Die wahre Superkraft von KI: nicht Schöpfung, sondern Konsum
(msanroman.io)- Die meisten Menschen nutzen KI als Tool zur Content-Erstellung, doch ihre eigentliche Stärke liegt in der Fähigkeit, riesige Informationsmengen zu lesen und zu verknüpfen
- Entscheidend ist der Prozess, in dem KI angesammelte Daten wie persönliche Notizen, Meeting-Protokolle und Ideen konsumiert und Muster darin erkennt
- Durch die Verknüpfung von Obsidian-Notizen mit KI lassen sich aus alten Aufzeichnungen Erkenntnisse gewinnen und vergessene Denkveränderungen oder wiederkehrende Designentscheidungen entdecken
- KI ermöglicht konzeptbasierte Suche statt Keyword-Suche, musterbasierte Analyse über Zeiträume hinweg und Verbindungen zwischen Ideen
- Die menschliche Wettbewerbsfähigkeit liegt in Erfahrung, und KI hilft dabei, diese in durchsuchbare Wissenswerte zu verwandeln, um kontinuierliches Lernen und bessere Entscheidungen zu unterstützen
Die Falle der Schöpfung
- Die meisten Nutzer verwenden KI als Produktivitäts-Tool für E-Mails, Berichte und Code
- Das wird als Verschwendung beschrieben, als würde man einen Supercomputer als Schreibmaschine benutzen
- Der Autor speichert 3 Jahre an Engineering-Notizen, über 500 Meeting-Protokolle und Tausende Beobachtungen in Obsidian
- Für einen Menschen eine Menge, die man im Leben nie komplett lesen könnte, aber KI konsumiert sie in wenigen Sekunden
Der Wendepunkt des Konsums
- Nachdem KI mit Obsidian verbunden wurde, änderte sich die Art der Fragen von „Schreib etwas Neues“ zu „Was habe ich bereits entdeckt?“
- Konkrete Beispiele
- Bei der Analyse von Mustern aus den letzten 50 1:1-Meetings wurde entdeckt, dass Leistungsprobleme 2–3 Wochen vor Beschwerden über Tools auftraten
- Durch das Nachverfolgen der Denkveränderung zu Technical Debt wurde der Zeitpunkt identifiziert, an dem sich die Perspektive etwa im März 2023 von „etwas, das man beheben muss“ zu „Information über die Evolution eines Systems“ verschob
- Beim Vergleich der Architektur von Buffer API und carpeta.app wurden 12 wiederkehrende Designentscheidungen gefunden
Wissensakkumulation und Zugänglichkeit
- Jedes Meeting, jeder Gedanke und jede Debugging-Erfahrung liefert Lernstoff, doch ohne Durchsuchbarkeit bleibt er bedeutungsloses Wissen
- Klassische Suche setzt voraus, dass man sich an exakte Wörter erinnert, und das menschliche Gedächtnis hat Grenzen
- KI überwindet das durch
- konzeptbasierte Abfragen,
- Mustersuche über Jahre hinweg,
- Verknüpfung von Ideen über Zeit und Kontext hinweg
- Die menschliche Begrenzung lag nicht in der Schöpfung, sondern im Mangel an Fähigkeit zum Konsumieren, Erinnern und Verbinden
Aufbau eines Konsumsystems
- Eine einfache Konfiguration
- Alle Aufzeichnungen in Obsidian speichern
- KI erhält Zugriff auf den gesamten Datenbestand
- Dem früheren Ich wie einem Forschungsassistenten Fragen stellen
- Entscheidend ist nicht das Tool, sondern der Wechsel der Denkweise
- KI sollte nicht als Schöpfer, sondern als Leser von Erfahrung verstanden werden
- Jede Notiz wird zu einer künftigen Einsicht, jede Reflexion zu durchsuchbarer Weisheit
Der Zinseszinseffekt
- Ergebnisse eines zweimonatigen Experiments
- Schnellere Problemlösung, weil ähnliche frühere Fälle gefunden werden
- Bessere Entscheidungsqualität, weil vergessener Kontext rekonstruiert wird
- Erkennung unsichtbarer Muster, die über die Zeit verstreut waren
- Die meisten Menschen besitzen bereits eine Goldmine an Erkenntnissen, vergraben in Notizen, Dateien und Erinnerungen
- KI verwandelt sie in eine abfragbare persönliche Fachdatenbank
Die eigentliche Revolution
- Noch immer sehen viele KI nur als Tool zum Schreiben und Generieren von Code
- Die wahre Revolution besteht darin, dass KI als Leser aller menschlichen Gedanken funktioniert
- Deshalb sollte Wissensdokumentation heute zu einem Dokumentationsakt für das zukünftige Selbst und für KI werden
- Für eine KI, die Vergessenes wieder erinnerbar macht, ist eine kontinuierliche Gewohnheit des Festhaltens nötig
3 Kommentare
Letztlich ist es eine Regressionsanalyse mit Text.
