39:47ging, in dem solche Sachen einfach
  1082. 39:49möglich waren. Das Problem ist, nicht
  1083. 39:51jeder hat so viel Glück.
  1084. 39:54Das bedeutet aber nicht, dass Leute in
  1085. 39:55anderen Ländern nicht genauso schlau
  1086. 39:57sind. Und das war halt auch das Ziel,
  1087. 39:59dann dieses Wissen so zu teilen und so
  1088. 40:03dann allen zugänglich zu machen, dass es
  1089. 40:04denen halt möglich ist, das relativ
  1090. 40:06einfach selbst zu lernen. Es wurden dann
  1091. 40:09letztendlich ungefähr so 500, an denen
  1092. 40:12das gelehrt wurde und das wird immer
  1093. 40:14noch gelehrt. Ähm, klein kleiner
  1094. 40:17Kommentar hier am Rande. Ähm, na ja,
  1095. 40:20nachdem wir dann Busung gegründet haben,
  1096. 40:22hatten wir nicht viel Zeit dazu, das
  1097. 40:24Ganze ein bisschen weiter zu entwickeln,
  1098. 40:26aber jetzt mit Cloud und so weit und
  1099. 40:29Codex geht das eigentlich wieder. Und
  1100. 40:31ich habe da gerade so ein kleines äh
  1101. 40:34Wochenendprojekt äh da darüber
  1102. 40:36vielleicht mal später mehr. Also, wenn
  1103. 40:38man zu dlsmolad.org
  1104. 40:40geht, dann sieht man halt auch, was sich
  1105. 40:42da mittlerweile entwickelt. So über ein
  1106. 40:45paar Wochenenden, letzten Monat oder
  1107. 40:47zwei bin ich daher gegangen und habe das
  1108. 40:50ganze wieder decklich reanimiert und
  1109. 40:51viele Inputs dazu noch mit hinzugefügt.
  1110. 40:54Da gibt's irgendwann wahrscheinlich noch
  1111. 40:55mal in viel größere Blockfast dazu, aber
  1112. 40:58jedenfalls schon mal, wenn du das
  1113. 40:59anschauen willst, geh zu dlsmoler.org
  1114. 41:03ist noch nicht angekündigt auf meinen
  1115. 41:04Blogs, aber da wird's eine deutliche
  1116. 41:08Erneuerung geben. Es wird viel Arbeit
  1117. 41:10werden, weil halt, na ja, die K dann in
  1118. 41:14den letzten
  1119. 41:164 5 Jahren da mit Riesenschritten
  1120. 41:18voranging und da riesengroße Löcher an
  1121. 41:21Themen einfach momentan noch nicht
  1122. 41:23beinhaltet sind, aber überhaupt das
  1123. 41:25Ganze mal wieder halt auf einigermaßen
  1124. 41:29einen neueren Stand zu bringen, die das
  1125. 41:32überhaupt sicherzustellen, dass das Zeug
  1126. 41:33wieder kompiliert, weil die GPUs haben
  1127. 41:35sich geändert, die Systeme haben sich
  1128. 41:37geändert, die Bildsysteme haben sich
  1129. 41:39geändert. und so weiter. Das ist schon
  1130. 41:41viel Spaß und Arbeit. Na ja, wieso ist
  1131. 41:43er zu groß geworden? Na ja, gut, wenn
  1132. 41:45man halt hergeht und sowas offen macht
  1133. 41:47äh und dann halt auch also open so
  1134. 41:49Source of Ghub dann hinzufügt, dann ist
  1135. 41:51es sehr sehr einfach möglich Korrekturen
  1136. 41:55schnell mit einzubauen. Also z.B. W ich
  1137. 41:58gedacht habe für unser Learning mit
  1138. 42:00Kernels Buch, da gab's halt dann
  1139. 42:01irgendwann ein Eratum und das war halt
  1140. 42:04dann irgendwie so, dass wir halt ab und
  1141. 42:05zu uns dann jemanden Brief geschrieben
  1142. 42:07hat zum Teil im Papier, zum Teil eine
  1143. 42:09E-Mail und ich hoffe, dass wir uns viele
  1144. 42:11davon behalten haben und manche haben
  1145. 42:13wir sicher verloren und dann irgendwie
  1146. 42:15paar Jahre später gab es dann eine
  1147. 42:17zweite Edition, in denen halt so die
  1148. 42:20ganzen Fehler dann korrigiert wurden.
  1149. 42:24Das heißt, der ganze Turnaround, also
  1150. 42:26der Zyklus zwischen Fehlerfinden und
  1151. 42:29Korrektur im Markt waren halt dann 3 vi
  1152. 42:32Jahre.
  1153. 42:34Wohingegen jetzt, wenn du ein Fehler
  1154. 42:36findest und sagst, Alex, da hast du was
  1155. 42:37falsch geschrieben und eigentlich sollte
  1156. 42:39man das so machen und übrigens, das ist
  1157. 42:41nicht so gut erklärt. Und übrigens hier
  1158. 42:43gibt's noch ein neueres Ergebnis dazu,
  1159. 42:45dann ist halt der Zyklus vielleicht ein
  1160. 42:47paar Stunden, wenn ich dann gerade mal
  1161. 42:49wieder das Buch neu kompiliere und diese
  1162. 42:51Möglichkeit macht halt einfach so ein
  1163. 42:54Onlinebuch unschlagbar. Es gibt ein paar
  1164. 42:56andere Sachen, nämlich dass man halt
  1165. 42:57auch die ganzen Notebooks sich da
  1166. 42:59runterladen kann, die dann auf dem
  1167. 43:01eigenen Rechner rechnen kann und so
  1168. 43:02weiter. Und da gibt's na ja, noch viele
  1169. 43:05spannende Sachen, die jetzt in den
  1170. 43:07nächsten wahrscheinlich paar Wochen dann
  1171. 43:10die kann ich dann ankündigen. Jedenfalls
  1172. 43:12ja, wird's halt bessere Folien geben, äh
  1173. 43:15bessere Themenabdeckung,
  1174. 43:16äh viele Tippfehler sind repariert und
  1175. 43:19so weiter. Da gibt's noch viele neue
  1176. 43:21Sachen dazu, aber na ja, gut, das ist
  1177. 43:23halt ein Wochenende Projekt, weil
  1178. 43:25tagsüber bin ich halt auch das hier von
  1179. 43:27Boni AI. Ähm, da habe ich nicht so viel
  1180. 43:29Zeit, das tagsüber zu machen, aber ab
  1181. 43:31und zu geht das dann schon. Wenn da
  1182. 43:33jemand mithelfen will, gerne.
  1183. 43:36Absolut. Also eine ganz wesentliche
  1184. 43:37Frage einfach eine kurze Einordnung von
  1185. 43:40dir dazu, die mich interessiert, weil
  1186. 43:41ich weiß, es gibt natürlich auch viele
  1187. 43:43Zuschauer, die sich die Frage stellen,
  1188. 43:44lohnt sich das denn noch? Also gerade
  1189. 43:46wenn du sagst, du arbeitest jetzt wieder
  1190. 43:47daran, das ganze weiter auszubauen und
  1191. 43:50so weiter, jetzt gibt es ja Leute wie
  1192. 43:52den einen der Enhropic C-founder
  1193. 43:54beispielsweise kam jetzt neulich raus,
  1194. 43:56der wohl neuen Mitarbeitern, die sich
  1195. 43:58beworben haben, sagte: "Hey, such dir
  1196. 44:00mal besser ein Hobby abseits von AI
  1197. 44:03Research, weil das ist das erste, was
  1198. 44:05wir automatisieren und solche Aussagen,
  1199. 44:07die hört man ja durchaus immer wieder,
  1200. 44:08also das AI Research, diese ganzen Dinge
  1201. 44:12mit das erste sind, dass man ähm
  1202. 44:14automatisieren möchte. Jetzt ist eben
  1203. 44:16meine konkrete Frage, was äh was ist da
  1204. 44:18dran und natürlich auch was inwi weit
  1205. 44:20lohnt sich das noch für die Menschen da
  1206. 44:22draußen, die sagen, mich interessiert
  1207. 44:23das, aber ist meine Zeit da wirklich gut
  1208. 44:25investiert, heute noch Deep Learning zu
  1209. 44:27lernen oder macht's nicht e im Zweifel
  1210. 44:28auch die KI? Was meinst du dazu?
  1211. 44:30Also, ich meine KI ist ein Werkzeug, ist
  1212. 44:32ein unglaublich mächtiges Werkzeug und
  1213. 44:36na ja, viele der Sachen, die ich da
  1214. 44:38jetzt, ich meine, das hat schon auch
  1215. 44:40einen Grund, wieso ich mir halt z.B.
  1216. 44:42jetzt überlegt habe, kann ich das mal
  1217. 44:43schnell am Wochenende z.B. wieder äh zum
  1218. 44:46Laufen bringen und ja, viele der Sachen
  1219. 44:49sind halt einfach dann von Cloud Code
  1220. 44:52oder von Codex geschrieben.
  1221. 44:55Ähm da kann man dann eben sagen, schaut
  1222. 44:56dir mal die ganzen Gitter Bissues an,
  1223. 44:58was die Leute da alles als Problem
  1224. 45:00gefunden haben und integriere das mal
  1225. 45:02automatisch. Das ist was halt äh noch
  1226. 45:06vor einem Jahr eine Fleißarbeit gewesen
  1227. 45:09wä wäre, die halt
  1228. 45:12fast niemand machen würde. Insofern
  1229. 45:14diese Automatisierung, die ist gut und
  1230. 45:17ist auch sehr sehr nützlich. Das zweite
  1231. 45:19ist so, dass es natürlich mittlerweile
  1232. 45:21auch so ist, dass ich auch mal sagen
  1233. 45:22kann, hallo, ich glaube, der Beweis in
  1234. 45:25dieser und jener Richtung müsste
  1235. 45:26eigentlich funktionieren und so ein
  1236. 45:28Theorem müsste es geben. Beweise es mal.
