Heute zeige ich Ihnen alles, was ich durch Versuch und Irrtum über KI-Unternehmertum gelernt habe. Und nein, Sie müssen nicht lernen, wie man programmiert.
Tech-Titanen wie Chimav Palihapatiya haben bereits bestätigt, dass künstliche Intelligenz der nächste Hype-Zyklus im Silicon Valley in der Startup-Welt ist. Wenn Sie an dieser einmaligen Gelegenheit teilnehmen möchten Starten Sie ein KI-Unternehmen, dann sind Sie hier genau richtig.
Ich habe all diese Schritte auf die harte Tour herausgefunden, damit Sie es nicht tun müssen. Wir gehen auch auf die drei einfachsten KI-Geschäftsmodelle ein, die derzeit genutzt werden und die Sie übernehmen, kopieren und in verschiedene Branchen einfügen können.
Künstliche Intelligenz oder KI bezieht sich auf die Simulation menschlicher Intelligenz in Maschinen, die so konzipiert sind, dass sie wie Menschen denken und handeln. Im Wesentlichen versucht KI, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern würden.
Nach dieser Definition hat KI den Menschen bereits in den Bereichen Dateneingabe, medizinische Diagnose, Betrugserkennung und Kundenservice ersetzt.
KI bietet Unternehmen zahlreiche Vorteile, wie zum Beispiel:
Der Vorteil der Schaffung künstlicher Intelligenzsysteme, um Menschen bei Aufgaben wie diesen zu ersetzen, besteht darin, dass künstliche Intelligenz, sobald sie erstellt und trainiert ist, keine Pause einlegen muss. Es beschwert sich nicht. Es braucht keine freien Tage.
Der Begriff KI selbst kann tatsächlich ziemlich verwirrend sein, da viele verschiedene Aspekte gleichzeitig in die Mischung einfließen.
Es stellt sich heraus, dass KI eigentlich ein Oberbegriff ist, unter den viele der anderen Kategorien fallen, die Sie vielleicht kennen:
Und viele andere.
Maschinelles Lernen oder ML ist ein zentraler Aspekt der künstlichen Intelligenz und dabei handelt es sich um den Prozess, einem Computer eine Menge Informationen zu geben, damit er aus diesen Informationen lernen und dann beginnen kann, Ergebnisse vorherzusagen, sodass wir ihm nicht sagen müssen, was er tun soll jedes Mal tun.
Beispielsweise könnte ein maschinelles Lernmodell verwendet werden, um den Preis eines Hauses basierend auf seiner Größe, Fläche und Zimmer vorherzusagen. Oder ein maschinelles Lernmodell könnte verwendet werden, um E-Mails als Spam oder Nicht-Spam zu klassifizieren.
Was Sie tun müssen, ist, ihm eine Menge beschrifteter Beispiele dafür zur Verfügung zu stellen, was Spam ist und was kein Spam.
Die Verarbeitung natürlicher Sprache ist ein weiterer Kernaspekt der KI-Tools, mit denen wir heute vertraut sind. Sie helfen Computern, menschliche Sprache zu verstehen, zu interpretieren und zu generieren, beispielsweise wenn Sie mit Siri oder Alexa sprechen.
Anfangs hatte ich ein wenig Schwierigkeiten, den Unterschied zwischen diesen Begriffen zu verstehen, aber der einfachste Weg, ihn zu verstehen, besteht darin, dass KI der Überbegriff ist und diese verschiedenen Disziplinen miteinander kombiniert werden, um Produkte wie Chat GPT oder Siri oder Robotik herzustellen und Lagerhallen.
Sie kommen zusammen und bilden das Endprodukt Nachrichtendienste.
Aufgrund der rekordverdächtigen öffentlichen Rezeption von Chat GPT, der in nur einer Woche mehr als 1 Million Nutzer gewonnen hatDas derzeit heißeste Thema in der KI sind große Sprachmodelle.
Große Sprachmodelle oder LLMs sind fortschrittliche KI-Algorithmen, die menschenähnlichen Text generieren.
Sie werden mit enormen Datenmengen geschult und arbeiten daran, den Text in Komponenten zu zerlegen, Muster zu lernen und dieses Wissen dann zur Generierung neuer Texte zu nutzen.
Und je größer der Trainingsdatensatz ist, desto genauer wird das Modell. GPT-3 von Open AI ist das Sprachmodell, auf dem Chat GPT aufbaut, und es ist wohl das beste öffentlich verfügbare große Sprachmodell, das wir heute haben.
Es wurde auf Hunderten von Milliarden Wörtern trainiert und sein Erfolg bei GPT-4 wird wahrscheinlich um ein Vielfaches höher sein. Am einfachsten kann man sich diese Modelle vorstellen, indem man sie sich als extrem leistungsstarke Autocomplete-Engines vorstellt.
