Archives

Wir sind uns alle darin einig, dass es sich lohnt, eine Beförderung zu erhalten. Ein höheres Gehalt, einen besseren Jobtitel, höheren Einfluss und möglicherweise auch ein höheres Prestige. Das ist jedoch nicht problemlos.

Wie viele Ingenieure fing ich an, einen Code zu verfassen. Mir gelang es, und die Nachfrage der Kunden nach meinen Dienstleistungen nahm zu. Damals waren die Rollen in der Softwareentwicklung noch nicht so klar definiert, begann ich, andere Ingenieure einzustellen und beförderte mich selbst in das, was wir heute als „Architektenrolle“ beschreiben würden. Ich habe die Software noch programmiert, aber nur noch die entscheidenden algorithmischen Komponenten.

Anfänglich waren die von mir angeheuerten Ingenieure nicht so gut im Programmieren wie ich.

Aber mit der Zeit verbesserten sie sich. In der Tat, einige davon wurden bessere Programmierer als je zuvor. Mir wurde klar, dass trotz meiner positiven Beförderung auch mindestens zwei Verluste für mich entstanden sind: Zunächst einmal musste ich jemandem zusehen, wie er etwas Schlimmeres tat als ich. Zweitens musste ich jemanden sehen, der besser war.

Ich habe diesen Prozess in fast jedem Job, den ich je hatte, durchgemacht. Eine Beförderung ist zwar gut, stellt aber auch Schwierigkeiten für die Person dar, die sie erhält. Es ist notwendig, die Fähigkeiten loszulassen, die einen überhaupt erst zur Beförderung geführt haben, und gleichzeitig zu lernen, in einer neuen Rolle effektiv zu sein.

Das erfordert sowohl körperliche als auch emotionale Anstrengung. Demut ist insbesondere notwendig, um den Erfolg seines Nachfolgers zu fördern. Wenn man versucht, eine neue Erfolgsgeschichte auf einem höheren Level zu verfassen, kann es beängstigend sein, die „Identität“ loszulassen, die man aufgebaut hat, indem man auf dem vorherigen Level gut war.

Ich habe im Laufe der Zeit gelernt, dass ich als Chef nur dann eingreifen sollte, wenn es wichtig ist, obwohl es schwierig sein kann, seine ehemalige Rolle und Identität loszulassen. Es ist für einen Angestellten demotivierend, von seinem Vorgesetzten überstimmt zu werden. Daher sollte dies nur dann passieren, wenn es tatsächlich nötig ist.

Wenn seine Mitarbeiter es bereits wissen oder selbst herausfinden können, gibt es ihnen die Möglichkeit zu lernen, indem er ihnen sagt, wie sie ihre Arbeit machen sollen. Wenn ein unreifer Chef nicht bereit ist, die Aufgaben zu übertragen, die ihm oder ihr im vorherigen Job gelungen sind, ist dies ein Zeichen dafür. Das Hauptaugenmerk eines Chefs liegt darauf, die Leistung seines Teams zu überwachen und bei ernsthaften Problemen einzugreifen. Aber wenn Sie als Geschäftsführer Angst davor haben, zu delegieren, werden Sie nicht in der Lage sein, das Wachstum Ihrer Mitarbeiter zu unterstützen oder sich nach Ihrer Beförderung selbst in eine höhere Position zu entwickeln.

Mir ist bewusst geworden, dass es empfehlenswert ist, nicht einzugreifen, wenn ein Teammitglied eine Aufgabe einfach anders löst, als ich es getan hätte, aber dennoch genauso gut oder nur geringfügig schlechter.

Dadurch kann sich der Mitarbeiter weiterentwickeln, und wenn er mich um Hilfe bittet, desto besser. Außerdem lernte ich, nicht eifersüchtig zu sein (zumindest versuche ich es), sondern ihn oder sie zu ermutigen und ihren Erfolg als Sieg für uns beide zu betrachten, als ein Mitarbeiter schließlich meinen alten Job besser machte als ich. Immerhin hatte er bzw. sie den Vorteil, einen hervorragenden Boss (ich) zu haben, daher ist es auch mein Gewinn.

