Die Zukunft der KI: Von sichereren Antworten zu schnellerem Denken

Der Zustrom innovativer Werkzeuge und Technologien in der hypervernetzten Welt von heute hängt oft davon ab, wie die Nutzer ihre Zuverlässigkeit und ihren Wert im Vergleich zu den bestehenden Werkzeugen einschätzen. Dies gilt insbesondere für die Künstliche Intelligenz (KI), deren Akzeptanz eine enorme Hürde darstellen kann. Vor diesem Hintergrund leisten fünf bahnbrechende Doktoranden aus der ersten Klasse des MIT-IBM Watson AI Lab Summer Program Pionierarbeit für die Zukunft der KI-Technologie. Sie arbeiten unermüdlich daran, KI in verschiedenen Bereichen vertrauenswürdiger, effizienter und nützlicher zu machen.

Aufbau von Vertrauen in KI und darüber hinaus

Der Satz “Vertrauen, aber überprüfen” war noch nie so zutreffend wie in Bezug auf künstliche Intelligenz. Andrey Bryutkin, ein Doktorand des MIT, hat sich eingehend mit der Vertrauenswürdigkeit von Large Learning Models (LLMs) befasst. Unter der Leitung von Veronika Thost von IBM Research und Marzyeh Ghassemi vom MIT konzentriert sich seine Forschung darauf, inhärente Strukturen wie komplexe Gleichungen und Erhaltungsgesetze zu nutzen, um Modelle zu konstruieren, die robust und zuverlässig sind.

Bryutkins Team befasst sich mit einem bedeutenden Problem - der “Ungewissheit der Ungewissheit” in LLMs, bei denen herkömmliche Methoden, die kleine neuronale Netze (Sonden) verwenden, bei der Erkennung unzuverlässiger Ergebnisse oft versagen. Er will dies durch die Analyse verborgener Aspekte wie Aktivierungsvektoren und End-Token von LLMs unter Verwendung von Prompt-Label-Paaren beheben, was nicht nur hilft, problematische Datenregionen zu identifizieren, sondern auch Unstimmigkeiten bei der Beschriftung aufdeckt und so die Konstruktion zuverlässiger KI-Systeme stärkt.

Grenzen verschieben: Vom Träumen zum Erden AI

Die Vertrauenswürdigkeit der KI ist jedoch nicht die einzige Hürde, die es zu überwinden gilt. Der Physik-Doktorand Jinyeop Song befasst sich mit “Halluzinationen” in LLMs. Durch die Einbeziehung vertrauenswürdiger externer Wissensquellen wie Freebase und Wikidata will Song LLMs helfen, genaue Informationen effizienter abzurufen. Zu diesem Zweck arbeitet er mit Yada Zhu von IBM Research und Julian Shun vom MIT zusammen, um einen Rahmen für verstärkendes Lernen zu entwickeln, der herkömmliche, ressourcenintensive Multi-Agenten-Pipelines mit einem einzigen, intelligenten Agenten rationalisiert.

In der Zwischenzeit harmonisiert Songlin Yang, eine EECS-Postgraduiertenstudentin, die KI-Welt, indem sie die Architektur von Sprachmodellen neu erfindet, um lange, sich entwickelnde Eingabesequenzen kosteneffizient zu verarbeiten. Parallel dazu revolutioniert Jovana Kondic vom MIT das KI-Verständnis visueller Daten, insbesondere komplizierter Elemente wie Diagramme, die sowohl optische Zeichenerkennung als auch logische Schlussfolgerungen erfordern.

Und nicht zu vergessen Leonardo Hernandez Cano, der KI-Anwendungen für das digitale Design entwickelt. Konkret lehrt er die KI, wie man realistische Texturen auf der Grundlage benutzerdefinierter Bilder für CAD-Anwendungen erzeugt, und ebnet damit den Weg für noch nie dagewesene Möglichkeiten für digitale Materialien mit spezifischen visuellen Eigenschaften.

AI: Vom Labor in die reale Welt

Die kollektive Anstrengung dieser angehenden Forscher bedeutet einen gemeinsamen Vorstoß, um KI leistungsfähig, aber auch praktisch und zuverlässig zu machen. Indem sie kritische Herausforderungen in Bezug auf Vertrauen, Effizienz und Verständnis angehen, legen sie zusammen mit ihren Mentoren eine solide Grundlage für reale KI-Anwendungen - von der wissenschaftlichen Forschung bis hin zu Unternehmenssoftware. Ihr unermüdlicher Einsatz bringt die KI-Technologie aus den Labors auf reale Plattformen und gestaltet unsere Zukunft auf bisher ungeahnte Weise.

Mehr über ihre revolutionäre Arbeit erfahren Sie im Originalartikel auf MIT-Nachrichten.