  1237. 45:30Da gibt's Leute, die viel viel besser
  1238. 45:32sind als ich, der das wirklich großartig
  1239. 45:34machen. Also, wenn man sich z.B. den Tim
  1240. 45:36Gers und so weiter anschaut und die
  1241. 45:37Leute, die jetzt dann Probleme beweisen,
  1242. 45:40Tim Gaus ist ein Filzmodellist, also das
  1243. 45:42so der Nobelpreis in der Mathematik, die
  1244. 45:45sagen nicht, dass die KI sie ersetzen
  1245. 45:46wird, die sagen, dass es halt ein
  1246. 45:49Werkzeug ist, um dann Sachen viel
  1247. 45:51schneller zu beweisen und Sachen zu
  1248. 45:52beweisen, die vielleicht ansonsten nicht
  1249. 45:54so einfach möglich gewesen wären. ähm ob
  1250. 45:58dann irgend das dann so, na ja,
  1251. 46:01Paranwier, Struktursuche und so weiter,
  1252. 46:03dass sowas dann automatisiert wird, ja,
  1253. 46:06bitte, das ist halt ansonsten auch oft
  1254. 46:08Fleißarbeit. Ähm und wenn man das
  1255. 46:11entsprechend automatisieren kann, das
  1256. 46:13ist das ist großartig, ob die KI
  1257. 46:16Forschung selbst das erste äh Opfer da
  1258. 46:19der KI wird, ist es unklar. Natürlich
  1259. 46:23was klar ist, ist allerdings, dass es
  1260. 46:25jetzt mittlerweile möglich ist, einfach
  1261. 46:26relativ schnell aus vielen Publikationen
  1262. 46:29die Ideen rauszuziehen, die zu
  1263. 46:30kombinieren und dann neu zu
  1264. 46:32implementieren.
  1265. 46:34Und das ändert so ein bisschen die
  1266. 46:37Dynamik. Also ich würde das sagen, das
  1267. 46:40ändert sie ändert die Dynamik von dem
  1268. 46:43First Mover Advantage zu dem Second
  1269. 46:45Mover Advantage.
  1270. 46:47Ähm das sieht man auch ein paar
  1271. 46:49Beispielen. Äh das eine Beispiel wä
  1272. 46:51jetzt der Open Claw versus Hermes und
  1273. 46:54Hermes kam halt von News Research. Der
  1274. 46:57das kam einfach von hinten. Und was die
  1275. 47:01gemacht haben ist die haben sich klar
  1276. 47:03angeschaut gesagt, okay das sind alles
  1277. 47:05gute Ideen übrigens ein paar Sachen
  1278. 47:07machen wir anders. Und dann sind sie
  1279. 47:09hergegangen und halt ganz konsequent
  1280. 47:11durch na ja KI Werkzeuge sind es ihnen
  1281. 47:13auch gelungen, da jetzt mit Open Cla
  1282. 47:16dann aufzuschließen und ich glaube
  1283. 47:17momentan sind sie ein bisschen vorne
  1284. 47:19dran.
  1285. 47:20Ein dreites Beispiel ist das, wenn als
  1286. 47:24äh der äh Cloud Code da Codelak da
  1287. 47:28passierte, innerhalb von na ja, 48
  1288. 47:31Stunden sind die Leute hergegangen,
  1289. 47:33haben diesen Typescript Code dann auf
  1290. 47:36Python portiert und dann ist jemand
  1291. 47:39hergegangen und hat den dann noch mal
  1292. 47:40auf Rust portiert innerhalb von 48
  1293. 47:43Stunden. Das ist halt was vor noch ein
  1294. 47:47zwei Jahren nicht möglich gewesen wäre.
  1295. 47:49Was das halt bedeutet ist, dass man
  1296. 47:51hergehen kann und wenn man sagt, okay,
  1297. 47:53hier gibt's eine gute Idee, integriere
  1298. 47:54die mal dort, dass das sehr sehr schnell
  1299. 47:57geht und vorher wäre es halt einfach
  1300. 48:00viel Fleißarbeit gewesen. Mittlerweile
  1301. 48:02ist es so, dass man halt solche Ideen
  1302. 48:05dann relativ schnell portieren kann.
  1303. 48:07Sobald es die an einer Stelle gibt,
  1304. 48:09wird's die überall geben. Das ist na ja
  1305. 48:12eigentlich ein ein großer Entschuldigung
  1306. 48:14für das englische Wort inler. Das ist
  1307. 48:16das ist halt was Sachen möglich macht,
  1308. 48:18die vorher nicht möglich gewesen wären.
  1309. 48:21Und das gibt ein auch Geschwindigkeit,
  1310. 48:23weil es ist das ist großartig. Ähm dass
  1311. 48:26es natürlich alles gut ist, ist
  1312. 48:28natürlich nicht, aber es ist jedenfalls
  1313. 48:30so, dass ich damit dann z.B. selbst viel
  1314. 48:32produktiver bin, als ich vor noch vor
  1315. 48:34ein paar Monaten gewesen wäre.
  1316. 48:36Willkommen zur Bonus US Case Sektion
  1317. 48:37dieser Folge. Eine der häufigsten
  1318. 48:39Fragen, die ich nämlich unter jedem
  1319. 48:40Video lese, ist: Leo, wie sprichst du
  1320. 48:42eigentlich diese Texte einfach so in
  1321. 48:44deinen Computer ein, sodass sie perfekt
  1322. 48:46formatiert in jeder App landen? Die
  1323. 48:48Antwort auf diese Frage ist Voicely,
  1324. 48:50denn während die meisten immer noch Wort
  1325. 48:52für Wort tippen, sprichst du mit Voicely
  1326. 48:54alles einfach ein, egal ob E-Mails,
  1327. 48:56Nachrichten, Prompts oder ganze
  1328. 48:57Dokumente und Voicely verwandelt deine
  1329. 49:00Stimme in Sekunden in sauberen fertig
  1330. 49:02formatierten Text. Im Schnitt sprichst
  1331. 49:04du nämlich vielmal schneller als du
  1332. 49:06tippst und sparst dir, nur dadurch fast
  1333. 49:08einen ganzen Arbeitstag und mit dem
  1334. 49:10neuen Sprachregler kannst du sogar
  1335. 49:12einfach alles auf Deutsch einsprechen
  1336. 49:14und erhältst den fertigen Text auf
  1337. 49:15Englisch, was perfekt für das Prompten
  1338. 49:17von KI Agenten ist, die ja mit Englisch
  1339. 49:20doch oft besser klar kommommen. Re ist
  1340. 49:21inzwischen die Nummer 1 KI Spracheingabe
  1341. 49:24im deutschsprachigen Raum läuft auch
  1342. 49:25Windows und Mac ist vollständig DSGVO
  1343. 49:27konform und hat sogar einen lokalen
  1344. 49:29Privacy Mode mit dem deine Stimme deinen
  1345. 49:31Rechner nie verlässt und du kannst sogar
  1346. 49:33komplett kostenfrei starten auf
  1347. 49:35voicely.de. Also lade dir Voicely jetzt
  1348. 49:38einfach kostenfrei herunter auf
  1349. 49:39voicely.de de oder direkt über den Link
  1350. 49:42in der Videobeschreibung und damit
  1351. 49:44zurück ins Video. Ja, ist ein sehr
  1352. 49:45interessanter Take, also, dass wir jetzt
  1353. 49:47durch AI im Prinzip ein Second Mover
  1354. 49:50Advantage haben. Und lass uns gerne
  1355. 49:52jetzt über Boson AI sprechen. Ihr baut
  1356. 49:54ja wirklich auf Modelle und ihr seid
  1357. 49:56fokussiert auf Voice AI. Was genau macht
  1358. 49:59ihr mit Boson AI und warum seid ihr
  1359. 50:01ausgerechnet auf die Sprache fokussiert?
  1360. 50:04Also bei Börson, wir fingen damit an
  1361. 50:07Systeme zu bauen für Interaktion und
  1362. 50:10Roleplay und so weiter. Das waren erst
  1363. 50:12Sprachmodelle und was halt relativ
  1364. 50:15schnell klar wurde, ist, dass um so ein
  1365. 50:17richtig gutes Frontiermodell zu bauen,
  1366. 50:20dass das halt eine riesengroße
  1367. 50:21Kapitalinvestition äh braucht, also so
  1368. 50:24für Sprache und na ja, die
  1369. 50:28Wirtschaftlichkeit solcher Sachen ist
  1370. 50:30halt ein kleines Problem. Wenn man sich
  1371. 50:32so überlegt, so ein gutes
  1372. 50:34Frontiermodell, wenn das rauskommt, hat
  1373. 50:36es ungefähr eine Lebenszeit von 6 bis 12
  1374. 50:40Monaten.
  1375. 50:42Und na ja, als Startup ist es ja auch
  1376. 50:44irgendwie so, dass wir halt auch
  1377. 50:45irgendwann aus unserer Investition auch
  1378. 50:47wieder Geld machen müssen,
  1379. 50:49wenn man sich das so überlegt, so ein
  1380. 50:50gutes Frontiermodell kostet vielleicht
  1381. 50:5250 Millionen, vielleicht 100 Millionen
  1382. 50:54und wenn das halt eine Lebenszeit von
  1383. 50:56einem knappen Jahr hat, brauche ich,
  1384. 50:58wenn ich ein Margin von 30% hätte, mal
  1385. 51:01angenommen, brauche ich dann da halt
  1386. 51:03mindestens so 2 300 Millionen Umsatz, um
  1387. 51:06überhaupt wieder zu null rauszukommen.
  1388. 51:09Und das ist halt, wenn man sich so
  1389. 51:12überlegt, was man dann halt so für ein
  1390. 51:14Seed und Series A bekommt, ist das halt
  1391. 51:17mehr als das, was man für ein Seed und
  1392. 51:18Series A bekommt oder zumindest damals
  1393. 51:21dann bekam. D haben wir uns überlegt,
  1394. 51:23gut, nachdem das vielleicht nicht so
  1395. 51:25viel Sinn macht, welche Probleme können
  1396. 51:27wir uns anschauen, bei denen die
  1397. 51:30Wirtschaftlichkeit funktioniert und
  1398. 51:31Sprache ist halt eines der Probleme, bei
  1399. 51:34der es noch geht. Muss sicher das so
  1400. 51:36also Voice äh also sowohl Ton rein als
  1401. 51:40auch Ton raus. Das zweite war halt auch
  1402. 51:41so, dass wir uns, dass wir gesehen
  1403. 51:43haben, dass für diese ganzen
  1404. 51:44interaktiven Systeme für Gameplay und so
  1405. 51:46weiter, die wir da gebaut haben, das ist
  1406. 51:48halt ziemlich,
  1407. 51:50na ja, unbequem ist, wenn man die ganze
  1408. 51:53Zeit tippen muss. Da würde ich doch viel
  1409. 51:55lieber mit äh so einem Charakter in dem
  1410. 51:57im Spiel dann reden und von dem was
  1411. 52:00hören, statt da einfach nur zu
  1412. 52:01schreiben.