Ich finde, dass der gleiche Führungsstil nicht nur für Menschen, sondern auch für KI gilt. Ähnliche „Werbe“-Gefühle habe ich bei mir beispielsweise bei meinem „KI-gesteuerten“ Tesla festgestellt. Auf Anhieb gefielen mir einige der autonomen Fahrfunktionen des Tesla – wie zum Beispiel der adaptive Tempomat. Er bremste oder beschleunigte nicht ganz so, wie ich es tun würde, aber er machte es genauso gut wie die anderen menschlichen Fahrer. Ich wurde nicht nur herumkommandiert, sondern lernte auch schnell, damit umzugehen.Es dauerte eine Weile, bis ich anderen Funktionen vertraute, etwa dem Spurwechsel. Ein Jahr lang war ich besonders vorsichtig, wenn ich ein Auto zum Spurwechsel aufforderte, „nur um sicherzugehen“, dass es keine anderen Fahrer bemerkte, die bereits dort waren, oder dass ein anderer Fahrer versuchte, mich auf der Überholspur zu überholen.

Mit der Zeit habe ich emotional akzeptiert, dass das Auto mit seinen Sensoren und Kameras andere Fahrer und deren Beschleunigung besser wahrnahm als ich. Wenn das Auto diese Informationen intelligent nutzte (was ich mit der Zeit glaubte), fühlte ich mich sicherer, das Auto die Spur wechseln zu lassen als manuell. Obwohl ich rein vorsichtig bleibe, mache ich mir keine Sorgen mehr, wenn das Auto die Spur wechselt. Ich habe einen automatischen Spurwechsel und lasse das Auto normalerweise selbstständig die Spur wechseln.

In manchen Fällen vermisse ich die Selbstfahrfunktionen von Tesla. Eine davon ist eine Autobahnausfahrt auf dem Weg zur Arbeit. Nach der Ausfahrt muss ich etwa 150 Meter lang vier Fahrspuren überqueren, um links in unser Gebiet abzubiegen. Obwohl der Tesla dies automatisch und sicher tun kann, startet und stoppt er so plötzlich und wiederholt, dass ich angesichts der Herausforderung ein Unbehagen verspüre. Deshalb wechsle ich in solchen Fällen zur manuellen Steuerung.

Ein anderer Fall ist eine Autobahnkreuzung, bei der die linken beiden Spuren immer wegen des abfließenden Verkehrs überlastet sind. Ich weiß, dass dies der Fall ist, aber anscheinend weiß der Tesla das nicht, weil er mich immer wieder in eine der überlasteten Spuren bringen möchte, anstatt in die linke Spur, die meist weniger verstopft ist. Daher übersteuere ich in diesem Fall die automatische Spurwechsel-Funktion.

Mein Punkt ist, dass sich die Nutzung des Tesla und seiner KI-basierten Fahrfunktionen anfühlt, als hätte ich mir selbst eine „Beförderung“ aus meinen handwerklichen Fahrpflichten gegeben und stattdessen den Tesla als meinen Fahrer eingestellt. Wie ein menschlicher Mitarbeiter macht der Tesla einige Dinge besser als ich, einige Dinge schlechter und andere Dinge einfach anders. Und wie bei einem menschlichen Mitarbeiter muss ich überwachen und eingreifen, wenn Teslas Abweichung von der Art und Weise, wie ich die Dinge gemacht hätte, für mich wichtig ist. Aber wo das Auto besser oder einfach nur anders ist, lasse ich das Auto entscheiden.

Ich vermute, dass dies für uns alle mit GenAI der Fall sein wird; wir geben uns alle eine „Beförderung“, wenn wir diese neue Technologie einführen.