Mit nur wenigen Wörtern können diese großen Sprachmodelle eine ganze Kurzgeschichte oder einen ganzen Absatz schreiben, indem sie auf ähnliche Wortsammlungen in ihren Trainingsdaten zurückgreifen.
Darüber hinaus sind sie hervorragend in der Mustererkennung und Mustergenerierung, sodass wir sorgfältig die Art von Ausgabe erstellen können, die wir von ihnen erwarten.
Die größte Chance für uns als KI-Unternehmer besteht derzeit darin, Anwendungen auf der Grundlage dieser äußerst leistungsstarken Modelle zu entwickeln. Unternehmen mögen Google und OpenAI leisten die ganze harte Arbeit, diese riesigen Sprachmodelle zu erstellen.
Alles, was wir tun müssen, ist, sie auf bestimmte Anwendungsfälle anzuwenden. Um diese Anwendungen zu erstellen und auf diesen Modellen aufzubauen, benötigen wir programmgesteuerten Zugriff darauf, was uns zu unserem nächsten Schritt bringt – dem Verständnis von APIs.
Über APIs oder Anwendungsprogrammierschnittstellen können Unternehmer wie wir auf die Leistungsfähigkeit dieser Modelle zugreifen und darauf aufbauend Werte schaffen.
APIs können etwas kompliziert sein. Hier ist eine Analogie zur Aufschlüsselung für Sie.
So wie Sie in einem Restaurant Essen von der Speisekarte bestellen, kann ein Programmierer über die API auf bestimmte Funktionen einer Softwareanwendung zugreifen.
In unserem Fall verfügen wir über APIs, die uns den Zugriff auf Dienste von Unternehmen wie Open AI und bald auch Google und anderen ermöglichen.
Die Optionen im Menü von Open AI sind beispielsweise die verschiedenen trainierten Untermodelle, die für unterschiedliche Zwecke geeignet sind.
Die Optionen in diesem Menü reichen von Da Vinci bis Aida, wobei Da Vinci das fortschrittlichste Sprachmodell ist, das Dinge wie Chat GPT unterstützt, bis hin zu Aida, das nur sehr grundlegende Funktionen ausführen kann.
Sie verfügen auch über einige Modelle, die eher auf Code als auf Sprache spezialisiert sind, sodass Sie eine ganze Reihe verschiedener Optionen bieten, auf die Sie programmgesteuert zugreifen und Ihre Anwendungen darauf aufbauen können.
Wir können mit diesen Modellen interagieren und ihre Leistungsfähigkeit nutzen, indem wir einen sogenannten API-Aufruf an sie durchführen. Bei diesen Anrufen müssen Sie einige Informationen angeben, um zu spezifizieren, was Sie zurückhaben möchten.
Nehmen wir zum Beispiel an, wir erstellen ein Tool zur Lebenslauferstellung. Wir müssten Benutzereingaben mit ihren persönlichen Daten wie E-Mail, Telefonnummer und Arbeitsverlauf über eine Website oder ein Formular sammeln.
Dann kombinieren wir diese Informationen mit einigen einfachen Anweisungen, die der API erklären, was wir tun wollen, und dann bündeln wir alles und senden es in einem Anruf ab.
Die API würde dann unsere Anfrage verarbeiten und die Antwort zurücksenden. Da dies alles programmgesteuert erfolgt, können Sie dies übernehmen, es immer wieder wiederholen und skalieren, sobald Sie über eine zuverlässige Methode zum Sammeln von Benutzereingaben verfügen und die Anweisungen, die Sie an die API senden, perfekt geschrieben haben in ein Unternehmen.
Das Verfassen dieser Anweisungen ist jedoch eine völlig eigenständige Fähigkeit.
Diese Fähigkeit ist tatsächlich so wichtig, dass ich bereits eine ganze geschrieben habe prompter technischer Leitfaden. Aber jetzt gebe ich Ihnen eine kurze Zusammenfassung. Der korrekte Begriff für die Anweisung einer künstlichen Intelligenz, eine Aufgabe auszuführen, ist „Prompting“.
Im Grunde teilen wir der KI, zum Beispiel GPT 3 von Open AI, eine Reihe von Anweisungen mit und sie führt eine Aufgabe auf der Grundlage dieser Anweisungen aus.
Eingabeaufforderungen können so einfach wie ein Satz oder eine Frage oder so komplex wie mehrere Absätze sein.
Der Grund dafür, dass die Entwicklung von Eingabeaufforderungen oder einfach die Art und Weise, wie Sie Ihre Eingabeaufforderungen erstellen, so wichtig ist, liegt in einem Konzept namens „Müll rein, Müll raus".