  1413. 52:03Ja, gut, dann fragt man sich natürlich
  1414. 52:05so, wie kann ich sowas bauen, dass halt
  1415. 52:06dann auch die Sprache gut versteht, das
  1416. 52:08halt auch ein bisschen Hirn hat. Und da
  1417. 52:10macht's eigentlich relativ wenig Sinn,
  1418. 52:13dann mit einem Sprachmodell von null
  1419. 52:15anzufangen, sondern da kann man sich
  1420. 52:16halt dann auch ein Sprachmodell nehmen,
  1421. 52:18das halt schon mediert wurde, das nicht
  1422. 52:20allzu groß ist, aber halt kompetent ist.
  1423. 52:23Wir haben sowohl auf Lama aufgebaut als
  1424. 52:25auch dann für die neuesten Modelle auf
  1425. 52:26Cuben. Äh Cen ganz einfach aus dem
  1426. 52:29Grund, weil Lama 3 war gut, Lama 4
  1427. 52:35nicht perfekt. Äh insofern haben wir
  1428. 52:37halt dann auf K aufgebaut, weil das ein
  1429. 52:39bisschen leistungsfähiger ist und da
  1430. 52:42macht's halt relativ wenig Sinn. Also
  1431. 52:44überlegt das so, wenn dir jemand äh
  1432. 52:46Stahl umsonst gibt, dann baust du keine
  1433. 52:49Stahlmühle, sondern baust du ein Auto.
  1434. 52:52Und das gleiche ist, dass war halt wenn
  1435. 52:55es halt so Modelle schon mal frei zur
  1436. 52:58Verfügung gestellt werden, dann baut man
  1437. 53:00halt da drauf auf. Das macht
  1438. 53:01wirtschaftlich Sinn. Äh, was wollen wir
  1439. 53:04insgesamt bauen? Wir wollen insgesamt
  1440. 53:06wirklich so einen digitalen Menschen
  1441. 53:08bauen. Ähm, zuerst natürlich nur hinter
  1442. 53:11dem Bildschirm, aber die nächste Sache
  1443. 53:16Etappe wäre dann halt auch äh vielleicht
  1444. 53:18mit einer Robotikfirma da zu partnern
  1445. 53:20und das Ganze dann halt auch in die
  1446. 53:22physische Welt zu bringen. Ähm mehr
  1447. 53:26darüber irgendwann mal später da, das
  1448. 53:28ist noch nicht spruchreif, aber na ja,
  1449. 53:31gut. Was braucht man halute dazu? Also
  1450. 53:33das erste ist natürlich, man möchte so
  1451. 53:35ein Modell eine Stimme geben. Die
  1452. 53:36meisten Menschen, wenn sie eine Stimme
  1453. 53:37hören, erwarten, dass das Modell halute
  1454. 53:39auch sie hören kann. Also drum braucht
  1455. 53:41man halt dann dann halt auch
  1456. 53:43Spracherkennung und auch
  1457. 53:44Sprachverständnis. Mit anderen Worten,
  1458. 53:46wenn ich lustig oder grantig bin, dann
  1459. 53:49hätte ich gerne, dass das Modell das
  1460. 53:50auch versteht und auch ein bisschen
  1461. 53:51versteht, was im Hintergrund abgeht.
  1462. 53:53Also ist ein bisschen schwieriger als
  1463. 53:54Spracherkennung, aber damit kann man
  1464. 53:56halt auch durch den Kontext und so
  1465. 53:57weiter viel besser erkennen, was ab was
  1466. 53:59passiert.
  1467. 54:01Das zweite ist es auch so, dass es
  1468. 54:03natürlich ganz klar ist, dass wir
  1469. 54:05Menschen nicht nur die Stimme hören
  1470. 54:08wollen, sondern halt auch ein Bild sehen
  1471. 54:10wollen. Z.B. wenn ich jetzt hergehen
  1472. 54:13würde und die Kamera hier abschalten
  1473. 54:14würde, ich mache das jetzt natürlich
  1474. 54:16nicht, aber wenn ich es machen würde,
  1475. 54:17dann wären die meisten Zuschauer hier
  1476. 54:20traurig. Und obwohl es jetzt nicht so
  1477. 54:22interessant ist, sich den Alex
  1478. 54:24anzuschauen, Leo, du hast im Hintergrund
  1479. 54:26noch zwei fühne Stat und Gemälde, aber
  1480. 54:29bei mir ist das ja gut, du könnst es das
  1481. 54:32ganze auch so anhören, aber trotzdem
  1482. 54:33schauen sich die Leute gern an, die
  1483. 54:35wollen heute auch was sehen und drum
  1484. 54:38haben wir dann angefangen Avatar zu
  1485. 54:39bauen. Da kam jetzt auch gerade raus und
  1486. 54:42man kann sich natürlich überlegen, dass
  1487. 54:44äh wenn man was sieht, dass sie halt
  1488. 54:47auch möchten, dass man halt auch was
  1489. 54:49dann erkennen kann, also dass irgendwann
  1490. 54:51halt auch eine Videoung und so weiter
  1491. 54:53passiert. Also das ist das sind so die
  1492. 54:55nächsten Schritte, um das Ganze so um
  1493. 54:59halt von einem Textmodell zu einem
  1494. 55:01kompletten audiovisuellen Modell zu
  1495. 55:03gehen. Das ist so an der Interface
  1496. 55:08Seite, was da passiert bei uns und da
  1497. 55:09kam gerade ein paar schöne Modelle raus,
  1498. 55:11also Hix Audio TTS, das jetzt knapp 100
  1499. 55:14Sprachen spricht. Audio Understanding
  1500. 55:16kommt auch bald noch. Der Avatar kam
  1501. 55:18jetzt gerade raus, die erste Iteration,
  1502. 55:20die relativ numerisch in effizient ist.
  1503. 55:24Aber was natürlich
  1504. 55:26dem ganzen noch dahinter stehen muss,
  1505. 55:28ist halt auch ein Gehirn.
  1506. 55:30Und
  1507. 55:32man kann dann hergehen und sich
  1508. 55:33überlegen, na ja, diese einfachen
  1509. 55:35Sprachmodelle, die wir halt verwendet
  1510. 55:36haben, um dann so ein Audiomodell zu
  1511. 55:38bauen, das sind halt irgendwie so
  1512. 55:41ja dutzende von Milliarden von
  1513. 55:44Parametern. Das ist halt kein so
  1514. 55:47schlaues Modell, das ist halt ein
  1515. 55:49schlaues Plappermaul.
  1516. 55:51Ähm, der Grund, wieso man sowas macht,
  1517. 55:53ist, dass halt für die ganze Spracherung
  1518. 55:56und Erzeugung man da eigentlich kein so
  1519. 55:58großes Modell braucht oder mit anderen
  1520. 56:01Worten, dass so ein großes Modell
  1521. 56:03einfach viel zu teuer werde, weil so die
  1522. 56:07Text Tokens sozusagen die das sind so
  1523. 56:10das Äquivalent von Silben in den halt so
  1524. 56:12ein Modell denkt. Für Sprache braucht
  1525. 56:15man ungefähr so drei Tokens pro Sekunde.
  1526. 56:18Drei bis fünf für es hängt da vom
  1527. 56:21Tokeniz ab und so weiter. Für Audio
  1528. 56:23braucht man irgendsowas in der grö
  1529. 56:25Größenordnung von na ja 10 bis 40 oder
  1530. 56:28so. Also ungefähr eine Größenordnung
  1531. 56:30mehr. Das bedeutet, dass so ein
  1532. 56:33Audiomodell viel mehr erzeugen muss über
  1533. 56:37eine gegebene Zeit, z.B. für 10
  1534. 56:39Sekunden, als ein Sprachmodell. Und das
  1535. 56:42bedeutet wiederum, dass es eigentlich
  1536. 56:45numerisch keinen Sinn macht, dann ein
  1537. 56:46sehr sehr großes äh Frontier Modell zu
  1538. 56:49haben, das halt dann 100 Milliarden bis
  1539. 56:52halt eine äh ja von von der Parameter
  1540. 56:56hat. Das das macht keinen Sinn. Was aber
  1541. 56:59Sinn macht, ist herzugehen, dann so ein
  1542. 57:01Frontend zu haben, das halt da
  1543. 57:02einigermaßen gut versteht und dann
  1544. 57:05nachher noch im Hintergrund ein deutlich
  1545. 57:08komplett komplexeres Modell zu haben.
  1546. 57:10Wir Menschen machen das ja auch, z.B.
  1547. 57:12Wenn ich jetzt da was rede, dann denke
  1548. 57:14ich natürlich schon, was ich sagen soll,
  1549. 57:16aber ich habe auch im Hinterkopf dann
  1550. 57:19sozusagen Gedankengang, der mir so ein
  1551. 57:21bisschen besser sagt, na ja, was ich
  1552. 57:22dann vielleicht in ungefähr 1 2 15
  1553. 57:25Sekunden oder vielleicht ein 2 Minuten
  1554. 57:26oder 5 Minuten anbringen möchte. Das ist
  1555. 57:29also insofern ganz natürlich, dass auch
  1556. 57:31wir Menschen da so das langfristige
  1557. 57:33Denken mit der kurzfristigen
  1558. 57:35Unterhaltung da entkoppeln, wobei es
  1559. 57:38natürlich dann schon eine Interaktion
  1560. 57:39gibt. Z.B. willo, wenn du jetzt sagen
  1561. 57:41würdest, ja, das ist alles Mist, dann
  1562. 57:42würde ich natürlich hergehen auch
  1563. 57:44umdenken und überlegen, wie kann ich das
  1564. 57:46anders planen. Aber das gleiche System
  1565. 57:49passiert dann halt auch bei den Modellen
  1566. 57:51und das ist eigentlich das, wo die Reise
  1567. 57:54dann hingeht, um Modelle zu haben, die
  1568. 57:56sehr interaktiv sind und gleichzeig auch
  1569. 57:58schlau. Der dritte Punkt dabei ist
  1570. 58:01natürlich, wir brauchen ja nicht nur
  1571. 58:03schlaue Modelle, sondern wir müssen halt
  1572. 58:04auch was machen. Z.B. jemandem sagen,
  1573. 58:07wie sie halt so wie man Modem repariert
  1574. 58:09oder sowas. Das heißt, wir brauchen also
  1575. 58:11zum dritten halt auch noch eine
  1576. 58:12sozusagen eine Programmiersprache,
  1577. 58:15wobei der Schwerpunkt hier ist auf
  1578. 58:17Sprache statt programmieren, um so ein
  1579. 58:21System dann ordentlich beibringen zu
  1580. 58:23können, dass es halt was Nützliches
  1581. 58:25macht. Da hat die Community auch schon
  1582. 58:27viel gemacht, z.B. diese ganzen Plugin
  1583. 58:28Skills und so weiter, die mittlerweile
  1584. 58:31durch diese ganzen Reasoning und
  1585. 58:32Frontier Models und Tool Calls und so
  1586. 58:34weiter alles funktionieren. Das ist ein
  1587. 58:36guter Anfangspunkt, aber man braucht da
  1588. 58:37halt noch noch ein bisschen mehr, damit
  1589. 58:39dann halt nicht irgendwann so der BMW äh
  1590. 58:43Autoverkäufer dann plötzlich empfiehlt,
  1591. 58:45dass es eigentlich dann ein Mercedes EV
  1592. 58:48oder ein Tesla kaufen sollte, weil das
  1593. 58:51würden halt dann die Leute, die dann den
  1594. 58:53Botter gebaut haben, das würde den dann
  1595. 58:56nicht so sehr gefallen, aber das
  1596. 58:59[räuspern] ist halt noch dann die dritte
  1597. 59:01Komponente und so bei Boson waren wir
  1598. 59:03halt alle drei dieser Teile.