Das spricht mich an. So habe ich es noch nie ausprobiert, aber das sollte ich mal tun.
Hacker-News-Meinungen
Ich denke, die Fähigkeit von AI, Informationen zu konsumieren, ist einer der beängstigendsten Aspekte
NSA und Großkonzerne sammeln unsere Browsing-Muster schon seit Jahren, und es ist besorgniserregend, dass AI diese Daten viel schneller als Menschen analysieren und für Verhaltensvorhersagen oder Manipulation, psychologisches Profiling und das Erkennen von Schwachstellen nutzen kann
Umso ironischer ist es, dass manche Leute AI als nutzlose Technologie kritisieren
Weil sie den Leuten, die so etwas tun, eine Illusion von Selbstvertrauen gibt
AI mag wertlos (valueless) sein, aber nicht nutzlos (useless)
So wie Landminen nützlich, aber nicht wertvoll sind, gibt es bei generativer AI eine ähnliche Debatte in Bezug auf externe Effekte
Generative AI ist dafür nicht zwingend nötig
Städte sind bereits mit zahllosen Kameras überzogen, und dass Menschen heute nicht sämtliches Videomaterial überwachen können, fungiert gewissermaßen als Sicherheitsbarriere, aber AI könnte diese Hürde einreißen
In naher Zukunft wird es wohl natürlichsprachliche Überwachungssysteme geben wie „Sag mir Bescheid, wenn ein roter Nissan vorbeifährt“
Ein Modell ist für sich genommen nur auf dem Niveau eines durchschnittlichen Lesers
Es übersieht leicht wichtige Punkte, aber in Kombination mit Tools wie Tests, Compiler und Linter wird es zu einem kreativen Werkzeug mit schneller Feedback-Schleife
Die wirklich schwierige Aufgabe bleibt weiterhin zu entscheiden, „was man behaupten will“
Dieser Inhalt soll auch im HackerNewsAI-Newsletter erscheinen
Zum Beispiel wurde einmal ein Gespräch blockiert, weil ein Thema über Solarenergie fälschlich als politisch eingestuft wurde
In manchen Bereichen gibt es bereits Systeme, die Dokumente schneller lesen als Anwälte
Selbst wenn AI meine Daten in wenigen Sekunden liest, ist eine Überprüfung der Genauigkeit unmöglich
Es gibt auch Forschung, die sagt, dass es keine Zusammenfassung, sondern bloß eine Abkürzung bzw. Verkürzung (abbreviation) ist
Auch ein Ergebnis wie im Beispiel, „in 50 Einzelgesprächen Muster gefunden“, könnte sich in Wirklichkeit nur auf einen Teil der Daten beziehen
Gefährlich ist das eigentlich nur bei Problemen, die sich schwer verifizieren lassen
Man sollte LLMs als Erkundungswerkzeug nutzen und die Einsichten von Menschen ableiten lassen
Wenn AI auch nur ein kleines bisschen besser ist als Menschen, hat sie schon genug Wert
Man kann von AI genannte Punkte einfach per Textsuche überprüfen
Kontextmanagement ist der Schlüssel, und auch ohne vollständigen Determinismus kann sie nützlich sein
Ich lade persönliche Dokumente nur ungern in die Cloud hoch
Das Privatsphäre-Risiko ist zu groß, deshalb warte ich darauf, dass lokale LLMs besser werden
