Künstliche Intelligenz: Revolution der Vorhersage
KI-basierte Vorhersagen sind ein Segen für die menschliche Entscheidungsfindung, die Produktivität, das Einkommen und die Lebensqualität verbessern wird.
Kurz und bündig
Das Hauptanliegen der klassischen Ökonomie drehte sich darum, wie Spezialisierung und Austausch das menschliche Leben verbessern. Einer der Hauptvorteile der künstlichen Intelligenz (KI) besteht darin, dass sie eine weitere Spezialisierung und Arbeitsteilung ermöglicht. KI verarbeitet Daten, um Vorhersagen zu treffen, und Menschen nutzen die Vorhersagen, um Entscheidungen zu treffen.
Lassen Sie uns dieses Phänomen nun näher beleuchten
Gianluca Tirozzi: „So wird bitCorp den Metaspace erobern!“
Mensch und Technik
Die Ökonomen der frühen Generation oder der klassischen Ökonomie beschäftigten sich vor allem mit der Frage, wie die Arbeitsteilung im Rahmen einer frei gewählten Spezialisierung es den Menschen ermöglicht, von einer gesamtgesellschaftlichen Wertschöpfungskette zu profitieren. Der Vater der modernen Ökonomie, Adam Smith (1723-1790), stellte fest, dass Spezialisierung zu Überschüssen und Innovationen führt. David Ricardo (1772-1823) stellte fest, dass selbst die am wenigsten produktiven Mitglieder der Gesellschaft von der Spezialisierung profitieren können. Und selbst der wütende Karl Marx (1818-1883) sah die Vorteile der Arbeitsteilung. Er bemängelte fälschlicherweise, dass der Kapitalist die Vorteile der Arbeitsteilung einbehält, anstatt sie dem spezialisierten Arbeiter zukommen zu lassen.
Die Spezialisierung ist jedoch nicht auf den Menschen beschränkt. Je mehr die Technik den wirtschaftlichen Austausch durchdringt, desto mehr kommt es zu einer Arbeitsteilung zwischen Mensch und Technik. Statt von Hand zu weben, setzen die meisten Textilhersteller Maschinen für diese Aufgabe ein. Die Maschine stellt den Stoff her, der von Menschen entworfen und konstruiert wurde. Statt selbst mühsame Berechnungen anzustellen, überlassen wir dem Taschenrechner das Rechnen mit von Menschen erdachten Modellen. Das Bloomberg-Terminal befreit den menschlichen Analysten vom Schreiben von Kursen auf eine Tafel, damit er sich auf die Entscheidung über die Anlagemöglichkeiten konzentrieren kann. Kurz gesagt, bei der Nutzung von Technologie geht es darum, ihren spezialisierten Einsatz entlang der Wertschöpfungskette zu finden.
Der Einsatz dieser Technologie wird immer billiger, so dass ihre wirtschaftliche Bedeutung zunimmt
Die Technologie verbessert die Arbeitsteilung zwischen Mensch und Maschine. Sie ermöglicht es jedem, sich noch mehr auf das zu spezialisieren, was er jeweils am besten kann. Und das kommt vor allem den Menschen zugute. Diese Arbeitsteilung ermöglicht es ihnen, Neues zu schaffen, mehr Waren zu produzieren und die Qualität zu steigern. Indem die Menschen sich auf das konzentrieren können, was sie individuell am besten können, erhöhen Spezialisierung und Arbeitsteilung ihre Produktivität und damit ihr Einkommen und ihre Lebensqualität.
Das Nationale Zentrum für Cybersicherheit (NCSC) wird ein Bundesamt
Vorhersagen billiger machen
Wie passt die KI in dieses Bild? Als die Preise für Webmaschinen, Taschenrechner und Computer sanken, wurden sie in die Arbeitsteilung einbezogen. Das Gleiche geschieht mit der KI. Der Einsatz dieser Technologie wird immer billiger, was ihre wirtschaftliche Bedeutung erhöht. Und während die KI in verschiedenen Anwendungen Fortschritte macht, ist sie in einem Bereich besonders wichtig: bei der Erstellung von Vorhersagen.
Gegenwärtig sind Vorhersagen teuer, denn sie erfordern das Sammeln enormer Datenmengen, deren Analyse, das Erkennen von Mustern und das Berechnen von Möglichkeiten. Da die KI jedoch zunehmend für genau diese Aufgaben eingesetzt wird, werden Vorhersagen weniger mühsam und weniger teuer. In einem positiven Kreislauf wird die KI selbst immer billiger. Wenn Vorhersagen durch KI billiger werden, wird sich der Anwendungsbereich erweitern und die Nutzung intensivieren.
Bei der Vorhersage geht es darum, fehlende Informationen zu ergänzen. Sie nutzt verfügbare Daten, um Muster zu finden, aus denen neue Informationen generiert werden, und berechnet Wahrscheinlichkeiten dafür, dass sich diese Muster wiederholen oder verändern. Die Vorhersage wird für herkömmliche Aufgaben wie Bestandsmanagement und Nachfrageprognosen verwendet. Da sie immer billiger wird, wird sie auch für Aufgaben eingesetzt, die bis vor kurzem noch keine Vorhersageprobleme waren, wie z. B. Autofahren, Übersetzen oder medizinische Versorgung.