  1599. 59:06Zum einen der audiovisu visuelle
  1600. 59:09Frontend, dann die Reasoning Ability und
  1601. 59:13na ja, gut, wenn es da halt gute
  1602. 59:14Frontier Models gibt, dann wäre es dumm,
  1603. 59:17die nicht zu verwenden. Und dann zum
  1604. 59:19dritten diese Programmierkomponente, um
  1605. 59:21sicherzustellen, dass man halt auch den
  1606. 59:24Modellen das sagen kann, dass die auch
  1607. 59:26was Nützliches bauen. Das ist dann Final
  1608. 59:29Flow, das kommt dann irgendwann mal
  1609. 59:30raus. Ähm, haben das mit ein paar Kunden
  1610. 59:33schon am laufen, aber ja, das ist so das
  1611. 59:37gesamte Bild, woran wir arbeiten. Zwei
  1612. 59:39Fragen habe ich dazu. Erstmal noch mal
  1613. 59:41zum Audiomodell an sich, weil das ist ja
  1614. 59:44vielen, du hast es gerade schon
  1615. 59:45erläutert, aber das ist vielen ja auch
  1616. 59:47gar nicht so klar. Es gibt ja
  1617. 59:47verschiedene Ansätze, wie ich solche
  1618. 59:49Voice AI Modelle bauen kann. Also
  1619. 59:52klassisch hat man Text to Speech, ein
  1620. 59:54Speech to Text Modell, ein LM dann noch
  1621. 59:57mit dazwischen. Es gibt ja aber auch den
  1622. 59:58Ansatz Ansatz Speech to speech, wie es
  1623. 1:00:00jetzt z.B. old Mayaltime Modellen. Das
  1624. 1:00:03wäre meine erste Frage. Also wie genau
  1625. 1:00:05ist hier euer Ansatz? Also habt ihr
  1626. 1:00:08quasi auch Text to Speech, Spex oder ist
  1627. 1:00:10es eher vergleichbar mit so einem
  1628. 1:00:11Realtime Modell von Old Mayi? Und die
  1629. 1:00:13zweite Frage ist, wo ordnet ihr euch in
  1630. 1:00:17etwa ein? Wir haben ja eingangs über
  1631. 1:00:18Benchmarks gesprochen und dass diese
  1632. 1:00:20natürlich nicht immer allzu
  1633. 1:00:21aussagekräftig sind, aber ihr seid ja
  1634. 1:00:23auch open weights, also wir werden das
  1635. 1:00:24sicherlich auch mal verlinken. Kann
  1636. 1:00:25jeder selbst herunterladen, selbst
  1637. 1:00:27betreiben eure Hicksmodelle, aber wo
  1638. 1:00:30ordnet ihr euch ein so im Vergleich auch
  1639. 1:00:33zu anderen? Also erstmal von der
  1640. 1:00:34technischen Frage her so Speech to
  1641. 1:00:37speech versus dann two stage, also zwei
  1642. 1:00:41Schritte oder Stage. Also Thage wäre im
  1643. 1:00:43Wesentlichen Spracherkennung, dann
  1644. 1:00:46Textmodell zum Denken und dann wieder
  1645. 1:00:48Text to Speech, um wieder Sprache zu
  1646. 1:00:50erzeugen.
  1647. 1:00:52Diese Modelle, das ist so eher der
  1648. 1:00:54klassische Ansatz, die haben den
  1649. 1:00:55Vorteil, dass sie relativ einfach zu
  1650. 1:00:57verstehen sind. Die sind sehr schön
  1651. 1:00:58modular. Das Problem ist, dass bei jedem
  1652. 1:01:01dieser Schritte jeweils Latenz dazu
  1653. 1:01:03kommt. Und wenn du mir eine Frage
  1654. 1:01:05stellst und ich dann ungefähr ein bis
  1655. 1:01:07zwei Sekunden warte, bis ich dir
  1656. 1:01:09antworte, dann ist das seltsam. Menschen
  1657. 1:01:12haben eigentlich gerne so 100 bis 200
  1658. 1:01:14Millisekunden Latenzen. Das hat
  1659. 1:01:16biologische Gründe. Z.B. wenn man
  1660. 1:01:18hergeht und schaut, ob da jemand so
  1661. 1:01:19neurodegenerative
  1662. 1:01:21Erkrankung hat, dann geben wir her,
  1663. 1:01:23zeigt denen ein Schachbrettmuster z.B.
  1664. 1:01:26und misst dann die Zeit, die es dauert,
  1665. 1:01:28vom Auge bis zum äh bis zum Großhirden.
  1666. 1:01:33Und wenn die Zeit über eine bestimmten
  1667. 1:01:37ja über die bestimmte Zeit hinausgeht,
  1668. 1:01:40dann kann man davon ausgehen, dass da im
  1669. 1:01:42Hirn was kaputt ging. Also der die
  1670. 1:01:44Aussage, dass jemand eine lange Leitung
  1671. 1:01:46hat, das kann man da, das ist da
  1672. 1:01:48buchstäblich richtig, weil halt dann da,
  1673. 1:01:50wenn im Gehirn was kaputt geht, dann
  1674. 1:01:52werden dann Umwege gebaut, um die
  1675. 1:01:54Verarbeitung hinzukriegen. Also insofern
  1676. 1:01:56funktionieren halt Menschen ungefähr so
  1677. 1:01:58mit der Taktfrequenz von ungefähr 10 Hz,
  1678. 1:02:01vielleicht ein bisschen weniger,
  1679. 1:02:02vielleicht ein paar ein bisschen
  1680. 1:02:03schneller. Aber das ist so ungefähr der
  1681. 1:02:06die Zeit. Insofern sind halt die ein bis
  1682. 1:02:082 Sekunden dann schon viel zu lang. Das
  1683. 1:02:10hat Google damals hal auch schon vor 20,
  1684. 1:02:1230 Jahren rausgefunden bei der Suche.
  1685. 1:02:14Nämlich haben die rausgefunden, dass
  1686. 1:02:16wenn man hergeht und den Leuten das
  1687. 1:02:19Sucheergebnis viel später als ungefähr
  1688. 1:02:21150 Millisekunden zeigt, dass einfach
  1689. 1:02:24die dann eher weggehen. Das ist auch der
  1690. 1:02:26Grund, wie z.B. wieso z.B. die ganzen
  1691. 1:02:28Erzsysteme und so weiter alle so für die
  1692. 1:02:31Aktionen ungefähr so ein Zeitrahmen
  1693. 1:02:33Rahmen von 100 bis 200 Millisekunden
  1694. 1:02:35haben. Okay, wieder zurück zum zur KI.
  1695. 1:02:39Insofern ist es halt schon ganz
  1696. 1:02:41nützlich, wenn man so ein System hat,
  1697. 1:02:43das direkt antworten kann. So Speech zu
  1698. 1:02:45Spech kann das. Da gibt's einige
  1699. 1:02:48Modelle. Ich würde sagen, das von QiI
  1700. 1:02:50wäre wahrscheinlich das Moshi, das wäre
  1701. 1:02:51wahrscheinlich das erste gewesen.
  1702. 1:02:53Slinking Machines hat gerade ein System
  1703. 1:02:54rausgebaut rausgebracht oder zumindest
  1704. 1:02:57gedemot äh indem man das machen kann
  1705. 1:03:01ohne Avatar, aber mit sehen. Also wir
  1706. 1:03:04haben das Komplement nämlich der Avatar
  1707. 1:03:07ist da, aber wir sehen gerade nicht.
  1708. 1:03:08Also das ist ein schönes Komplement
  1709. 1:03:11dazu, aber die Sache ist die, wenn man
  1710. 1:03:15eben so Speed Speed Systeme hat, dann
  1711. 1:03:18haben die genau eben dieses Problem,
  1712. 1:03:20dass man dann sehr sehr viele Parameter
  1713. 1:03:22und sehr viel Rechnung verbrätt,
  1714. 1:03:24nur einfach um Sprache rein und Sprache
  1715. 1:03:26rauszuschicken.
  1716. 1:03:28Man, was man halt aber auch gleichzeitig
  1717. 1:03:30machen muss, ist die Möglichkeit dann
  1718. 1:03:32ein System zu haben, das halt relativ
  1719. 1:03:34komplexe Gedanken führen kann, dass z.B.
  1720. 1:03:37Datenbank abfragen kann. Die Datenbank
  1721. 1:03:39braucht dann vielleicht ein paar
  1722. 1:03:40Sekunden und so weiter. Das ist einer
  1723. 1:03:42der Gründe, wieso diese Multistage
  1724. 1:03:45Systeme dann auch noch einigermaßen
  1725. 1:03:47populär sind.
  1726. 1:03:48Ähm, also das ist zum Teil eine
  1727. 1:03:50Systemfrage und wie es wahrscheinlich
  1728. 1:03:52weitergehen wird, ist, dass wir ein oder
  1729. 1:03:55zwei Stage Systeme haben für den für die
  1730. 1:03:57direkte Interaktion mit den Menschen
  1731. 1:04:01und dann sozusagen im Hintergrund ein
  1732. 1:04:03viel komplexeres, teureres System hier
  1733. 1:04:06geht mit Tooluser, also Werkzeug
  1734. 1:04:10Werkzeuge verwenden, Datenbanken
  1735. 1:04:11abfragen, lange Gedankengänge
  1736. 1:04:14durchzugehen, um dann die Antwort da zu
  1737. 1:04:17erzeugen.
