Warum TeslaDer Dojo-Supercomputer befeuert das möglicherweise nicht KI Revolution
Jüngste Prognosen der Wall Street haben für großes Aufsehen rund um Teslas Dojo-Supercomputer gesorgt. Analysten gehen davon aus, dass diese hochmoderne Maschine möglicherweise einen Glücksfall von $500 Milliarden freisetzen könnte, was den bahnbrechenden Auswirkungen von ChatGPT im Bereich der KI ähnelt. Infolgedessen stieg die Tesla-Aktie sprunghaft an und steigerte ihren Marktwert um mehr als 6% – ein beeindruckender Sprung, der das Interesse von Investoren und Technikbegeisterten gleichermaßen geweckt hat.
Morgan Stanley lieferte in seinem 66-seitigen Bericht weiterhin überzeugende Argumente für die potenziellen Auswirkungen von Dojo. Ihrer Analyse zufolge könnten Dojos kundenspezifische Prozessoren und umfangreiche reale Fahrdaten Tesla von anderen Anbietern abheben, nicht nur in der Automobilindustrie, sondern auch in Sektoren wie dem Gesundheitswesen, der Sicherheit und der Luftfahrt, in denen Computer Vision eine entscheidende Rolle spielt.
Warum Vorsicht entscheidend ist
Trotz der überwältigenden Prognosen und des Potenzials für branchenverändernde Durchbrüche gibt es zwingende Gründe, diese großen Behauptungen mit Vorsicht anzugehen. Da wir uns in einer Zeit befinden, die von KI-Fortschritten fasziniert ist, erscheint Teslas Strategie besonders attraktiv. Die Grundgleichung hinter dem Erfolg von ChatGPT – mehr Rechenleistung kombiniert mit mehr Daten bedeutet mehr intelligente Fähigkeiten – erscheint einfach, aber dennoch wirkungsvoll.
OpenAI, das Unternehmen hinter ChatGPT, hat erheblich in die Idee investiert, dass die Nutzung größerer Rechenleistung und größerer Datensätze zu revolutionären Durchbrüchen führen wird. Dieses Prinzip hat sich in Bereichen wie der Bilderkennung bewährt, wo Fortschritte bei Rechenleistung und Daten zu erstaunlichen Fähigkeiten geführt haben. Sollten wir diese Logik jedoch auf Teslas Ambitionen beim autonomen Fahren übertragen?
Die komplexe Realität des autonomen Fahrens
Elon Musks Bestrebungen nach einer FSD-Software (Full Self-Driving) basieren auf Techniken des maschinellen Lernens, die ChatGPT ähneln. Obwohl die Versuchung groß ist, beides miteinander in Zusammenhang zu bringen, unterscheiden sich die Herausforderungen beim autonomen Fahren grundlegend von denen bei der Verarbeitung natürlicher Sprache. Wie Tesla-Ingenieure bei ihrer AI Day-Veranstaltung enthüllten, besteht „Full Self-Driving“ aus mehreren maschinellen Lernsystemen, die für eine Vielzahl von Straßenaufgaben entwickelt wurden, vom Lenken bis zum Lesen von Verkehrsschildern.
Um einen echten Sprung in der autonomen Fahrtechnologie zu machen, reicht es nicht aus, nur in einem dieser Systeme voranzukommen. Im Gegensatz zu ChatGPT, wo ein einzelner monolithischer Algorithmus Text erzeugen kann, erfordert Full Self-Driving einen umfassenden Fortschritt über mehrere Subsysteme hinweg.
Die Unvorhersehbarkeit von Daten- und Rechenanforderungen
Einer der Hauptpunkte, den Kritiker anführen, ist der grundlegende Unterschied zwischen Video- und Textdaten. Während mehr Daten und Rechenleistung in einigen Bereichen wie dem autonomen Fahren zu erheblichen Fortschritten führen können, sind die Rechenanforderungen für die Verarbeitung von Videodaten wesentlich höher als für Text. Die Frage, wie viele Daten und Rechenleistung für einen echten Durchbruch in der Robotik erforderlich sind, bleibt offen und wird weder von Tesla noch von Branchenanalysten klar beantwortet.
Experten auf diesem Gebiet wie Christian Gerdes, Co-Direktor des Center for Automotive Research in Stanford (CARS), sind hinsichtlich der Skalierbarkeit autonomer Fahrfähigkeiten mit mehr Daten und Rechenleistung vorsichtig. Obwohl seine Forschung vielversprechend ist, gibt es keine Garantie dafür, dass mehr Daten weiterhin zu besseren Ergebnissen führen.
Verspricht Tesla wieder einmal zu viel?
Tesla hat in der Vergangenheit ehrgeizige Versprechungen gemacht, insbesondere wenn es um die Fähigkeit zum autonomen Fahren geht. Elon Musk prognostizierte beispielsweise, dass bis Ende 2020 eine Million Tesla-Robotaxis unterwegs sein werden – ein Meilenstein, der noch immer unerreichbar ist. Während Teslas Bemühungen bei der Entwicklung maßgeschneiderter Chips für maschinelles Lernen und des Dojo-Supercomputers die Kosten senken und möglicherweise seine Algorithmen für das vollständige Selbstfahren verbessern können, ist die Vorhersage, wann – oder sogar ob – diese Verbesserungen einen entscheidenden Moment im autonomen Fahren oder in der Bildverarbeitung markieren werden, von Natur aus ungewiss.
Der Bericht von Morgan Stanley deutet darauf hin, dass wir bereits im Jahr 2024 einige bedeutende Entwicklungen erleben könnten. Angesichts der bisherigen Leistung von Tesla und der Unvorhersehbarkeit von Durchbrüchen in den Bereichen KI und maschinelles Lernen könnten Wetten oder Investitionen auf diese Prognose jedoch eher ein Glücksspiel als eine garantierte Rendite sein.
Zusammenfassend lässt sich sagen, dass Teslas Dojo-Supercomputer zwar vielversprechend ist und möglicherweise mehrere Branchen revolutionieren könnte, es wäre jedoch klug, diese optimistischen Prognosen mit einer gesunden Portion Skepsis zu betrachten.
