Den Zeitrahmen für Entdeckungen durch den Einsatz künstlicher Intelligenz (KI) verändern

Von der manuellen Recherche zur Automatisierung mit KI

Eine Zeit lang beruhten wissenschaftliche Fortschritte ausschließlich auf den Erkenntnissen brillanter Wissenschaftler und nicht auf künstlicher Intelligenz (KI). Anschließend mussten sie ihre Hypothese manuell durch benutzerdefinierte Experimente entwerfen und testen. Dies war meist ein mühsam langsamer Prozess, der von den ersten Ideen bis zu den tatsächlichen Ergebnissen Jahre dauerte.

In jüngster Zeit hat ein höherer Automatisierungsgrad zu einer Reduzierung der manuellen Arbeit in der Grundlagenforschung geführt. Zum Beispiel, Sequenzierung der nächsten Generation (NGS) hat eine Genomsequenzierung in nur wenigen Tagen und zu geringeren Kosten ermöglicht, als die erste Sequenzierung des menschlichen Genoms im Jahr 2003 3 Milliarden US-Dollar gekostet hatte und ein Jahrzehnt in Anspruch nahm.

NGS-Sequenzer – Quelle: Illumina

Durch die Automatisierung konnten die physischen Schritte in der Forschung in großem Umfang und zu geringeren Kosten durchgeführt werden. Aber die intellektuelle Anstrengung, beispielsweise die Analyse der Daten aus der Genomsequenzierung, stützte sich immer noch ausschließlich auf das menschliche Gehirn und computergestützte mathematische Modelle. Bis die KI zu einem neuen Game Changer wurde.

Unterstützung des menschlichen Gehirns

Je fortgeschrittener die Wissenschaft war, desto komplexer wurden die Daten. Die Suche nach neuem Material erfordert einen relativ einfachen Prozess, etwa das Zusammenmischen von Elementen, die zuvor noch nicht zusammen getestet wurden.

Aber fortgeschrittene Materialwissenschaften, beispielsweise in der Batterietechnologie oder bei Halbleitern, erfordern die Manipulation von Komponenten auf Nanometerebene und manchmal auch auf der Ebene einzelner Atome. Dies macht die Modellierung und das Verständnis des Prozesses zu komplex, als dass das menschliche Gehirn alle verfügbaren Daten vollständig erfassen könnte.

Die Suche nach dem richtigen Material für ein neues Batteriedesign könnte beispielsweise die Entscheidung umfassen, welches aus 32 Millionen potenziellen anorganischen Materialien ausgewählt werden soll. Vor dieser Aufgabe stand Vijay Murugesan, der Gruppenleiter der Materialwissenschaften bei PNNL (Pacific Northwest National Laboratory).

Bisher hätte man zur Eingrenzung der Möglichkeiten fundierte Vermutungen, grobe Computermodelle und manuelle Tests benötigen müssen, was Jahre gedauert hätte. Stattdessen startete PNNL eine Zusammenarbeit mit Microsoft, um die KI-Expertise des Technologieriesen zu nutzen.

Unterrichten von Chemie mit mehreren KIs

Microsoft arbeitet seit langem an solchen Anwendungen sein AI4Science-Programm. Beispielsweise ermöglicht die generative KI MatterGen „ein umfassendes eigenschaftsgesteuertes Materialdesign“.

Quelle: Microsoft

In Zusammenarbeit mit PNNL hat Microsoft speziell mehrere verschiedene KIs entwickelt, um alle praktikablen Elemente und ihre Kombinationen zu bewerten.

Es verfügt außerdem über eine KI, die sich mit der Ermittlung stabiler Materialien beschäftigt. Eine weitere KI bewertet Moleküle anhand ihrer Reaktivität. Eine weitere KI beurteilt die Fähigkeit der Moleküle, Energie zu leiten.

Diese KI-Kombination ist nicht darauf ausgelegt, jede mögliche Lösung für ein bestimmtes Problem zu finden. Stattdessen betrachtet man den riesigen Heuhaufen an Möglichkeiten (in zweistelliger Millionenhöhe) und versucht, ihn auf einige wenige gute Kandidaten einzugrenzen.

Dieser Ansatz reduzierte 32 Millionen potenzielle Materialien auf 500,000 Kandidaten und dann auf 800.

Es unterscheidet sich grundlegend von einem rein computergestützten mathematischen Modellansatz, bei dem stattdessen versucht wird, die chemischen Eigenschaften eines Materials mit „brutaler Gewalt“ zu berechnen, oft indem es Atom für Atom simuliert wird. Stattdessen macht die KI eine fundierte „Vermutung“ darüber, was sollte Arbeiten Sie unter Verwendung von Analogien, ziemlich genau so, wie es ein Mensch tun würde. Außer dem Team der KIs konnte 32 Millionen Ideen in weniger als 80 Stunden prüfen.