  1738. 1:04:18Und das Gute ist, dass Menschen ziemlich
  1739. 1:04:21gut drauf trainiert sind, sowas zu
  1740. 1:04:23akzeptieren. Z.B. wenn du mir jetzt eine
  1741. 1:04:26Frage stellst, die ich nicht sofort
  1742. 1:04:27beantworten kann, dann ist es perfekt
  1743. 1:04:29okay, wenn ich sag, du lass mich mal
  1744. 1:04:31nachdenken, Augenblick mal schnell. Und
  1745. 1:04:34die meisten Menschen akzeptieren das
  1746. 1:04:35ganz ganz normal.
  1747. 1:04:38Insofern, wenn dann halt ein System
  1748. 1:04:40sagt, ja, lass mir mal kurz nachdenken,
  1749. 1:04:42dann akzeptieren sie das auch nur, wenn
  1750. 1:04:44das Modell dann plötzlich stumm ist und
  1751. 1:04:46nach 3 Sekunden dann mit der Antwort
  1752. 1:04:48zurückkommt, dann ist das seltsam und
  1753. 1:04:51stößt dann halt so die meisten Menschen
  1754. 1:04:53bisschen ab. So, ich glaube, dass es da
  1755. 1:04:55sehr viel noch spannende so
  1756. 1:04:59Benutzerinterface Forschung geben wird
  1757. 1:05:01geben wir müssen, um sowas gut zu bauen.
  1758. 1:05:04Okay, wo stehen wir bei Boson?
  1759. 1:05:06Ähm, also wir haben exzellente
  1760. 1:05:09Ergebnisse mittlerweile in den
  1761. 1:05:10Benchmarks für unser TTS Modell. Ähm und
  1762. 1:05:15das ist ja nicht nur so, dass wir das
  1763. 1:05:16behaupten, wir stehen dahinter auch. Wir
  1764. 1:05:18drum haben wir unsere Weits auch uns
  1765. 1:05:21unser uns unser Modell halt auch auf
  1766. 1:05:23Hugging Face zur Führung gestellt. Es
  1767. 1:05:26ist frei für alle Forscher und es ist
  1768. 1:05:29frei für na ja so Leute, die das mal
  1769. 1:05:33selbst auf kleiner Skala bauen wollen.
  1770. 1:05:36Wenn du damit was kommerziell machen
  1771. 1:05:38willst, dann schick uns eine E-Mail und
  1772. 1:05:41na ja, Model Serving und so weiter. Das
  1773. 1:05:44kommt dann auch noch ein paar Sachen
  1774. 1:05:45dazu. Also insofern für große
  1775. 1:05:48kommerzielle Nutzung helfen wir da gerne
  1776. 1:05:50mit. Für kleine Benutzung, wenn du es
  1777. 1:05:52austesten willst, Proof of Concept
  1778. 1:05:54Pilotversuch,
  1779. 1:05:56die Modelle sind alle frei und offen
  1780. 1:05:58verfüg verfügbar. Insofern weiß dann
  1781. 1:06:01jeder auch genau, dass wir halt dann
  1782. 1:06:02nicht nur mit Schaum schlagen, sondern
  1783. 1:06:04halt auch was die was Substanz dahinter
  1784. 1:06:06ist. Das ist halt auch um ja, wieso
  1785. 1:06:09wieso soll jemand uns trauen? Weißt bei
  1786. 1:06:12Google gut, die gibt schon paar
  1787. 1:06:14Jahrzehnte, denen kann man schon auch
  1788. 1:06:16mal trauen, weil die halt auch jahr
  1789. 1:06:18Jahrzehnte lang dann eine Historie
  1790. 1:06:20haben, dass sie was Gutes machen bei
  1791. 1:06:21uns. Wir sind halt ein Startup. Wieso
  1792. 1:06:23soll uns jemand trauen? Das einfachste
  1793. 1:06:25ist zu sagen, okay, hier ist die
  1794. 1:06:27Evidenz,
  1795. 1:06:29probier es aus, überzeug dich selbst
  1796. 1:06:30davon, wenn es dir gefällt, dann komm zu
  1797. 1:06:32uns und dann können wir das machen. Das
  1798. 1:06:35ist so ein Teil der Produktstrategie,
  1799. 1:06:37wie wieso wir Teile veröffentlichen und
  1800. 1:06:41dann halt das dann trotzdem auch
  1801. 1:06:42komellen machen. Der andere Grund ist
  1802. 1:06:44halt auch ein einfach der dabei, dass
  1803. 1:06:45halt wie halt auch schon gesagt vorher,
  1804. 1:06:49wir halt auch große Fans von Open Source
  1805. 1:06:52und Community sind. Und das ist halt
  1806. 1:06:55diese Ideologie, das von mir, da von
  1807. 1:06:58mein Mitgründer, die dann halt uns da
  1808. 1:07:00auch ein bisschen führt. Ja, so ich kann
  1809. 1:07:02es auch nur befürworten, weil gerade
  1810. 1:07:03viele andere in dem Bereich, also so
  1811. 1:07:06die, ich sag mal führende Modelle ja
  1812. 1:07:09wirklich alle claw so Source sind und
  1813. 1:07:10von daher kann ich es natürlich nur
  1814. 1:07:11begrüßen, wenn ihr hier ordentlich
  1815. 1:07:14mitmischt im Markt. Jetzt habe ich noch
  1816. 1:07:15mal zwei Fragen an dich, weil du ja auch
  1817. 1:07:17sagtest, man wird den Modellen immer
  1818. 1:07:18mehr Codingfähigkeiten geben und das ist
  1819. 1:07:21ja im Kern auch so dieser große
  1820. 1:07:22Durchbruch, den man jetzt spätestens
  1821. 1:07:24seit Februar 2026 gesehen hat, also
  1822. 1:07:27sowas Coding Agents imstande sind und
  1823. 1:07:30das ist meine erste Frage. Also wie hast
  1824. 1:07:32du diese Entwicklung wahrgenommen, weil
  1825. 1:07:34du jetzt wirklich auf Jahrzehnte KI
  1826. 1:07:36Entwicklung schon zurückblickst. Also
  1827. 1:07:38wie nimmst du konkret den aktuellen
  1828. 1:07:39Stand der KI wahr? hier wir haben über
  1829. 1:07:41Jan Le beispielsweise gesprochen, der
  1830. 1:07:43sagt: "Ja, das mit den LMS kommen wir
  1831. 1:07:45nicht weiter. Wir brauchen wieder andere
  1832. 1:07:46Ansätze für jetzt viele Nutzer da
  1833. 1:07:49draußen. Es ist ja durchaus schon
  1834. 1:07:50äußerst beeindruckend, also all das, was
  1835. 1:07:52jetzt heute schon möglich ist mit
  1836. 1:07:53Agentic Coding. Also da interessiert
  1837. 1:07:55mich einfach so dein persönlicher Blick
  1838. 1:07:56auf den Markt heute. Und die zweite
  1839. 1:07:59Frage geht dann noch mal in Richtung
  1840. 1:08:00Digital Humans, weil das geht so ein
  1841. 1:08:03bisschen mit meiner These einher, die
  1842. 1:08:04ich habe. Dadurch, dass diese großen
  1843. 1:08:05Labs jetzt so ein immensen Fokus haben
  1844. 1:08:08auf Entic Coding, habe ich mir die Frage
  1845. 1:08:09gestellt, die letzten ein, zwei Jahre,
  1846. 1:08:11wieso ist eigentlich so verhältnismäßig
  1847. 1:08:13wenig passiert, also im Bereich Voice AI
  1848. 1:08:15und Avatare, da ist ja eigentlich gar
  1849. 1:08:17nicht mal seit dem Advanced Voice Mode
  1850. 1:08:19Ende 224 für meine Begriffe recht wenig
  1851. 1:08:22passiert und auch im Bereich Avatare.
  1852. 1:08:25Ja, also der große Sprung blieb noch so
  1853. 1:08:27ein bisschen aus und meine These
  1854. 1:08:28dahinter ist, dass man sich halt einfach
  1855. 1:08:29fokussiert hat auf Coding Agents und
  1856. 1:08:32gesagt hat, da sehen wir jetzt als große
  1857. 1:08:35KI Labs nicht den Nutzen halt diese
  1858. 1:08:37Avatare zu lösen. Und das wird mich
  1859. 1:08:39interessieren, ob du äh ob ob das
  1860. 1:08:41stimmt, diese These und wie du natürlich
  1861. 1:08:43auf das Thema Effizienz bei Avataren
  1862. 1:08:45ähäh letztendlich ähm blickst. Also äh
  1863. 1:08:48zwei Fragen so ein bisschen in die
  1864. 1:08:50Richtung Tempel Coding.
  1865. 1:08:51Okay, das sind jetzt ungefähr fünf
  1866. 1:08:53Fragen auf eine. Ich versuch es
  1867. 1:08:54einigermaßen kurz zu antworten. Mal
  1868. 1:08:56schauen, wie es wie es geht. Also erster
  1869. 1:09:00Datenpunkt, wenn man sich also mein
  1870. 1:09:02GitHub History anschaut, dann sieht man
  1871. 1:09:05halt das ab seit März, da ich da halt
  1872. 1:09:08auch ziemlich viel gebaut und Code
  1873. 1:09:09geschrieben habe. Wobei das ist halt im
  1874. 1:09:12Wesentlichen sind das halt As, die da
  1875. 1:09:14Code schreiben, die halt einfach Sachen
  1876. 1:09:16möglich gemacht haben, die halt vorher
  1877. 1:09:18unmög nicht unmöglich gewesen wären. So
  1878. 1:09:20z.B. Und dieses Benchmark Paper, das ist
  1879. 1:09:22mein erstes
  1880. 1:09:24Einzelartorenpaper, dass ich je in
  1881. 1:09:26meinem Leben geschrieben habe. Und das
  1882. 1:09:28wurde geschrieben über eine Zeit von
  1883. 1:09:3235 Stunden ungefähr. Das ist ein Zehntel
  1884. 1:09:35dessen, was es mich ansonsten gekostet
  1885. 1:09:37hätte, selbst wenn ich dann mit einem
  1886. 1:09:39Kurator zusammengearbeitet hätte. Ähm
  1887. 1:09:41und das ist halt einfach mittlerweile
  1888. 1:09:43möglich, weil halt viele der Sachen, die
  1889. 1:09:45ansonsten ja, machen wir mal dieses,
  1890. 1:09:46machen mal jenes Experiment, gehen mal
  1891. 1:09:48besorgt mal diesen Datensatz und
  1892. 1:09:50verarbeitet mal so und so vor, dass das
  1893. 1:09:52halt einfach ganz schnell ging. Und das
  1894. 1:09:55ist ein unglaublicher Produktivitäts äh
  1895. 1:09:59ermöglicher, wo wo ich halt auch einfach
  1896. 1:10:01mittlerweile hergehen kann. Na ja, statt
  1897. 1:10:03da jemand was zu erklären, okay, jetzt
  1898. 1:10:05set einfach mal selber hin, bau es
  1899. 1:10:06einfach mal schnell, hier ist ein
  1900. 1:10:08Prototyp und dann können wir mal drüber
  1901. 1:10:10reden und vorher wäre das halt einfach
  1902. 1:10:12nicht möglich gewesen. Also viele Sachen
  1903. 1:10:14sind halt jetzt einfach sehr sehr billig
  1904. 1:10:16geworden.
