ARK Invest Report 5 Big Ideas 1/15

ARK ist der Meinung, dass wir heute eine Beschleunigung neuer technologischer Durchbrüche erleben. Um die Anleger über die Auswirkungen dieser Durchbrüche und die sich daraus ergebenden Chancen aufzuklären, wurde 2017 der erste Big Ideas Report in die Welt gerufen. Dieser jährliche Research-Bericht soll die neuesten Entwicklungen im Bereich Innovation hervorheben und bietet uns eine Einführung in spannende Technologiebereiche, die vom ARK-Team sorgfältig untersucht wurden. ¹ 

Der Big Ideas Report 2021 umfasst 15 interessante Innovationen, weshalb wir die Big Ideas 2021 Reihe starten, bei der wir jede Woche auf eine spannende Idee genauer eingehen werden. Es wird dann abwechselnd einen Beitrag auf der Goldesel-Webseite und einen Beitrag im Goldesel-Paper geben. Die erste große Idee des ARK Research-Teams für das Jahr 2021 ist Deep Learning. 

Deep Learning 

Deep Learning könnte laut ARK der wichtigste Software-Durchbruch unserer Zeit sein, welcher in den nächsten 15 bis 20 Jahren die globale Marktkapitalisierung von Aktien um 30 Billionen USD erhöhen könnte. Doch was genau ist Deep Learning?¹  

Deep Learning ist ein Teilbereich des maschinellen Lernens aus dem Gebiet der künstlichen Intelligenz. Es handelt sich hierbei um eine spezielle Methode der Informationsverarbeitung, dessen Funktionsweise in vielen Bereichen vom Lernen im menschlichen Gehirn inspiriert wird. Für das Training dieser künstlichen Intelligenz werden große Datenmengen benötigt und analysiert. Deep Learning verwendet neuronale Netze, welche sich an die Funktionsweise des menschlichen Gehirns richten sollen. Dadurch lassen sich bereits erlernte Fähigkeiten mit neuen Inhalten anreichern und verknüpfen, wodurch ein tiefgreifender und langfristiger Lernprozess erzielt werden soll. ²  

Deep Learning lehrt also die Maschine eigene Entscheidungen zu treffen, eigene Prognosen zu erstellen und getroffene Entscheidungen zu hinterfragen. Somit wird die Maschine in die Lage versetzt, selbstständig und ohne menschliches Handeln ihre Fähigkeiten kontinuierlich zu verbessern. Aus vorhandenen Daten und Informationen werden Muster ausgelesen, deren Erkenntnisse lassen sich wiederum aufeinander beziehen und in einen weiteren Kontext verknüpfen. Am Ende ist die Maschine dann dazu fähig, Entscheidungen auf Basis der Verknüpfungen zu treffen. ²   

Deep Learning als Software 2.0 

Anhand der folgenden Grafik sehen wir, wie sich die Fähigkeit der Software über die Jahrzehnte weiterentwickelt hat. In den 70er Jahren begann die kommerzielle Software, mit der Gründung von Unternehmen wie Microsoft, Oracle und SAP. In den darauffolgenden Jahrzehnten entwickelte sich die Software immer weiter, bis sie in den 2000er Jahren für jeden Menschen zugänglich war. Im Jahr 2012 gewannen neuronale Netze die ImageNet-Challenge, welche Algorithmen zur Objekterkennung bewertet³ – der Beginn der Deep Learning Ära. 8 Jahre später unterstützte Deep Learning fast alle großen Internetdienste, einschließlich Social Media, Such- und Videoempfehlungen.

ARK zufolge erschafft Deep Learning die nächste Generation von Computerplattformen, bisher in den folgenden Bereichen:  

Konversationscomputer wie Alexa oder Siri beantworteten im Jahr 2020 100 Milliarden Sprachbefehle.¹  

Selbstfahrende Autos wie die autonomen Fahrzeuge von Waymo haben mehr als 20 Millionen Meilen in 25 Städten gesammelt.¹  

Verbraucher-Apps wie TikTok, die Deep Learning für Videoempfehlungen nutzen, haben Pinterest und Snapchat zusammen im Wachstum überholt.¹  