Die Reduzierung monatelanger oder jahrelanger Arbeit auf wenige Tage oder Wochen stellt eine völlige Revolution im Tempo des wissenschaftlichen Fortschritts dar.

Bei einer breiteren Anwendung könnte dies das Tempo des technologischen Fortschritts in menschlichen Gesellschaften völlig verändern.

Kostbare Ressourcen sparen

Sobald die Liste auf nur 800 Kandidaten eingegrenzt war, konnten die Forscher die Standardmethode des High-Performance Computing (HPC) einsetzen. Es ermöglichte die Berechnung aller möglichen Energiezustände der 800 Kandidaten. Dann wurde eine Mischung aus spezieller KI und HPC verwendet, um die Bewegungen jedes Atoms und Moleküls in jedem Material zu simulieren.

Durch den Einsatz von HPC bei nur wenigen hundert Kandidaten konnte PNNL viel Zeit und Geld sparen, da es sich hierbei um eine Methode handelt, die sehr rechenleistungsintensiv ist. Dadurch reduzierte sich die Kandidatenliste auf nur 150.

Von da an reduzierte eine Bewertung der Kosten, der Verfügbarkeit und anderer praktischer Überlegungen die anfängliche 32-Millionen-Kandidatenliste auf lediglich 23. Interessanterweise waren von den 23 bereits 5 bekannt, was die Relevanz der Methode zeigt, da sie „ „entdeckte“ diese 5 Materialien unabhängig voneinander.

Frühere Forschungsmethoden hätten sich stark auf teures und langsames HPC verlassen. Die KI-Methode reduzierte HPC hingegen auf nur 10 % der gesamten Rechenzeit. Die Tatsache, dass die KI-Berechnungen cloudbasiert waren und nicht die wertvolle und seltene Supercomputerzeit von Forschungsinstituten in Anspruch nahmen, trug ebenfalls zur Effizienzsteigerung bei.

Die nächsten Schritte

Die Zusammenarbeit zwischen Microsoft und PNNL bezüglich Batteriematerial war nur der Anfang einer mehrjährigen Kooperationsvereinbarung. Letztendlich geht es darum, genügend Daten zu generieren, um zu wissen, aus welchem ​​neuen Material eine neue Batterie konstruiert werden soll, indem man einfach das KI-System danach fragt.

„Die Vision, auf die wir hinarbeiten, sind generative Materialien, bei denen ich eine Liste neuer Batterieverbindungen mit meinen gewünschten Eigenschaften anfordern kann.“ – Nathan Baker, Produktleiter für Azure Quantum Elements.

Es ist auch wichtig zu beachten, dass die aktuelle Methode auf klassischem Computing basiert. Die KI-Programmierung und -Software von Microsoft ist jedoch so konzipiert, dass sie auf Quantencomputing umgestellt werden kann, sobald diese Technologie ausgereift genug ist.

Dies würde eine beispiellose Rechenleistung für Themen wie chemische und biologische Simulationen ermöglichen und die Rechenleistung um mehrere Größenordnungen (x100-10,000) steigern. Wir befinden uns also noch in einem sehr frühen Stadium der KI und arbeiten an der Entwicklung neuer Moleküle und Materialien.

Anwendungsgebiete

Das erste Experiment konzentrierte sich auf Batteriematerialien. Aber viele andere Bereiche werden wahrscheinlich von solch fortgeschrittenen Erkenntnissen über die Chemie sowie der Anwendung von KI auf andere Wissenschaften profitieren, die sich alle bereits in der Pipeline von Microsoft befinden:

• Halbleiter.
• Quantencomputing und Kryptographie.
• visuell sowie Audio-
• Molekularbiologie und Genomik.
• Biotechnologie und Pharmazeutika im Allgemeinen.
• Erneuerbare Energien und Klimawandel.
• Landwirtschaft & Ökologie.
• Wirtschaftskunde.
• Sozialwissenschaften.
• Theoretische Mathematik.

In jedem dieser Bereiche hat die Forschung aufgrund der schieren Datenmenge und der Komplexität der anstehenden Probleme Schwierigkeiten gehabt. Ähnlich wie beim Pilotprojekt zu Batterien könnten beide von den Erkenntnissen der KI profitieren.

KI-gesteuerte Wissenschaftsaktien

1. Microsoft

Microsoft Corporation (MSFT -0.31 %)

Microsoft steht mit seinem immer noch dominierenden Betriebssystem Windows fast seit seiner Gründung im Zentrum der Technologiebranche. Mittlerweile ist das Unternehmen auch führend im Bereich Unternehmenssoftware (Office365, Teams, LinkedIn, Skype, GitHub), Gaming (Xbox sowie Übernahme mehrerer Videospielstudios) und in der Cloud (Azure).