Der Rückgang der Kosten für KI-Vorhersagen wird sich auf den Wert anderer Dinge auswirken. Eine billigere KI erhöht den Wert von Ergänzungen wie Daten, Urteilen und Handeln und verringert den Wert ihrer Substitute (menschliche Vorhersagen).
KI-Vorhersage
Maschinen und Menschen haben unterschiedliche Stärken und Schwächen, wenn es um Vorhersagen geht. Menschen, einschließlich professioneller Experten, machen unter bestimmten Bedingungen schlechte Vorhersagen: Sie übergewichten oft wichtige Informationen und berücksichtigen keine statistischen Eigenschaften. Da Prognosemaschinen immer besser und billiger werden, werden die Unternehmen wahrscheinlich die Arbeitsteilung zwischen Menschen und Maschinen anpassen.
Vorhersagemaschinen sind besser als Menschen in der Lage, komplexe Wechselwirkungen zwischen verschiedenen Indikatoren zu berücksichtigen, vor allem in Umgebungen mit umfangreichen Daten. Wenn die Zahl der Dimensionen für solche Wechselwirkungen zunimmt, nimmt die Fähigkeit des Menschen, genaue Vorhersagen zu treffen, ab, insbesondere im Vergleich zu Maschinen. Allerdings sind Menschen oft besser als Maschinen, wenn ihr Verständnis des Datenerzeugungsprozesses einen Vorteil bei der Vorhersage bietet, insbesondere in Situationen mit begrenzten Daten. Menschen können besser mit Ungewissheit umgehen und deutlich besser Entscheidungen auf der Grundlage von Vorhersagen treffen.
Da Prognosemaschinen immer bessere, schnellere und billigere Vorhersagen machen, wird der Wert des menschlichen Urteils zunehmen
Die Spezialisierung der KI auf Vorhersagen ist deshalb so wertvoll, weil sie oft bessere, schnellere und billigere Vorhersagen machen kann als Menschen. Vorhersagen sind ein wesentlicher Bestandteil der Entscheidungsfindung unter Unsicherheit, und Entscheidungen sind in der Wirtschaft und im gesellschaftlichen Leben allgegenwärtig. Eine Vorhersage ist jedoch keine Entscheidung, sondern nur eine Entscheidungskomponente, und eine weitere entscheidende Komponente ist die Beurteilung. Und hier liegt der Vorteil des Menschen – und damit seines Spezialgebiets, des menschlichen Urteilsvermögens.
Es hilft, eine Entscheidung in ihre Bestandteile zu zerlegen, um die Auswirkungen von Prognosemaschinen auf den Wert von Menschen und anderen Vermögenswerten besser zu verstehen. Der Wert von Ersatzprodukten für Prognosemaschinen – nämlich menschliche Prognosen – wird sinken. Der Wert von Ergänzungen zur Vorhersage, wie z. B. die menschliche Urteilskraft, wird jedoch steigen.
Bei der Urteilsbildung geht es darum, den relativen Gewinn zu bestimmen, der mit jedem möglichen Entscheidungsergebnis verbunden ist, einschließlich des Gewinns bei einer richtigen Entscheidung und des Gewinns bei einer Fehlentscheidung. Das Urteilsvermögen erfordert die Festlegung des Ziels, das man verfolgt, und ist ein notwendiger Schritt bei der Entscheidungsfindung. Da Prognosemaschinen immer bessere, schnellere und billigere Vorhersagen machen, wird der Wert des menschlichen Urteilsvermögens steigen, weil die Gesellschaft mehr davon braucht und es besser – oder teurer – bewerten wird. Die Menschen sind möglicherweise eher bereit, sich anzustrengen und ihr Urteilsvermögen in den Fällen anzuwenden, in denen sie zuvor keine Entscheidung getroffen haben (z. B. indem sie die Standardsituation oder -einstellung akzeptierten).
Die Qualität der KI-Vorhersagen wird wahrscheinlich schneller steigen als ihr Preis sinken wird
Warum ist der Mensch besser im Beurteilen als die KI? Während die Maschine mehr Daten und damit auch mehr Muster berücksichtigen kann, um eine Vorhersage zu treffen, hat der Mensch ein Bauchgefühl. Menschliche Agenten können mit Lücken in einem Datensatz umgehen und diese Lücken auf der Grundlage von Intuition füllen, und das kann keine KI. Außerdem sind Menschen gut darin, mit „unbekannten Unbekannten“ oder „schwarzen Schwänen“ umzugehen und auf sie zu reagieren. Diese Fähigkeit ist wohl auf zwei verschiedene Quellen zurückzuführen. Erstens sehen Menschen Ungewissheit als eine Ressource oder eine Chance, die zu Möglichkeiten führt. Zweitens müssen Menschen die Verantwortung für ihre Urteile übernehmen, was ihre Entscheidungsfähigkeit schärft.