Doch Deep Learning erfordert grenzenlose Rechenpower 

In der folgenden Grafik sehen wir anhand der Y-Achse die Kosten für die Hardware aus dem Jahr 2020, um eine künstliche Intelligenz zu trainieren. Anhand der X-Achse sehen wir die Zeitangabe in Jahre und in der Grafik selber die einzelnen KI-Modelle. Während die Fortschritte bei der Hard- und Software die Kosten für das Training der künstlichen Intelligenz pro Jahr um 37 % gesenkt hat, wächst die Größe der einzelnen KI-Modelle jedoch 10x schneller pro Jahr. Infolgedessen steigen die Gesamtkosten für das Training der künstlichen Intelligenz weiter an.¹

ARK ist der Ansicht, dass hochmoderne KI-Trainingsmodelle wahrscheinlich um das 100-fache steigen werden, also von heute rund 1 Million USD auf über 100 Millionen USD bis ins Jahr 2025. ¹  

Der Markt für KI-Chips 

Wenn man davon ausgeht, dass das Training für die künstliche Intelligenz von 1 Million USD auf 100 Millionen USD pro Projekt steigen wird, werden spezialisierte Prozessoren wie GPU’s (Grafik-Prozessoren) oder TPU’s (Tensor-Prozessoren oder auch anwendungsspezifische Chips, welche für das Trainieren von künstlicher Intelligenz optimiert wurden⁴) benötigt.  

ARK schätzt, dass sich dadurch die Ausgaben für Rechenzentren für KI-Prozessoren innerhalb der nächsten 5 Jahren mehr als vervierfachen werden, von heute 5 Milliarden USD pro Jahr auf 22 Milliarden USD im Jahr 2025.

Die bevorstehende Phase für Deep Learning wird den Zugang zur künstlichen Intelligenz demokratisieren, wodurch nicht nur große Internetunternehmen, sondern alle Wirtschaftszweige profitieren sollen. ¹  

Die künstliche Intelligenz entwickelt sich weiter 

2020 war das Durchbruchsjahr für die Konversations-KI. Das erste Mal konnten Systeme der künstlichen Intelligenz Sprache mit menschlicher Genauigkeit verstehen und erzeugen. Zu beachten ist hierbei, dass die Konversations-KI das 10-fache der Rechenressourcen von Computer Vision erfordert, ein Bereich der künstlichen Intelligenz, der Computer darin schult, die visuelle Welt zu interpretieren und zu verstehen⁵. Die Konversations-KI sollte aus diesem Grund in den kommenden Jahren zu großen Investitionen anregen.¹  

KI-Giganten wie Google, Facebook, Amazon und OpenAI nutzen und trainieren die Konversations-KI bereits. Im folgenden Bild sehen wir, wozu GPT-3 (eine künstliche Intelligenz von OpenAI) bereits in der Lage ist.

Als erste künstliche Intelligenz versteht GPT-3 die Sprache, indem es einen schwer verständlichen Rechtstext in einfaches Englisch übersetzt. Außerdem kann GPT-3 noch E-Mails schreiben, Webseiten designen, Softwarecodes in verschiedenen Computersprachen schreiben, Krankheiten diagnostizieren, historische Fakten abrufen und vieles mehr. ¹  

Fazit 

Deep Learning könnte laut ARK in den nächsten 15-20 Jahren mehr wirtschaftlichen Wert schaffen als das Internet. Das Internet hat über 2 Jahrzehnte gebraucht, um die Aktienmarktkapitalisierung weltweit um 13 Billionen USD zu erhöhen, Deep Learning hat ab 2020 eine Marktkapitalisierung von 2 Billionen USD geschaffen. Bei einer jährlichen Wachstumsrate von 17 % könnte Deep Learning im Jahr 2037 eine Marktkapitalisierung von 30 Billionen USD schaffen. Ein wirklich spannender Bereich, den man mit Sicherheit nicht aus den Augen verlieren sollte.

¹ Quelle: https://research.ark-invest.com/hubfs/1_Download_Files_ARK-Invest/White_Papers/ARK–Invest_BigIdeas_2021.pdf   

² Quelle: https://www.bigdata-insider.de/was-ist-deep-learning-a-603129/  

³ Quelle: http://www.image-net.org                   

⁴ Quelle: https://www.bigdata-insider.de/was-ist-eine-tensor-processing-unit-tpu-a-750292/    

⁵ Quelle: https://towardsdatascience.com/an-overview-of-computer-vision-1f75c2ab1b66