  1905. 1:10:17Äh relativ. wieso die ganzen Labors da
  1906. 1:10:21vor allem auf Coding Agents gesetzt
  1907. 1:10:23haben. Ich würde nicht sagen alle, aber
  1908. 1:10:25das ist der eine Grund der der Grund,
  1909. 1:10:28wieso die wohl wahrscheinlich am
  1910. 1:10:30schnellsten sich weiterentwickelt haben,
  1911. 1:10:32ist, weil der Daten und Iterationsloop
  1912. 1:10:34sehr sehr einfach ist. Der ist einfach,
  1913. 1:10:37weil ich kann halt einfach hier gehen
  1914. 1:10:38Code schreiben, den kompilieren oder
  1915. 1:10:40laufen lassen oder was auch immer.
  1916. 1:10:42Für Python brauche ich ja keine
  1917. 1:10:43Kompilation und dann schauen, ob das
  1918. 1:10:47funktioniert. Mit anderen Worten, ich
  1919. 1:10:49kann da halt relativ zügig Systeme
  1920. 1:10:52bauen, die auch gleich Feedback bekommen
  1921. 1:10:55und dadurch mir dann Systeme bauen, die
  1922. 1:10:57die halt auch viel schneller besser
  1923. 1:10:59werden. Also so ein Codelook, das das
  1924. 1:11:02sind halt Sekunden, wohingegen, wenn ich
  1925. 1:11:05das Ganze mit Menschen mache, Menschen,
  1926. 1:11:08die reden halt nicht in Sekunden, die
  1927. 1:11:10reden in Minuten oder Stunden, ich z.B.
  1928. 1:11:13das Interview jetzt, das ist halt jetzt
  1929. 1:11:15über eine Stunde, ähm so ein einfach den
  1930. 1:11:19Text da durchzuschicken, das hätte
  1931. 1:11:21wahrscheinlich Bruchteile einer Sekunde
  1932. 1:11:23gedauert und drum dauern halt diese
  1933. 1:11:26Iterationen viel länger und das wird
  1934. 1:11:29wohl eine der eine der Sachen sein,
  1935. 1:11:33wieso das Ganze ein bisschen länger
  1936. 1:11:34dauert für so Digital Humans das Ganze
  1937. 1:11:37zu bauen, aber das kommt, das ist ganz
  1938. 1:11:39ganz klar. Es ist halt auch so, dass
  1939. 1:11:42eigentlich erst seit ja ein paar Monate
  1940. 1:11:44die Modelle mächtig genug sind, dass man
  1941. 1:11:47denen halt Anweisungen gibt und die dann
  1942. 1:11:50diese Anweisungen mit hoher
  1943. 1:11:51Wahrscheinlichkeit erfolgreich
  1944. 1:11:53durchführen. Das passiert immer noch
  1945. 1:11:55nicht so richtig. Also z.B. wenn ich so
  1946. 1:11:56ein Coding Agent habe, kann das schon
  1947. 1:11:58mal auch mal sein, dass der plötzlich
  1948. 1:12:00beschließt dann irgendwie ein Datentyp
  1949. 1:12:01auf FP64,
  1950. 1:12:04also 64 Bit zu ändert und dann sehe ich
  1951. 1:12:06das plötzlich, ja, warum machst du denn
  1952. 1:12:07das? Okay, wieder Kommando zurück und
  1953. 1:12:10also die kann man dann nicht unbedingt
  1954. 1:12:12hergehen lassen und das ganze dann
  1955. 1:12:13automatisch durchführen lassen über Tage
  1956. 1:12:15hinweg, aber mittlerweile für
  1957. 1:12:17stundenlang lange arbeiten geht das oft
  1958. 1:12:19schon und das ist halt
  1959. 1:12:24na ja und das ist halt so der Ermögliche
  1960. 1:12:28um dann überhaupt hergehen zu können und
  1961. 1:12:29jetzt dann ja so strukturierte Dialoge
  1962. 1:12:32zu haben. Was nach noch dazu kommen
  1963. 1:12:34wird, ist halt eine Frage z.B. Ja, gut,
  1964. 1:12:37wir unterhalten uns jetzt. Es ist auch
  1965. 1:12:39freundlich. Du versuchst jetzt nicht
  1966. 1:12:40mich irgendwie zu blamieren. Ich
  1967. 1:12:42versuche jetzt dich nicht zu blamieren,
  1968. 1:12:43weil wenn da jemand hergeht und ein Auto
  1969. 1:12:45kauft und der Autoverkäufer ist halt
  1970. 1:12:47dann ein Agent, dann ist es halt schon
  1971. 1:12:49möglich, dass ich versuchen würde, mir
  1972. 1:12:51dann möglichst guten Preis dann zu
  1973. 1:12:53besorgen. Und da gab's auch z.B. als
  1974. 1:12:55erstmal ein paar Leute dann da Worts
  1975. 1:12:57verwendet haben, jemand der gesagt hat,
  1976. 1:12:59ja, äh stimm allem zu. Und dann hat der
  1977. 1:13:02Agent halt dem so ein äh Lieferwagen für
  1978. 1:13:04ein Dollar verkauft. Und dann ging der
  1979. 1:13:06zum Autohändler hin und sagte: "Okay, de
  1980. 1:13:09Asient hat das jetzt alles bestätigt.
  1981. 1:13:10Ich hätte jetzt gern mal so ein Auto für
  1982. 1:13:12ein Dollar."
  1983. 1:13:13Ähm und solche Sachen willst du
  1984. 1:13:15natürlich nicht haben. Also, da gibt's
  1985. 1:13:17noch viele andere Sachen, die halt für
  1986. 1:13:21unter für Unterhaltung mit Menschen noch
  1987. 1:13:24hinzukommen, die so für Code nicht
  1988. 1:13:27unbedingt ganzer zentral sind, weil so,
  1989. 1:13:30na ja, ein Compiler, der versucht jetzt
  1990. 1:13:32dann nicht unbedingt den äh Coding Agent
  1991. 1:13:35da irgendwie aufs Glatteis zu führen.
  1992. 1:13:37Aber so ein Mensch natürlich machen die
  1993. 1:13:39das. Ich meine Menschen sind nicht alle
  1994. 1:13:43gut. Manchmal manipulieren sie machen
  1995. 1:13:45sie das aus J und Tollerei einfach nur
  1996. 1:13:47um mal zu sehen, ob überhaupt möglich
  1997. 1:13:48ist. Ich meine wir haben das alle sicher
  1998. 1:13:51mal probiert.
  1999. 1:13:53Ja und das ist glaube ich auch ein
  2000. 1:13:55bisschen so noch die größere
  2001. 1:13:56Herausforderung.
  2002. 1:13:57Wie stellst du dir denn das Arbeit mit
  2003. 1:13:59KI in den nächsten, sagen wir zwei bis
  2004. 1:14:02dre Jahren vor? Wenn wir jetzt mal
  2005. 1:14:04annehmen, dass die meisten heute
  2006. 1:14:05eigentlich immer noch so mit KI arbeiten
  2007. 1:14:07wie vor zwei Jahren. Ich habe also ein
  2008. 1:14:09Chatfenster bei Chat GBT und ich nutze
  2009. 1:14:11es als etwas besseres Google. Jetzt
  2010. 1:14:13gibt's natürlich schon eine immer größer
  2011. 1:14:14werden Anzahl an Menschen, die Coding
  2012. 1:14:16Agents verwenden und in Agent Loops
  2013. 1:14:18arbeiten und vielleicht sogar mit
  2014. 1:14:19Multients arbeiten, aber im Endeffekt
  2015. 1:14:21habe ich ja trotzdem immer noch eine
  2016. 1:14:22Chatingabe und wenn überhaupt nutze ich
  2017. 1:14:25irgendwie Speech to Text, aber so
  2018. 1:14:27richtig sprechen mit der mit der KI, das
  2019. 1:14:30machen jetzt heute doch die wenigsten,
  2020. 1:14:31weil es die Möglichkeit schlicht gar
  2021. 1:14:32nicht gibt jetzt im Arbeiten mit Code
  2022. 1:14:34Code oder Codex und wie stellst du dir
  2023. 1:14:37das vor? Also, willst dann werde ich
  2024. 1:14:38mein Digital Human haben, mit dem ich
  2025. 1:14:40alle Aufgaben deligiere? ähm oder wie
  2026. 1:14:43wird die das Arbeiten am Computer mit KI
  2027. 1:14:46funktionieren in den nächsten, sagen wir
  2028. 1:14:48zi d Jahren? Wie wie stellst du das vor?
  2029. 1:14:50Also zum einen vonurchsatz her sind die
  2030. 1:14:54meisten Menschen halt mit dem mit der
  2031. 1:14:56Tastatur doch noch deutlich schneller
  2032. 1:14:59als äh beim Sprechen und auch deutlich
  2033. 1:15:01präziser. Also, ich kann mir jetzt nicht
  2034. 1:15:05unbedingt vorstellen, dass ich äh für
  2035. 1:15:07bestimmte technische Sachen da unbedingt
  2036. 1:15:09dem Agent dann was sagen würde. Äh es
  2037. 1:15:14gibt andere Sachen, z.B. wenn ich so
  2038. 1:15:16Brainstorming und so weiter, dass da
  2039. 1:15:18natürlich ein Voice Interface und so
  2040. 1:15:19weiter da nützlich wäre. Was ich mir
  2041. 1:15:22aber vorstellen kann, ist, dass viele
  2042. 1:15:23dieser ganzen ähm ja, Callcenters und so
  2043. 1:15:27weiter, dass es da eine deutliche
  2044. 1:15:29Qualitätsverbesserung geben wird in den
  2045. 1:15:32nächsten paar Jahren, dadurch, dass halt
  2046. 1:15:34einfach äh dann
  2047. 1:15:37na ja, Leute, die vielleicht mit relativ
  2048. 1:15:40wenig äh Training und die bekommen bekam
  2049. 1:15:42dann halt vielleicht irgendwie so ein
  2050. 1:15:44zwei Seiten Dokument, dass sie dann
  2051. 1:15:46durch ein gut konfiguriertes KI System
  2052. 1:15:49ersetzt werden. Das ist zum einen sehr
  2053. 1:15:53vielversprechendes zum anderen auch
  2054. 1:15:54Fruchteinflößend, weil natürlich die
  2055. 1:15:57Menschen haben müssen sich dann halt
  2056. 1:15:58einen anderen Job suchen. Das wird ein
  2057. 1:16:00ja großes gesellschaftliches Problem
  2058. 1:16:02werden, weil da gibt's halt Regionen in
  2059. 1:16:05der Welt äh die ein Hauptteil des des
  2060. 1:16:09Einkommens dadurch bekommen.