Jeder von uns entdeckt noch, wie GenAI uns in unseren Jobs effektiver machen kann – und in einigen Fällen sogar, wo es Bereiche automatisieren kann, die wir früher selbst gemacht haben, sodass wir zusätzliche Rollen übernehmen können – und manchmal müssen wir das, was wir derzeit gut können, aufgeben. Dies kann unangenehm sein und sich sogar bedrohlich anfühlen. Unsere Identitäten und unser Sicherheitsgefühl als Mitarbeiter basieren teilweise darauf, was wir als unsere Stärken ansehen, daher ist dies eine Herausforderung.

Ihr Chef wird das vielleicht nicht zugeben, aber als er oder sie sich das erste Mal in einer neuen Position mit mehr Macht und Verantwortung wiederfand, bin ich sicher, dass auch er oder sie unsicher war, wie man damit am besten umgeht. Wenn Sie sich mit GenAI noch nicht so fühlen, prophezeie ich, dass Sie es bald tun werden.

GenAI ist eine befähigende Technologie für „Geistesarbeiter“ und kreative Menschen. Es ist etwas, von dem viele von uns nicht erwartet haben, dass es gerade jetzt passiert, aber selbst in seiner relativen Frühphase gibt es uns allen erhebliche Hebelwirkung, um mehr und besser und schneller zu erledigen.

Wenn Sie beginnen, GenAI zu nutzen und es für sich arbeiten zu lassen, ist mein Rat, sich zu entspannen und die Möglichkeiten der neuen Rolle, die sich Ihnen jetzt eröffnet, zu erkunden. Seien Sie ein guter Chef und behandeln Sie GenAI wie Ihren Mitarbeiter. Sie haben gerade eine Beförderung bekommen!

Ich hatte vor ein paar Wochen ein anregendes Gespräch mit dem Leiter unserer GenAI-Praxis, Suhail Khaki. Suhail bemerkte, dass je mehr er mit GenAI arbeitet, desto mehr erscheint es ihm, dass es weniger wie herkömmliche Computersoftware und mehr wie eine Person in der Art und Weise, wie es interagiert, ist. Er sagte: „Intelligenz ist Intelligenz“. Das brachte mich zum Nachdenken: Viele der sogenannten „Probleme“ mit GenAI sind tatsächlich darauf zurückzuführen, dass es auf der Art und Weise basiert, wie Menschen denken. Es ist nicht wirklich GenAI, das schuld ist – in großem Maße verhält es sich einfach überraschend gut so, wie wir Menschen es tun.

Wenn Ihnen jemand zweimal dieselbe Frage stellt, wie wahrscheinlich ist es, dass Sie jedes Mal genau die gleiche Antwort Wort für Wort geben? Das werden Sie nicht, es sei denn, es ist eine auswendig gelernte Rede. Wenn Sie zwei verschiedenen Entwicklern die Aufgabe geben, denselben Algorithmus zu implementieren, wie wahrscheinlich ist es, dass beide genau denselben Code schreiben? Das wird nicht passieren. Beide könnten es „richtig“ machen, aber die beiden Programme werden unterschiedlich sein – geringfügig oder sogar radikal.

Warum überrascht und frustriert es uns also, wenn sich GenAI genauso verhält? Menschen geben unterschiedliche Antworten auf dieselbe Frage, weil viele Variablen unser Verhalten beeinflussen, einschließlich dessen, was wir an diesem Morgen zum Frühstück gegessen haben, wer unser Publikum ist, wie die Frage formuliert war (einschließlich Intonation) und was wir zwischen der ersten und der zweiten Wiederholung der Frage gelernt und gedacht haben. GenAI hat andere Faktoren, die es beeinflussen – es braucht zum Beispiel kein Frühstück –, aber es verhält sich im Wesentlichen auf eine „menschliche“ Weise, wenn es auf dieselbe Frage eine andere Antwort gibt. Ähnlich verhält es sich beim Programmieren. Es gibt viele richtige Antworten auf dasselbe Softwareentwicklungsproblem. Welche ein bestimmter Entwickler wählt oder welche derselbe Entwickler zu unterschiedlichen Anlässen wählt, wird durch viele interne und externe Variablen bestimmt, nicht zuletzt durch die Summe unserer bisherigen Erfahrungen und unseres Trainings.