Im Wesentlichen bestimmt die Qualität Ihrer Eingabe die Qualität Ihrer Ausgabe. Wenn Sie über große Sprachmodelle verfügen, die so leistungsstark sind wie GPT-3 und andere, bestimmt Ihre Fähigkeit, gute Eingabeaufforderungen zu schreiben, den Wert, den Sie daraus ziehen können.
Ganze Unternehmen werden auf der Grundlage einiger gut geschriebener Aufforderungen oder auch nur einer einzigen aufgebaut.
Schließlich haben Sie alle darauf gewartet, dass es die einfachste Möglichkeit ist, auf diesen großen Sprachmodellen aufzubauen.
Nachdem Sie sich nun mit den verschiedenen Aspekten des KI-Unternehmertums vertraut gemacht haben, müssen Sie damit beginnen, alles zusammenzusetzen.
Die große Frage ist natürlich, wie Sie all dieses Wissen nutzen können, um Ihre nächste große Idee nicht nur zu identifizieren, sondern auch umzusetzen.
Hier sind die drei besten KI-Geschäftsformate, die Sie heute kopieren und in verschiedene Branchen einfügen können, und das beste hebe ich mir für den Schluss auf.
Und wenn Sie konkrete Ideen für KI-Unternehmertum wünschen, habe ich auch eine zusammengestellt Liste der besten ChatGPT-Geschäftsideen.
Geschäftsformat Nummer eins sind zeitnahe Unternehmen. Bei diesem Geschäftsformat müssen Sie einen bestimmten Anwendungsfall finden und dann eine oder mehrere wirklich gut ausgearbeitete Eingabeaufforderungen schreiben, die diese großen Sprachmodelle in Tools für diesen bestimmten Anwendungsfall umwandeln.
Sobald Sie diese Eingabeaufforderungen ausprobiert und erstellt haben, müssen Sie sie nur noch auf einer Website hosten und mit der Vermarktung beginnen.
Der einfachste Weg, dies zu tun, besteht darin, eine gute Eingabeaufforderung zu schreiben, einige Benutzereingaben von Ihrer Website aufzunehmen, sie zusammenzuführen und sie im API-Aufruf zu versenden.
Was zurückkommt, kann für die Menschen eine wirklich individuelle Reaktion sein und sieht für sie wie Magie aus.
Aber unter der Haube ist es sehr wenig Aufwand und sehr einfach, eines davon zum Laufen zu bringen, weil man im Wesentlichen nur ein großes Sprachmodell wie GPT-3 nimmt, ihm einige Anweisungen gibt, einige Benutzereingaben einfügt und es dann zulässt Es führt die Antwort zurück.
Sie könnten beispielsweise ein KI-gestütztes Tool zum Verfassen von Lebensläufen verwenden und dann die Eingabeaufforderung erstellen, die GPT-3 das Format anzeigt, das bestmögliche Format für einen Lebenslauf, und dies dann in die Eingabeaufforderung einschließen und dann die Benutzerinformationen hinzufügen und es senden in einem API-Aufruf ausschalten und es zurückholen und an den Benutzer weitergeben.
Oder Sie könnten einige interessante Copywriting-Tools erstellen, z kopieren.ai getan haben.
Sie könnten beispielsweise einen Ersteller von UGC-Werbetexten für Facebook erstellen, der einige Informationen über das Unternehmen und die Produkte aufnimmt und immer einen schönen Facebook-Werbetext verbreitet, der Zitate und Produktbewertungen enthält.
Etwas wie adcreative.ai hat getan.
Von den dreien weist dieses KI-Geschäftsmodell die niedrigste Eintrittsbarriere auf, da Sie im Grunde nur eine gute Eingabeaufforderung verfassen müssen.
Das Herumspielen mit der Entwicklung dieser grundlegenden, auf Eingabeaufforderungen basierenden Tools ist der perfekte Weg, um mit dem KI-Unternehmertum vertraut zu werden. Ich fordere Sie dringend dazu auf, sich auf die offene KI-Spielwiese zu begeben, herumzuspielen, einige Eingabeaufforderungen zu schreiben und zu sehen, was Sie aus diesen Modellen herausholen können.
Das nächste KI-Geschäftsmodell ist ein auf Feinabstimmung basierendes Geschäft. Große Sprachmodelle wie GPT 3 können feinabgestimmt werden.
Im Wesentlichen ermöglicht Ihnen die Feinabstimmung, einem Modell beizubringen, neue Muster zu erkennen. Chat GPT ist ein hervorragendes Beispiel dafür, da Open AI eine Feinabstimmung vorgenommen hat GPT-3-Sprachmodell, um im Q&A-Stil zu agieren, indem man es trainiert und ihm einige Beispiele für Aufforderungen im Frage-und-Antwort-Stil gibt.