Schon ein 30B-Modell kann auf einem MacBook Zusammenfassungen erstellen, aber die Nutzbarkeit ist noch unzureichend
Bei Geschäften unter NDA ist außer lokalen Modellen kaum etwas zu empfehlen
Die Hardware ist teuer, aber ich denke, irgendwann kehren wir zu einer PC-zentrierten Umgebung für die Modellausführung zurück
Ich habe das Qwen-3-Modell ausprobiert, aber es gibt zu viele Halluzinationen (hallucinations) und es ist nicht wirklich praktikabel
Selbst bei SOTA-Modellen dürfte die Qualität der Zusammenfassungen ähnlich sein
Ich habe drei GPUs gekauft und betreibe damit lokale Modelle, aber der ROI rechnet sich überhaupt nicht
Ich mache es einfach, weil es Spaß macht
Wenn keine sensiblen Schlüssel im Spiel sind, kann auch das Mieten kleiner Cloud-GPU-Kapazitäten eine gute Option sein
Der Kern des Artikels scheint zu sein, das Denken an Maschinen zu delegieren
Ich schreibe Notizen mit Fokus auf Erinnerung und Zusammenhänge, und sie an AI zu übergeben fühlt sich für mich wie ein Aufgeben des Denkens an
Nützlich ist, dass sie Wissen wieder hervorholt, das in E-Mails oder alten Berichten vergraben war
Die Hälfte der „Superkraft“ von AI kommt daher, dass bereits alle Daten in Obsidian organisiert waren
Mit so einer Grundlage wird jedes Tool mächtig
Dass er die Früchte seiner Mühe erntet, ist bemerkenswert
Die wahre Fähigkeit von AI ist, einem das zu sagen, was man hören will
Besonders seit RLHF ist diese Tendenz stark
Die Fähigkeit zum Zusammenfassen ist weiterhin schwach, und meist bleibt es keine Zusammenfassung, sondern bloß eine Verkürzung
LLMs sind hervorragend darin, Text fortzuschreiben, aber beim Verständnis des großen Ganzen schwach
Wenn das 2023 beschworene „exponentielle Wachstum“ wirklich real gewesen wäre, gäbe es diese Debatte gar nicht
Während eines Mathematikvortrags habe ich einen unbekannten Begriff gesucht, und die AI-Zusammenfassung war ziemlich gut
Sie hat nur das Original rekonstruiert, aber genau das war die Funktion, die ich wollte
Die meisten Menschen bevorzugen schnellen Konsum und gelangen deshalb nicht zu tiefem Verständnis
Es war beängstigend zu sehen, dass sogar Fachleute das einfach glaubten
Außerdem hatte ich ein mulmiges Gefühl bei dem Gedanken, dass Google diese Krankheit vielleicht mit meinem Profil verknüpft hat
AI sagte einmal, „ein JS Set sei schneller als ein Array“, und ich glaubte es, bis ich merkte, dass es wegen fehlenden Kontexts falsch war
Trotzdem ist AI hervorragend darin, große Materialmengen zu unbekannten Themen zu synthetisieren
Als ich zum Beispiel Gedichte von Lorca und Cavafy übersetzte, erklärte AI den Originaltext und die Schwierigkeiten der Übersetzung sehr gut
Ich bekam deutlich bessere Ergebnisse, als ich sie als Hilfswerkzeug statt für die eigentliche Übersetzung einsetzte
Meine ausführlichen Erfahrungen habe ich in meinem Blogbeitrag festgehalten