Was wir in GenAI „Halluzinationen“ nennen, ist ebenfalls uns Menschen eigen. In den USA liefern Politiker beider Parteien zahlreiche Beispiele für erfundene Fakten, um Gedächtnislücken oder unbequeme Wahrheiten zu kaschieren. Man kann darüber streiten, ob diese politischen Falschaussagen absichtlich gemacht werden oder nicht, aber manchmal geschehen menschliche Halluzinationen ohne böse Absicht. Eine ältere Frau, die ich kannte, hatte eine vaskuläre Demenz, eine Hirnerkrankung, die den Zugang zu bestimmten Erinnerungen oder Fähigkeiten blockiert. Ihre Intelligenz war jedoch weitgehend unberührt. Wenn man sie nach ihrem Tag fragte, erzählte sie fröhlich eine Geschichte über Aktivitäten, die an der Oberfläche sehr plausibel klangen, aber tatsächlich nie stattgefunden haben. Ich glaube keineswegs, dass sie dies absichtlich tat, um zu täuschen. Stattdessen, da die tatsächlichen Fakten in ihrem Gedächtnis nicht verfügbar waren, generierte ihr Gehirn meiner Meinung nach kreativ eine Antwort, die plausibel klang, aber nicht durch die Wahrheit gefiltert war. Sie wurde erst dann diagnostiziert, als sie von einem Psychologen formell interviewt wurde, der ihr objektiv nachprüfbare Fragen stellte, wie die Namen ihrer Kinder. Erst dann wurde offensichtlich, dass sie eine medizinische Erkrankung hatte und dass ihre Antworten in normalen Gesprächen weitgehend erfunden waren.

Obwohl ich kein Psychologe bin, vermute ich, dass die menschliche Intelligenz, wenn sie keinen Zugang zu geeigneten Informationen hat, aber sich in Umständen befindet, die eine sofortige Antwort erfordern, dazu neigt, die Lücken zu füllen – oder Dinge zu erfinden. Wir würden es vorziehen, wenn unsere Politiker und meine ältere Freundin mit vaskulärer Demenz einfach sagen würden: „Es tut mir leid, ich weiß es nicht“, „Ich möchte dazu nichts sagen“ oder „Ich erinnere mich nicht“. Aber wenn die Person das Gefühl hat, eine Antwort geben zu müssen, unabhängig von fehlenden oder intern unterdrückten Informationen, erhalten wir „Fake News“, falsche Erinnerungen oder Halluzinationen. Das Gleiche gilt für GenAI – es greift auf eine plausibel klingende, aber ungültige Antwort zurück, wenn es keine genaue findet.

Meine Frau ist Psychologin und sie sagt mir, dass es im menschlichen Gehirn ein Konzept namens „Ausfüllen des fehlenden Gestaltens“ gibt. Das Gehirn versucht verschiedene Strategien und Optionen, um fehlende Daten zu ergänzen. Diese Präsentation von Optionen trägt zur menschlichen Kreativität und Problemlösungsfähigkeit bei. Wir alle haben das schon erlebt, wenn wir versucht haben, ein Problem zu lösen, und dann plötzlich die Antwort gefunden haben. Dies geschieht weitgehend unbewusst, unterhalb unserer Bewusstseinsebene. Wenn unser Gehirn nicht ausreichend falsche Alternativen ablehnt, dann können wir menschliche Konfabulationen erhalten, um die „Lücken zu füllen“, obwohl die beste Option möglicherweise darin besteht, es „offen zu lassen“ und zu sagen, dass man es nicht weiß. Aber wenn unser Gehirn eine gute Wahl unter den generierten Alternativen trifft, erhalten wir Originalität, Spontaneität und Erfindung.