  2061. 1:16:13Es ist aber natürlich auch
  2062. 1:16:15vielversprechend, weil halt für in
  2063. 1:16:16vielen Dingen es dann einfach überhaupt
  2064. 1:16:18nicht genügend Menschen gibt, die sowas
  2065. 1:16:20machen können. Da z.B. also Englisch ist
  2066. 1:16:23ja noch ein einfaches Problem. Da gibt's
  2067. 1:16:24halt viele Menschen, die Englisch
  2068. 1:16:25sprechen, aber z.B. für Deutsch ist es
  2069. 1:16:27dann schon eine größeres Problem, weil
  2070. 1:16:29es halt einfach nicht so viele deutsche
  2071. 1:16:30Sprecher gibt und wenn ich so ein
  2072. 1:16:32Callcenter dann haben würde oder möchte,
  2073. 1:16:35dass halt dann guten Kundendienst für
  2074. 1:16:37verschiedene Sachen hat, das ist halt in
  2075. 1:16:39vielen Dinge, vielen Fällen einfach
  2076. 1:16:41nicht möglich. Das wäre halt
  2077. 1:16:42finanzieller Ruin und da kann ich dann
  2078. 1:16:45halt mittlerweile hergehen und Sachen
  2079. 1:16:46anbieten, die vorher überhaupt nicht
  2080. 1:16:48möglich wären. Also, das wäre mal das
  2081. 1:16:51eine ein bisschen weitergehend.
  2082. 1:16:54Ähm, ich vermute mal, dass wir in den
  2083. 1:16:57nächsten paar Jahren also sehr sehr
  2084. 1:16:59viele auch so Roboter haben werden. Und
  2085. 1:17:01mit Robotern, das kann alles sein von
  2086. 1:17:04irgendwie so einer Schachtel mit
  2087. 1:17:06Bildschirm, die halt am Tisch steht und
  2088. 1:17:08dann auf Fragen antwortet und dann
  2089. 1:17:09einfach ein bisschen intelligenter
  2090. 1:17:11antwortet als äh so was momentan die
  2091. 1:17:15ganzen Systeme da der großen Firmen
  2092. 1:17:17machen. Ich will sie jetzt nicht nennen,
  2093. 1:17:19weil ich habe die alle bei mir auf dem
  2094. 1:17:20Tisch stehen und die würden gleich
  2095. 1:17:21antworten, wenn ich den das sagen würde.
  2096. 1:17:23Das ist die einfachste Form. Das zweite
  2097. 1:17:25wäre wahrscheinlich halt auch, dass halt
  2098. 1:17:27ich vielleicht halt auch so ein Roboter
  2099. 1:17:29hätte, der z.B. für die Krankenpflege,
  2100. 1:17:31für die Gymnastik und so weiter, dass
  2101. 1:17:33der da ein bisschen den Menschen hilft.
  2102. 1:17:35Und wenn man sich so überlegt, z.B. wenn
  2103. 1:17:37dann so alte Menschen in dem Hospiz
  2104. 1:17:40sind, da ist es ja nicht unbedingt so,
  2105. 1:17:41dass die Krankenpfleger dann unglaublich
  2106. 1:17:43viel Zeit haben. Das fällt dann oft auf
  2107. 1:17:47die Angehörigen zurück.
  2108. 1:17:48Und wenn die täglich eine Stunde haben,
  2109. 1:17:51dann ist es großartig, aber das passiert
  2110. 1:17:54halt auch nicht immer.
  2111. 1:17:56Und
  2112. 1:17:58in dem Fall würde ich sagen, ist es
  2113. 1:18:00deutlich humaner, wenn da so ein KI
  2114. 1:18:03System den Menschen hilft, statt das,
  2115. 1:18:06dass die halt irgendwie dann 24 Stunden
  2116. 1:18:09am Tag ein Fernsehkanal sich anschauen,
  2117. 1:18:11der halt einfach nur auf sie dann äh
  2118. 1:18:14einströmt. Ähm, da gibt's, glaube ich,
  2119. 1:18:18erfüllendere Art und Weisen äh dann so
  2120. 1:18:22äh im Krankenhaus oder im Hospit zu
  2121. 1:18:24sein, äh die halt auch besser
  2122. 1:18:25motivieren. So, insofern sehe ich das
  2123. 1:18:29eigentlich als Möglichkeit, da Sachen zu
  2124. 1:18:32humanisieren,
  2125. 1:18:34die halt momentan nicht möglich sind,
  2126. 1:18:37weil es halt einfach viel zu teuer wäre,
  2127. 1:18:39weil es halt einfach nicht möglich ist,
  2128. 1:18:40dafür jeden so einen persönlichen
  2129. 1:18:42Pfleger einzustellen, der sich um einen
  2130. 1:18:44kümmert. Aber ein persönlicher Roboter,
  2131. 1:18:48das ist wahrscheinlich erschwinglich.
  2132. 1:18:50Und natürlich ist es nicht so gut wie
  2133. 1:18:52ein Mensch, aber es ist besser als kein
  2134. 1:18:55Mensch.
  2135. 1:18:56Also, das ist halt so, ich meine, man
  2136. 1:18:59sollte halt da nicht hergehen und zu
  2137. 1:19:00sagen, äh, dass halt da das Gute äh der
  2138. 1:19:04Perfektion ist da oft äh der Feind des
  2139. 1:19:07Guten.
  2140. 1:19:09Und statt dann eben nichts zu haben,
  2141. 1:19:11weil es nicht perfekt ist, wäre es also
  2142. 1:19:13viel besser was zu haben, was halt da
  2143. 1:19:15zumindest gut ist. Gut, da bin ich
  2144. 1:19:17vielleicht ein bisschen pragmatisch oder
  2145. 1:19:19vielleicht ein bisschen naiv, aber ich
  2146. 1:19:22kann mir daad durchaus vorstellen, dass
  2147. 1:19:24es insgesamt die Lebensqualität
  2148. 1:19:25verbessern wird.
  2149. 1:19:27Was insgesamt kommt, es ist sehr sehr
  2150. 1:19:30schwer zu sagen. Jenseits der nächsten
  2151. 1:19:32ein zwe Jahre, wenn wir uns überlegen,
  2152. 1:19:35Beispiel stellen wir uns ein gehen wir
  2153. 1:19:36einfach mal zurück auf 2024.
  2154. 1:19:40Damals glaube ich nicht, dass die
  2155. 1:19:42meisten Leute so wirklich gesehen
  2156. 1:19:44hätten, was jetzt 26 passiert. Dann wür
  2157. 1:19:47die Coding Agents von 24 anschaust, die
  2158. 1:19:49waren nutzlos. Mittlerweile sind sie
  2159. 1:19:52sehr sehr gut. Z.B. Open Claw hätte
  2160. 1:19:54wahrscheinlich vor einem Jahr noch
  2161. 1:19:55niemand so richtig vorher gesehen und
  2162. 1:19:58das wäre auch vor einem Jahr noch nicht
  2163. 1:20:00passiert, weil damals nämlich die ganzen
  2164. 1:20:01Frontier Models noch nicht gut genug
  2165. 1:20:03waren, um so ein System autonom einige
  2166. 1:20:06Zeit laufen zu lassen. Natürlich hat der
  2167. 1:20:09Peter Steinberger da was großartiges
  2168. 1:20:10gebaut, weil wenn er das Ich meine, der
  2169. 1:20:13war auch vorher schon großartig. Der hat
  2170. 1:20:14auch vorher schon großartige Sachen
  2171. 1:20:15gebaut, aber wenn der da, wenn der Open
  2172. 1:20:17Clown ja vorher gebaut hätte, wä es
  2173. 1:20:19gescheitert.
  2174. 1:20:21Das er war
  2175. 1:20:24derjenige, der das gerade zum richtigen
  2176. 1:20:26Zeitpunkt entdeckt hat und dann drauf
  2177. 1:20:29aufgebaut hat, aber ja, das ist halt
  2178. 1:20:32sehr sehr schwierig zu sehen, was da
  2179. 1:20:34Menschen erfinden werden in den letzten
  2180. 1:20:37ja nächsten paar Jahren. Das das ist ist
  2181. 1:20:40unglaublich spannend. Ja, das wird ja
  2182. 1:20:41dann auch wieder eine ganz elementare
  2183. 1:20:43Symbiose werden zwischen Voice AI und
  2184. 1:20:45den Pflegerobotern beispielsweise. Also
  2185. 1:20:47genau dort werdet ihr dann auch
  2186. 1:20:49sicherlich wieder ins Spiel kommen und
  2187. 1:20:51wir haben heute einen sehr guten
  2188. 1:20:52Rundumschlag gemacht. Also, ich hätte da
  2189. 1:20:54noch viele Fragen, aber schreibt's gerne
  2190. 1:20:55mal in die Kommentare, ob ich da noch
  2191. 1:20:56ein zweiter Teil mit dem Alex
  2192. 1:20:58interessieren würde. Ich habe jetzt doch
  2193. 1:21:00noch mal eine letzte Frage, die mich
  2194. 1:21:02trotzdem interessiert, Alex, weil du
  2195. 1:21:03bist ja jetzt seit über 20 Jahren im
  2196. 1:21:06Ausland, im Silicon Valley jetzt äh seit
  2197. 1:21:09einiger Zeit und demnach interessiert
  2198. 1:21:11mich natürlich auch so dein Blick auf
  2199. 1:21:13Deutschland jetzt gerade mit dem
  2200. 1:21:15Hintergrund Perfektion ist der Feind des
  2201. 1:21:17Guten. Genau das erlebe ich hier immer
  2202. 1:21:19wieder. Also, dass man sagt, im Zweifel
  2203. 1:21:21führen wir KI nicht ein, weil es könnte
  2204. 1:21:23ja ein paar Halluzinationen geben und
  2205. 1:21:24dass der Mensch selbst eigentlich viel
  2206. 1:21:26schlechter ist oder selbst halluziniert,
  2207. 1:21:28das wird dann gern übersehen. Ähm und
  2208. 1:21:31deswegen interessiert mich, wie du
  2209. 1:21:32natürlich von von dort aus jetzt mal so
  2210. 1:21:34ganz allgemein auf Deutschland blickst.
