Die Zukunft der KI in vertikalen Branchen?

Um ehrlich zu sein, wenn man sich die angeblich "allmächtigen" Allzweck-KI-Agenten im vertikalen Bereich ansieht, stößt man immer wieder an die Wand, aber ich habe mehr Vertrauen in die Entwicklung der vertikalen KI. Im medizinischen Bereich ist OpenEvidence ein perfektes Beispiel - es ist nicht wie eine allgemeine KI-Rhetorik, sondern pflügt ehrlich in die vertikale Schiene der Medizin, und als Ergebnis hat es ein wirklich intelligentes Werkzeug geschaffen, das von Ärzten erkannt werden kann. Das erinnert mich an die Aussage eines Chefarztes eines Tertiärkrankenhauses, der letztes Jahr an einem medizinischen KI-Gipfel teilnahm: "Wir brauchen eine KI, die CT-Filme lesen kann, keine KI, die Gedichte schreiben kann."

Vertikale KI-Durchbrüche

Warum hat vertikale KI mehr Aussicht auf Erfolg? Der Schlüssel liegt in dem Wort "Fokus". So hat beispielsweise eine Bank im vergangenen Jahr ein intelligentes Risikokontrollsystem eingeführt, das mit Hilfe von Deep Learning aus Millionen von Transaktionsdaten 98% betrügerische Transaktionen in Echtzeit erkennen kann - eine Zahl, die um mehr als eine Größenordnung höher liegt als bei jeder KI für allgemeine Zwecke. Schließlich ist die Geschäftslogik eines vertikalen Unternehmens wie eine Präzisionsuhr, bei der jedes Rädchen genau ineinandergreifen muss. Wie kann eine allgemeine KI versuchen, alle Teile mit einem einzigen Hammer zu treffen, ohne dass es zu Problemen kommt?

Datenbarrieren sind der eigentliche Graben.

Ich erinnere mich an ein Gespräch mit einem Freund, der im Bereich der juristischen KI tätig ist. Er erzählte, dass es mehr als ein Jahr gedauert hat, die Falldaten von der Website der Rechtsprechung in einen brauchbaren Wissensgraphen umzuwandeln, aber es war dieser scheinbar langweilige Prozess, der es seinem intelligenten juristischen Assistenten ermöglichte, bestimmte Gesetze und Rechtsprechung genau zu zitieren. Im Gegenteil, einige generische KI sind zwar wortgewandt, fangen aber an zu plappern, wenn sie auf berufliche Fragen stoßen. Das gibt zu denken: Vielleicht ist im Zeitalter der KI die Datentiefe wichtiger als die algorithmische Breite?

Vertikale KI: Herausforderungen bei der Landung

Natürlich verläuft die Entwicklung der vertikalen KI nicht immer reibungslos. Letztes Jahr stieß ein KI-Projekt in der Fertigung auf ein typisches Problem: Es ist schwierig, die Betriebserfahrungen von Fabriklehrern in Daten umzuwandeln. Dies erinnert uns auch daran, dass KI kein Allheilmittel ist, insbesondere in den Bereichen, die auf implizites Wissen angewiesen sind, kann die Zusammenarbeit zwischen Mensch und Maschine die beste Lösung sein. Aber ist das nicht genau der Punkt, an dem die KI ansetzen sollte? Sie soll die rechte Hand des Menschen sein, nicht sein Ersatz.

Wenn ich mir anschaue, wie immer mehr vertikale Bereiche der KI entstehen, denke ich, dass diese Welle der KI wirklich die richtige Richtung gefunden hat. Denn anstatt ein "Tausendsassa" zu sein, der alles weiß, aber in allem unentschlossen ist, ist es besser, ein "Expertenberater" in einem bestimmten Bereich zu werden. Was meinen Sie dazu?