In jüngerer Zeit wurden gute Fortschritte bei der KI erzielt. Dazu gehört auch einige KI für Verbraucher wie die Bing Image Creator und sein Vertiefung der Partnerschaft mit OpenAI. Dazu gehören auch stärker geschäftsorientierte Initiativen, wie z Copilot für Microsoft 365 sowie Microsoft Research. Copilot ist jetzt wird auch im Einzelhandel und bei kleineren Unternehmen eingesetzt.

Microsoft hat sich im Vergleich zu eher verbraucherorientierten Unternehmen wie Apple oder Facebook den Ruf erworben, der unternehmensorientierte Technologieriese zu sein. Da KI in Geschäftsmodellen immer wichtiger wird, sollte die bereits bestehende Präsenz von Microsoft bei Cloud- und Unternehmensdiensten dem Unternehmen einen Vorsprung beim Einsatz von KI in großem Maßstab und bei der Kundenakquise verschaffen.

Die Zusammenarbeit bzw. Quasi-Eigentümerschaft mit führenden KI-Entwicklungsunternehmen wie OpenAI wird zudem Microsofts Position als KI-Kraftpaket festigen.

2. NVIDIA

NVIDIA Corporation (NVDA + 3.49%)

NVidia hatte zunächst eine beherrschende Stellung auf dem Grafikkartenmarkt (GPU), der hauptsächlich für High-End-Spiele und 3D-Modellierung verwendet wurde. GPUs sind in der Lage, Berechnungen parallel durchzuführen und unterscheiden sich darin von Prozessoren (CPU).

Das Design seiner Hardware erwies sich als sehr gut für das Kryptowährungs-Mining (insbesondere Bitcoin) geeignet und löste eine starke Wachstumswelle für das Unternehmen aus.

Nun scheint es, dass es für das Training von KIs gleichermaßen leistungsstark ist, was die Hardware von Nvidia zum Rückgrat der KI-Revolution macht.

NVidia entwickelt derzeit maßgeschneiderte Computersysteme für verschiedene KI-Anwendungen selbstfahrendes Autos, zu Rede sowie Konversations-KIs, generative KIsoder Internet-Sicherheit.

Es ist wahrscheinlich, dass Nvidia noch nicht damit fertig ist, neue Anwendungsfälle für seine KI-Hardware zu finden, wie eine Untersuchung von Microsoft mit PNNL zeigt. Beispielsweise entwickelt sich derzeit NVidia eine ganze Reihe von Lösungen für die Arzneimittelforschung, sowie KI-gestützte medizinische Geräte sowie KI-gestützte medizinische Bildgebung.

Quelle: NVidia

Es ist wahrscheinlich, dass Konkurrenten von NVidia auf lange Sicht beginnen, den anfänglichen Vorsprung des Unternehmens ernsthaft in Frage zu stellen. Aber auf absehbare Zeit wird NVidia angesichts der explosionsartigen Nachfrage nach KI-spezifischer Rechenleistung der Hauptlieferant aller neuen KI-Trainings-Rechenzentren bleiben, die gebaut werden.

3. Menschenmenge

CrowdStrike Holdings, Inc. (CRWD + 12.82%)

Je mehr die Welt auf KI und Digitalisierung setzt, desto wichtiger wird vernetzte Cybersicherheit.

CrowdStrike wurde mit einem Cloud-First-Ansatz für Cybersicherheit gegründet. Das Angebot des Unternehmens deckt alle Kategorien von Cybersicherheitsbedrohungen ab. Zu seinen Kunden zählen 15 der 20 größten US-Banken, 70 der Fortune 100-Unternehmen und 556 der Global 2000.

Das Wachstum von CrowdStrike wird durch einen schnell wachsenden Gesamtmarkt (TAM) unterstützt, der in den nächsten zwei Jahren voraussichtlich um 13 % jährlich wachsen wird. Da sich das Unternehmen noch in der Entwicklung befindet, erwartet das Unternehmen, seinen TAM von derzeit 2 Milliarden US-Dollar auf 76 Milliarden US-Dollar bis 158 zu steigern.

Quelle: Menschenmenge

Ein weiterer Wachstumsfaktor für CrowdStrike ist der Ausbau des Geschäfts mit Bestandskunden. Wenn ein Kunde mit mindestens einem Cybersicherheitsmodul beginnt, integriert er in der Regel weitere Module, wobei 62 % der Kunden 5 oder mehr Module und 23 % 7 oder mehr Module verwenden.

Diese Dynamik schafft ein Umfeld, das es CrowdStrike ermöglicht, seine Margen zu steigern, wenn sich eine Beziehung lange genug entwickelt hat, mit einer beeindruckenden Gesamtbruttomarge von 78 % im Jahr 2023.