  2211. 1:21:37Ähm wie steht Deutschland aus deiner
  2212. 1:21:39Perspektive da in diesem KI Wettrennen,
  2213. 1:21:43wenn wir es mal so nennen wollen, im KI
  2214. 1:21:44Zeitalter ganz grundsätzlich. Was ist
  2215. 1:21:46deine Meinung heute zu Deutschland? Und
  2216. 1:21:50ja, welche welche Ratschläge hast du
  2217. 1:21:52vielleicht auch an alle die die
  2218. 1:21:54Unternehmer, die die hier sind?
  2219. 1:21:56Ich muss dazu sagen, ich lebe hal jetzt
  2220. 1:21:58schon seit na ja 26 Jahren im Ausland.
  2221. 1:22:01Also insofern
  2222. 1:22:03weiß ich jetzt nicht, ob ich jetzt da
  2223. 1:22:05wirklich die genaueste Einsicht habe
  2224. 1:22:08darüber, was genau in Deutschland
  2225. 1:22:09passiert. Es gibt auch gute Startups da,
  2226. 1:22:12also z.B. also wie gesagt Priabs, die
  2227. 1:22:14haben gute Arbeit gemacht. Imid dann in
  2228. 1:22:17Österreich, die wurden jetzt gerade vom
  2229. 1:22:18Bistral aufgekauft, die haben auch gute
  2230. 1:22:20Arbeit gemacht. Also, es gibt also auch
  2231. 1:22:22wirklich äh gute
  2232. 1:22:26gute Ansätze da, gute Arbeit. Das ist
  2233. 1:22:29ähm also das ist ja eben wie gesagt
  2234. 1:22:31nicht so, dass da Amerika das
  2235. 1:22:33Ideenmonopol hätte oder China oder was
  2236. 1:22:35auch immer. Gute Leute gibt's überall
  2237. 1:22:38ein paar Probleme. Als wir damals mit
  2238. 1:22:41bei Boson angefangen haben, habe ich
  2239. 1:22:43mich auch in Deutschland ein bisschen
  2240. 1:22:44umgeschaut nach Investitionen und so
  2241. 1:22:46weiter und die waren auch alle
  2242. 1:22:48interessiert, aber das ging halt alles
  2243. 1:22:49ein bisschen langsamer
  2244. 1:22:52und bis es dann dort fertig gewesen
  2245. 1:22:55wäre, da waren halt die Sachen schon
  2246. 1:22:58erledigt.
  2247. 1:22:59So, Geschwindigkeit der Entscheidung ist
  2248. 1:23:02halt schon sehr sehr wichtig und na ja
  2249. 1:23:07ähm ja, die die Geschichte äh wartet
  2250. 1:23:11halt nicht auf die zu spät kommen. Also,
  2251. 1:23:14ich habe da jetzt den Gbertoff ein
  2252. 1:23:15bisschen falsch zitiert, glaube ich,
  2253. 1:23:17aber so im Wesentlichen hat der das auch
  2254. 1:23:18gesagt. Ähm, na ja, das ist halt
  2255. 1:23:21wirklich so, dass halt Geschwindigkeit
  2256. 1:23:23wichtig ist.
  2257. 1:23:24Das zweite, was vor allem in Deutschland
  2258. 1:23:28ein großes Problem ist, sind die
  2259. 1:23:29Energiekosten.
  2260. 1:23:31Und
  2261. 1:23:33da muss man sich halt überlegen, ob da
  2262. 1:23:35manche Entscheidungen, wie man halt wie
  2263. 1:23:38halt die Energie z.B. da
  2264. 1:23:41erzeugt wird, ob es da ob da der der
  2265. 1:23:44richtige äh Trader ob da die richtige
  2266. 1:23:47Güterabwegung wirklich passiert ist. Ich
  2267. 1:23:50meine, ich bin jetzt da kein
  2268. 1:23:51Energiepolitiker in Deutschland.
  2269. 1:23:53Insofern kann ich, ich kann halt nur vom
  2270. 1:23:56Ausland her sagen, dass halt Energie in
  2271. 1:23:58Deutschland ein bisschen teuer ist und
  2272. 1:23:59das bedeutet halt dann gleich auch
  2273. 1:24:01wieder das Datenzentren und damit dann
  2274. 1:24:03dann halt auch die ganze Rechnung und so
  2275. 1:24:05weiter halt alles eher nicht so
  2276. 1:24:08passiert, das ist ein Problem. Ähm des
  2277. 1:24:11weiteren ist es so, dass halt
  2278. 1:24:15Deutschland insgesamt schon sehr
  2279. 1:24:17vorsichtig ist mit Entscheidungen
  2280. 1:24:20und das hat schon hat schon auch so
  2281. 1:24:23seine Vorteile, denn wenn man vorsichtig
  2282. 1:24:25ist, macht man nichts falsch,
  2283. 1:24:27aber wenn man vorsichtig ist, macht man
  2284. 1:24:29halt auch oft was nicht richtig.
  2285. 1:24:32Und
  2286. 1:24:34na ja, manchmal ist, glaube ich, da die
  2287. 1:24:36Balanz zwischen äh ja, Vorsicht und
  2288. 1:24:40Sturm und Drang
  2289. 1:24:42nicht ideal. Ich meine, wenn wir uns so
  2290. 1:24:44die die Gründerzeit anschauen,
  2291. 1:24:47so ich glaube nicht, dass die Vorsicht
  2292. 1:24:49da da so groß war oder z.B. als das Auto
  2293. 1:24:51da erfunden wurde, da haben die Leute
  2294. 1:24:54auch dagegen protestiert und so weiter
  2295. 1:24:56und trotzdem gab's das Auto und na ja,
  2296. 1:25:00das hat halt auch ein Jahrhundert später
  2297. 1:25:02noch äh Konsequenzen. Insofern
  2298. 1:25:07muss man sich halt schon überlegen,
  2299. 1:25:09wie hungrig müsste man denn sein? So
  2300. 1:25:15z.B. halt so die Überlegung, macht's den
  2301. 1:25:17Sinn einfach zu sagen, ja, wir haben
  2302. 1:25:18genug, wir brauchen nicht mehr. Gut,
  2303. 1:25:20dann bekommt man halt auch nicht mehr.
  2304. 1:25:22Dann bekommt man genau den Status quo.
  2305. 1:25:24Aber dann darf man halt auch nicht
  2306. 1:25:26traurig drüber sein, wenn halt jemand
  2307. 1:25:27anderen mehr an, wenn andere halt d mehr
  2308. 1:25:30als das Status quo bekommen. Das ist
  2309. 1:25:33eine Gesellschaftsentscheidung,
  2310. 1:25:35die kann ich nicht treffen. Aber
  2311. 1:25:39ich meine, es ist manchmal bin ich schon
  2312. 1:25:41bisschen traurig, aber das ist gut, das
  2313. 1:25:43ist jetzt so ein bisschen meine, ich
  2314. 1:25:45glaub politische Meinung und das ist ein
  2315. 1:25:49KI Interview, das lassen wir vielleicht
  2316. 1:25:51nicht auf die Politik dann konvergieren.
  2317. 1:25:53Gleichzeitig muss man sich natürlich
  2318. 1:25:55auch schon drum kümmern, dass halt die
  2319. 1:25:57Ärmsten da nicht auf der Strecke
  2320. 1:25:58bleiben. Beispiel drum haben wir halt
  2321. 1:26:00auch diese ganzen Materialien da
  2322. 1:26:02kostenlos zur Verfügung stellt, damit es
  2323. 1:26:04allen Menschen möglich ist, was zu
  2324. 1:26:05lernen.
  2325. 1:26:07Also es ist wichtig, dass es möglich ist
  2326. 1:26:09gleichzeitig allen Menschen eine
  2327. 1:26:11Möglichkeit zu geben, aber auch im
  2328. 1:26:14gleichen Adenzug, wenn dann jemand halt
  2329. 1:26:15was großartiges macht, dass die halt
  2330. 1:26:18dann auch davon profitieren können und
  2331. 1:26:21so bisschen diese Balance, das ist halt
  2332. 1:26:25Gesellschaftsabkommen. Das ist so
  2333. 1:26:28bisschen meine Meinung, aber ja. Ja,
  2334. 1:26:30aber es ist ja es ist ja doch super
  2335. 1:26:32interessant, also dieser Blick von außen
  2336. 1:26:34auch von jedes noch mal so in der
  2337. 1:26:36Deutlichkeit auch zu hören. Das kann ich
  2338. 1:26:38so in jedem Fall nur unterstreichen und
  2339. 1:26:40wie gesagt, schreibt es gerne mal in die
  2340. 1:26:41Kommentare, ob ich noch ein zweiter Teil
  2341. 1:26:42interessiert. Ich bin mir sicher, dass
  2342. 1:26:43wir hier noch mal sprechen werden, Alex.
  2343. 1:26:45Also, vielen Dank dir für die spannenden
  2344. 1:26:47Einblicke und gerne bis zum nächsten
  2345. 1:26:49Mal.
  2346. 1:26:49Okay, vielen Dank dann noch. Tschüss.

About this transcript

This page contains the full transcript of Ex-Amazon-KI-Chef: „Digitale Menschen KOMMEN, das ist ganz klar!" (Alex Smola) by Everlast AI, generated from the public captions YouTube serves with the video. The transcript has 14,696 words across 2,346 segments, with the original timestamps preserved so you can click any line to jump to that moment in the embedded player.

What you can do with it

Use the transcript to take notes, quote the speaker, build a study guide, generate a summary with ChatGPT or Claude via the YouTube Summary tool, or export it as a timed subtitle file with YouTube to SRT. You can also re-open it in the transcriber to choose a caption track available on the video.

Free YouTube transcript tool

YouTube2Text is a free YouTube transcript generator — no signup, no daily limit. Paste any YouTube link and get the full transcript instantly, with timestamps, click-to-jump, caption language selection, AI prompts for ChatGPT, Claude, and Gemini, and exports to TXT, SRT, VTT, or Markdown.