In einem LLM ist dies bis zu einem gewissen Grad kontrollierbar, indem ein Parameter namens „Temperatur“ eingestellt wird, der im Wesentlichen den Grad der Zufälligkeit bei der Generierung alternativer Antworten bestimmt. Während das Senken der Temperatur die Halluzinationen in einem LLM begrenzt, verringert es auch die Anzahl der guten Alternativen, die in Betracht gezogen werden. Der Nachteil von weniger Alternativen ist, dass die „besseren“ und „besten“ Alternativen möglicherweise überhaupt nicht generiert werden, was die effektive „Intelligenz“ der KI einschränkt. Anstatt die Generierung von Alternativen zu unterdrücken, ist meiner Ansicht nach die richtige Antwort eine bessere Filterung der mehreren generierten Alternativen. Tatsächlich arbeiten eine Reihe von GenAI-Startups an der Prävention von Halluzinationen, indem sie generierte Antworten intelligent filtern. Aber die Generierung alternativer Antworten, selbst falscher, ist eigentlich ein Merkmal der menschlichen Intelligenz – es ist ein „Feature“, kein „Bug“. Wir befinden uns nur noch in einem relativ frühen Stand der Technik, was die Filterung angeht – obwohl ich überzeugt bin, dass das kommen wird.

Warum überraschen und ärgern uns diese „menschlichen“ Inkonsistenzen und Konfabulationen, wenn sie von GenAI kommen? Die meisten von uns sind mit Computern aufgewachsen. Obwohl sie manchmal frustrierend oder verwirrend sein können, sind Computer auch vorhersehbar. Insbesondere wenn sie programmiert sind, machen Computer jedes Mal dasselbe auf die gleiche Weise und geben Ihnen konsistent die gleiche Antwort auf die gleiche Frage. Wir erleben Computer als Maschinen oder „robotisch“ (im engen Sinne) in den Interaktionen, die wir mit ihnen haben.

GenAI ist nicht so. Obwohl es auf einer Maschine läuft, verhält es sich in wichtigen Aspekten mehr wie eine Person. Im Vergleich zu einem programmatischen Gerät ist GenAI relativ unvorhersehbar und inkonsistent.

Ich würde argumentieren, dass die Unvorhersehbarkeit und Inkonsequenz von GenAI ein wesentliches Merkmal jeder Intelligenz ist, die versucht, in gewisser Hinsicht das menschliche Gehirn zu emulieren. Vielleicht ist Inkonsequenz ein Merkmal der Intelligenz im Allgemeinen. Es ist vielleicht nicht immer ein Merkmal, das wir mögen, aber wenn wir die Vorteile der Intelligenz in unseren Maschinen wollen, denke ich, dass wir auch lernen werden, mit ihren Eigenheiten umzugehen.

Bedeutet das, dass wir GenAI nicht für nützliche Arbeit verwenden können? Ich würde argumentieren, dass wir trotz unserer eigenen Fehler und Aussetzer seit vielen, vielen Generationen fehlbare Menschen für nützliche Arbeiten eingesetzt haben. Wir können einige dieser gleichen Praktiken bei der Nutzung von GenAI anwenden.

Bei der Führung von Menschen haben wir oft mehrere Spezialisten, die für verschiedene Aspekte derselben Aktivität zuständig sind. Oft wird die Arbeit von einem Manager überwacht, der die Konsistenz und Qualität der Ergebnisse sicherstellt. Für kritische Aufgaben haben wir dokumentierte Verfahren, die von den Menschen befolgt werden müssen. Und in Notsituationen oder solchen, die eine Echtzeit-Körperkontrolle erfordern (wie Sport), verlassen wir uns auf Training. Trainierte Reaktionen sind solche, bei denen Menschen vordefinierte oder vorab erlernte Richtlinien befolgen – im Wesentlichen Programmierung – automatisch und weitgehend ohne nachzudenken. Diese gleichen Prinzipien der menschlichen Arbeit können und werden auch heute auf GenAI angewendet.