Der Übergang zur Cloud ist für viele große Unternehmen noch weitgehend im Gange. Dies eröffnet einem Marktführer wie CrowdStrike eine große Chance, ihn auch bei der Umstellung seiner Cybersicherheitsstrategie auf die Cloud zu unterstützen.

Auch das internationale Geschäft des Unternehmens dürfte wachsen, da immer noch drei Viertel der Global-3-Unternehmen noch nicht dem CrowdStrike-Ökosystem beigetreten sind.

Der Cloud-First-Ansatz von CrowdStrike ermöglichte dem Unternehmen einen schnellen Marktanteilsgewinn und wird mittlerweile von allen großen Cybersicherheitsunternehmen übernommen. Anleger sollten daher darauf achten, ob CrowdStrike seinen Vorsprung trotz zunehmender Gegenangriffe der Branche behaupten kann.

4. Adobe

Adobe Inc. (ADBE + 1.49%)

Auf den ersten Blick könnte das Aufkommen generativer KI, insbesondere der Bilderzeugung, eine Bedrohung für Besitzer wichtiger Grafiksoftware wie Photoshop, InDesign, After Effects, Lightroom oder Illustrator darstellen.

Dabei würde man vergessen, dass Adobe ein Vorreiter in der Softwarebranche war und einer der ersten war, der auf ein Cloud-basiertes Abonnementmodell umgestiegen ist, als die Branche die neueste Softwareversion für Tausende von Dollar verkaufte.

Dasselbe gilt für KI mit Adobe Firefly. Dieses KI-Tool zur Bildgenerierung lässt sich nahtlos in andere Softwareprogramme von Adobe integrieren und ermöglicht es Ihnen, Bilder aus einfachem Text zu generieren, aus einem einfachen 3D-Modell ein detailreiches Bild zu erstellen oder sogar ein vorhandenes Bild mithilfe der „generativen Füllung“ fotorealistisch zu erweitern.

Quelle: Adobe

Da KI die Fähigkeitsbarriere senkt, die für die Erstellung von Logos oder Zeitschriften oder für die Bearbeitung von Bildern erforderlich ist, werden das Angebot und die Nachfrage nach Originalinhalten wahrscheinlich zunehmen.

Durch die Akzeptanz von Veränderungen und KI wird Adobe wahrscheinlich seine Position als führendes Softwarepaket für alle visuellen Kreativarbeiten behaupten und seine Reichweite sogar noch weiter ausbauen.

5. Emporkömmling

Upstart Holdings, Inc. (UPST -0.1 %)

Upstart ist ein auf KI basierender Kreditmarktplatz, der lange bevor KI im Jahr 2023 zum Zentrum der Technologiegespräche wurde, ins Leben gerufen wurde.

Der Prozess von Upstart ist größtenteils automatisiert; über 87 % der gewährten Kredite wird vollständig automatisiert entschieden.

Die Idee hinter Upstart ist, dass das bestehende Kreditbewertungssystem ineffizient und veraltet ist. Mit viel mehr verfügbaren Daten ist es möglich, Kreditrisiken besser zu erkennen und dadurch einem großen Teil der Bevölkerung günstigere Kredite zur Verfügung zu stellen.

Das bedeutet, dass die Methode von Upstart Personen mit hohen FICO-Scores identifizieren kann, die in der Praxis jedoch ein hohes Risiko haben, ihre Kredite nicht zurückzuzahlen. Umgekehrt ist die Wahrscheinlichkeit eines Zahlungsausfalls bei Personen mit niedrigen FICO-Scores geringer.

Quelle: Emporkömmling

Der gesamte adressierbare Markt ist groß, wobei jährlich 4 Billionen US-Dollar aus Privat-, Auto-, Eigenheim- und Kleinunternehmenskrediten stammen.

Aufgrund steigender Zinssätze und einer geringeren Kreditnachfrage musste Upstart im Jahr 2023 zusammen mit dem Rest seiner Branche einen gewissen Rückgang der Einnahmen und Verluste verzeichnen.

Dieser vorübergehende Rückgang des Kreditvolumens hat Upstarts Ausbau seines Kreditpartnernetzwerks nicht gebremst. Das Unternehmen wird nun 100 Banken umfassen (im Vorjahr waren es noch 71, beim Börsengang 10 waren es nur noch 2020) und 61 Händler (Anfang 39 waren es noch 2023).

Investoren von Upstart müssen hoffen, dass das wachsende Netzwerk ein klares Zeichen für den Wert der Upstart-Technologie und ihr Potenzial ist, ein großer Kreditgeber auf dem US-Markt zu werden.

Kontinuierliche Fortschritte bei der KI-Berechnung könnten dem Unternehmen auch einen Vorteil in einem sehr wettbewerbsintensiven Markt für Kreditratings verschaffen.