Durch Feinabstimmung können Tools erstellt werden, die ein großes Sprachmodell für einen bestimmten Zweck verbessern.
Sie könnten beispielsweise eines dieser Modelle verfeinern, um ein Experte für die Stimmungsanalyse in sozialen Medien zu werden.
Was Sie tun müssen, ist, eine Menge Twitter-Kommentare, Instagram-Kommentare und Facebook-Kommentare zu erhalten, sie als positiv oder negativ zu kennzeichnen und diese dann in das Modell einzuspeisen, um es zu verfeinern.
Das resultierende Feinabstimmungsmodell wäre besser in der Lage, die positive oder negative Stimmung von Social-Media-Kommentaren vorherzusagen als das zugrunde liegende GPT-Modell selbst.
Während GPT-3 bereits eigenständig Stimmungsanalysen durchführen kann, machen Sie es durch die Bereitstellung dieser Beispiele eher zu einer Nische, da Sie insbesondere besser mit Social-Media-Kommentaren umgehen können.
Das Schwierigste an diesem Geschäftsformat ist, dass Sie geeignete Daten zur Feinabstimmung benötigen.
An dieser Stelle gehen Ihnen möglicherweise einige Lichter auf, denn wenn Sie ein Unternehmen besitzen oder jemanden kennen, der ein Unternehmen besitzt, verfügt dieser über eine Menge wertvoller und interessanter Daten, die zur Feinabstimmung dieser Modelle für einen anderen Zweck verwendet werden könnten.
Dann haben Sie eine hervorragende Gelegenheit, diese Daten zu nutzen, sie zu verfeinern und neue Software als Service zu erstellen.
Wie bei den meisten Dingen in der künstlichen Intelligenz und KI gilt: Je mehr Daten Sie bereitstellen können, desto besser ist die Leistung des Modells.
Schließlich ist das Geschäftsformat, das meiner Meinung nach das größte Potenzial hat, ein benutzerdefiniertes Daten-Chatbot-Geschäft.
Schalten Sie jetzt nicht ab, weil Sie das Wort Chatbot gehört haben, sondern hören Sie mir zu.
Wenn Sie an einige wertvolle Daten gelangen können, sei es über Ihr eigenes Unternehmen oder einen Freund, oder Sie sich an jemanden wenden und ihm anbieten, mit ihm zusammenzuarbeiten und diesen Chatbot-Dienst zu erstellen, wenn Sie der Erste in Ihrer Nische sein können Wenn Sie einen Chatbot-Service anbieten, haben Sie wirklich gute Chancen, richtig Geld zu verdienen.
Die größte Chance, die ich für diese Chatbots sehe, besteht darin, den Verbrauchern komplexe, datenbankstrukturierte Daten auf einfache und leicht zugängliche Weise zur Verfügung zu stellen.
Die Frage, Daten in diese Modelle zu integrieren, damit sie für verschiedene Anwendungsfälle verwendet werden können, hat mich lange Zeit beschäftigt.
Kürzlich habe ich herausgefunden, dass Sie diese Modelle verwenden können, um natürliche Sprache wie einen Satz in eine Datenbankabfrage umzuwandeln. Dies ermöglicht Ihnen im Wesentlichen, jede Datenbank mit interessanten Daten in einen Chatbot-Dienst umzuwandeln.
Ein Beispiel hierfür könnte ein E-Commerce-Reporting-Assistent für Markeninhaber sein.
Dieser Assistent könnte eine Eingabeaufforderung in natürlicher Sprache entgegennehmen, z. B. die drei Produkte mit der besten Leistung für den Monat Dezember, basierend auf der Conversion-Rate.
Sie können diese Informationen an einen API-Endpunkt senden und sie in einer Datenbankabfrage zurückerhalten, mit der Sie Ihre Datenbank durchsuchen, diese Daten abrufen, sie in einen schönen Satz formatieren und sie dann an den Benutzer zurückgeben können.
Das ist also alles, was ich für diesen Leitfaden zum Thema KI für Unternehmer habe. Jetzt verfügen Sie über genügend Informationen, um sich auf den Weg zu machen und die lebensverändernden KI-Geschäftsmöglichkeiten auszuspüren, die überall auftauchen werden.
Das Beste daran ist, dass Sie noch so früh dran sind. Sie haben nicht nur einen Wissensvorsprung, sondern auch einen Zeitvorteil.
Der Rest der Welt erkennt gerade erst die enormen Möglichkeiten, die die KI direkt vor uns bietet, also müssen Sie Ihren Vorteil voll ausnutzen.