Was steckt hinter KI 2.0?

Fünf unternehmensverändernde KI-Fortschritte, von denen Sie (wahrscheinlich) noch nie gehört haben 

Bei KI 2.0 handelt es sich nicht um eine einzige Technologie, sondern um eine Reihe neuer Technologien und Verfahren, die sowohl in Bezug auf ihre technische Machbarkeit als auch auf ihre geschäftlichen Anwendungen gleichzeitig reifen. Hier sind fünf wichtige technologische Fortschritte, von denen Sie wahrscheinlich noch nichts gehört haben und die neue KI-Funktionen freisetzen. 

Transformer Networks

1. Transformer Netzwerke

Was sind sie?
Riesige vortrainierte, anpassbare, hochpräzise, multitaskingfähige Deep Learning-Modelle.

 

Wofür werden sie verwendet?
Für jedes schwierige Problem mit einer signifikanten Zeit- oder Kontextdimension (Textverständnis und -generierung, Softwarecode usw.).

 

Wer verwendet sie?
Hyperscaler (Amazon Web Services, Google, IBM und Microsoft), die Vorreiter der Anbieter von Sprach- und Textanalysen und viele Start-ups.

Synthetic Data

2. Synthetische Daten

Was sind sie?
Generative Modelle und simulierte virtuelle Umgebungen, die zur Erstellung oder Ergänzung vorhandener Trainingsdaten verwendet werden.

 

Wofür werden sie verwendet?
Beschleunigung der Entwicklung neuer KI-Lösungen, Verbesserung der Genauigkeit und Robustheit bestehender KI-Modelle und Schutz sensibler Daten.

 

Wer verwendet sie?
Autonome Fahrzeuge, Finanzdienstleistungen, Versicherungs- und Pharmafirmen sowie jeder Anbieter von Computer Vision.

Reinforced Learning - RL

3. Bestärkendes Lernen

Was ist es?
Ansätze des maschinellen Lernens, die ihren Weg zu optimalen Aktionen über simulierte Umgebungen oder eine große Anzahl von Mikroexperimenten testen.

 

Wofür wird es verwendet?
Für die Konstruktion von Modellen, die viele Ziele/Zwänge optimieren, oder für die Auswahl von Maßnahmen auf der Grundlage positiver und negativer Umweltrückmeldungen.

 

Wer verwendet es?
Unternehmen, die sich auf bestimmte B2C-Marketingaufgaben, die Optimierung von wiederholbaren Fertigungsprozessen und das Lernen durch Roboter konzentrieren.

Federated Learning - FL

4. Föderales Lernen

Was ist es?
Ein verwalteter Prozess für die Kombination von Modellen, die separat auf getrennten Datensätzen trainiert wurden.

 

Wofür wird es verwendet?
Gemeinsame Nutzung von Informationen durch Geräte, Systeme oder Unternehmen zur Überwindung von Datenschutz-, Bandbreiten- oder Berechnungsbeschränkungen.

 

Wer verwendet es?
Hyperscaler, Anbieter von KI-gestützten Anwendungen und Unternehmen der Unterhaltungselektronik.

Causal Inference

5. Kausale Inferenz

Was ist es?
Ansätze wie die strukturierte Gleichungsmodellierung und kausale Bayes’sche Netze, die helfen, Ursache-Wirkungs-Beziehungen in Daten zu bestimmen.

 

Wofür wird es verwendet?
Geschäftseinblicke (z. B. Attributionsanalyse) und Vermeidung von Bias, wobei Einblicke und Erklärbarkeit ebenso wichtig sind wie die Vorhersagegenauigkeit.

 

Wer verwendet es?
Innovationsteams in führenden Unternehmen (z. B. Ermittlung der Wirksamkeit einer Behandlung für eine bestimmte Krankheit bei Gesundheitsdienstleistern).

Nächster Schritt

Forrester Decisions für Technology Architecture & Delivery

Erfahren Sie mehr über unseren Service zu Technology Architecture & Delivery und wie dieser Sie dabei unterstützt, die Bereitstellung zu beschleunigen, die Wertströme zu verbessern und wichtige Geschäftsergebnisse positiv zu beeinflussen.

Mehr erfahren