Bewusst oder unbewusst werden Analogien zur menschlichen Organisation auf heutige GenAIs entwickelt und angewendet, mit weiteren in der Entwicklung. „Ensembles“ spezialisierter LLMs werden von „Agenten“ und anderen Technologien orchestriert, um die Stärken jedes Modells zu nutzen, analog zu einem menschlichen Team mit ergänzenden Fähigkeiten. Wie ein menschlicher Vorgesetzter tauchen GenAI-Managementansätze wie „LLMs für LLMs“ und programmgesteuerte Analysen von Modellausgaben auf, um die Qualität der KI-Ausgabe zu filtern und zu bewerten. Diese Manager können auch Halluzinationen abfangen und die KI – oder das Team von KIs – zurück an das Reißbrett schicken, um eine bessere Antwort zu finden. Für kritische oder endnutzerorientierte Aufgaben können Implementierungen die besten Merkmale programmierter Ansätze und GenAI-Modelle kombinieren. Beispielsweise könnte eine Kundendienstanwendung Dialogflow [https://cloud.google.com/dialogflow] für die strukturierte Komponente von Dialogen zusammen mit einem oder mehreren LLMs für die Anrufweiterleitung, das Sammeln von Informationen und die Ergebnissummenbildung verwenden.

Die letzte Grenze sind vielleicht Maschinen- oder Industrie-Kontrollsysteme oder die Steuerung lebenswichtiger Echtzeitsysteme. Für diese Systeme benötigen wir deterministische Ausgaben. Kreativität kann in manchen Situationen nützlich sein, aber selbst mit Menschen im Entscheidungsprozess verlassen wir uns in der Regel auf trainierte Reaktionen und dokumentierte Schritt-für-Schritt-Verfahren, die wir erwarten, dass Menschen sie robotisch befolgen. Das liegt daran, dass in Notfällen selten Zeit oder geistige Energie zum Improvisieren bleibt – und dokumentierte Verfahren wurden erforscht, überprüft und getestet. Das robotische Befolgen von Anweisungen ist wahrscheinlich das am wenigsten menschliche, was wir tun, aber manchmal notwendig – zum Beispiel in einer Notfallsituation wie dem Steuern des Autos aus einem Schleudern, wenn es auf Eis ausrutscht. In diesem Fall ist Improvisieren von Grund auf der falsche Ansatz – es ist besser, wenn wir uns darauf trainiert haben, in die Schleuderbewegung hinein zu lenken, um die Kontrolle wiederzuerlangen, ohne die Physik in Echtzeit verarbeiten zu müssen. Für Aktivitäten wie Sport, das Fliegen eines Flugzeugs in einem Notfall und andere Echtzeit-Entscheidungen sind erlernte und trainierte Fähigkeiten eine wichtige Grundlage. Kreativität ist in manchen Fällen immer noch vorteilhaft, aber nur auf der Basis einer soliden Grundlage erlernter Fähigkeiten.

Wie menschliche trainierte Reaktionen auf Notfall- oder Echtzeitsituationen im Sport neigen von Computern betriebene Kontrollsysteme dazu, automatischer, regelbasiert und deterministisch zu sein. Das soll KI jedoch nicht völlig ausschließen. Wir haben bereits gute Beispiele dafür, dass herkömmliche, nicht-genetische Modelle eine wichtige Rolle in solchen Systemen spielen: Zum Beispiel haben die fortschrittlichen Fahrerassistenzsysteme Ihres Autos zur Spurführung, Kollisionsvermeidung und adaptiven Geschwindigkeitsregelung wichtige Aspekte, die auf KI basieren. Meine Erfahrung ist, dass diese KI-basierten Systeme wesentlich zu meiner Sicherheit beitragen. Allerdings würde ich, wie viele andere auch, zögern, mein Leben in die Hände einer Technologie zu legen, die zu Halluzinationen neigt. Andererseits bin ich viele Jahre lang ohne jegliche Fahrerassistenz selbst gefahren, und mein fehlbares menschliches Gehirn hat es mir dennoch ermöglicht zu überleben. Vielleicht – mit der richtigen Überwachung – hat GenAI auch hier eine Rolle. Schließlich – Intelligenz ist Intelligenz, selbst wenn sie künstlich ist.