Zusammenfassung
KI lässt sich am besten im Hinblick darauf betrachten, wie sie eingesetzt wird und was sie tut, und nicht, was sie ist. Gegenwärtig ist die Vorhersage eine ihrer wichtigsten Anwendungen. Je billiger KI-Vorhersagen werden und je mehr und bessere KI-Vorhersagen gemacht werden, desto mehr kann die Technologie von den Wirtschaftsakteuren als Vorteil genutzt werden. Sie könnte für Aufgaben eingesetzt werden, die auf die Erstellung von Vorhersagen spezialisiert sind und den Menschen die Möglichkeit geben, sich auf Urteils- und Entscheidungstätigkeiten zu spezialisieren. Diese Einbindung der KI in eine Wertschöpfungskette, die ihre Spezialisierung und Arbeitsteilung mit dem Menschen nutzt, ist im Großen und Ganzen von Vorteil.
Indem sie es dem Menschen ermöglicht, sich auf das zu konzentrieren, was er am besten kann, steigert die auf Vorhersagen spezialisierte KI die Effektivität und Effizienz des Menschen und damit auch sein Einkommen und seine Lebensqualität.
Szenarien
Aus diesen Überlegungen ergeben sich vier allgemeine Szenarien.
Das erste, das Basisszenario
Die KI steigert weiterhin ihre Vorhersagefähigkeiten und macht sie besser und billiger. Dieses Ergebnis wäre zu erwarten, wenn die derzeitigen Investitions- und Forschungstrends im Bereich der KI anhalten. Die Qualität der KI-Vorhersagen würde höchstwahrscheinlich schneller steigen als ihr Preis sinken würde. Infolgedessen wäre zu erwarten, dass die Wirtschaftsakteure KI-Prognosen weniger schnell annehmen als die Fähigkeiten der Technologie zunehmen.
Das zweite Szenario
Dieses Szenario baut auf dem ersten auf. In diesem Skript wird die Wirtschaft KI in verschiedene Aktivitäten integrieren und den Grad der Spezialisierung erhöhen. Maschinen werden sich auf Vorhersagen spezialisieren und Menschen werden sich auf Urteile und Entscheidungen spezialisieren. Die menschliche Entscheidungsfindung wird durch die zunehmende Arbeitsteilung innerhalb dieser Allianz besser und wertvoller. Auch die Nachfrage danach wird steigen. Wahrscheinlich wird die Qualität der Entscheidungsfindung schneller zunehmen als ihr Wertzuwachs. Unter welchen Bedingungen könnte dieses Szenario eintreten? Es hängt vom Grad der Freiheit ab, den die Volkswirtschaften und die einzelnen Unternehmer bei der Entwicklung und Umsetzung der Technologie haben werden.
Das dritte Szenario
Dieses Szenario baut ebenfalls auf dem ersten auf. Es räumt jedoch ein, dass es zumindest kurz- bis mittelfristig nicht zu einer Spezialisierung und Arbeitsteilung kommen könnte. Dafür könnte es verschiedene Gründe geben. Wenn die Wirtschaftsakteure KI als Bedrohung und nicht als Vorteil wahrnehmen, könnten sie versuchen, mit ihr zu konkurrieren. Anstatt eine Spezialisierung entsprechend den verschiedenen Vorteilen zuzulassen, würden die Menschen ihre Fähigkeiten auf weniger produktive Aufgaben wie Datenerfassung und Prognosen richten. Ein weiterer möglicher Grund für dieses Szenario wäre eine Regulierung, die den Einsatz von KI verhindert oder ihre Funktionen einschränkt. Der dritte Auslöser für dieses Szenario wäre ebenfalls eine Regulierung, die den wirtschaftlichen Nutzen des Einsatzes von KI verhindert oder schmälert. Zum Beispiel, indem es Investoren nicht erlaubt wird, sie zu finanzieren oder die Einnahmen aus ihrer Nutzung zu behalten.
Das vierte Szenario
Dieses Szenario hat nichts mit den drei vorherigen zu tun. Hier ändert sich der Schwerpunkt der KI völlig und verlagert sich weg von der Vorhersage hin zu einer anderen Anwendung, z. B. Sensoren oder Robotik. In diesem Szenario kann KI immer noch zum Vorteil oder Nachteil der Wirtschaftsakteure eingesetzt werden; KI könnte sogar zu Spezialisierung und Arbeitsteilung führen. In dieser Variante würde die Spezialisierung jedoch nicht im Sinne der maschinellen Vorhersage und der menschlichen Entscheidung erfolgen, sondern aus anderen Anwendungen resultieren. Auch in diesem Szenario gibt es ein Vor- und ein Nachteilspotenzial. Das vierte Szenario könnte eintreten, wenn die Erträge aus der Vorhersage erheblich sinken oder wenn andere Anwendungen der KI schneller billiger werden, so dass sich diese Anwendungen leichter in die Wertschöpfungskette einfügen lassen.
Author: Henrique Schneider Chief economist of the Swiss Federation of Small and Medium-sized Enterprises as well as professor of economics at the Nordakademie university of applied sciences in Germany. He serves on several non-executive boards in Switzerland, Asia, and at the United Nations level.
Quelle: https://www.gisreportsonline.com/r/ai-prediction/