Alex Karp steht an der Spitze von Palantir, einem Analysetechnologieunternehmen, das er 2003 mitbegründete und das heute KI- und Datenplattformen an Armeen, Nachrichtendienste und die größten Konzerne der Welt liefert. Er arbeitet seit über zwei Jahrzehnten mit künstlicher Intelligenz, lange bevor sie zum Schlagwort wurde.
Er ist der Typ Mann, der seine Meinung unverblümt äußert. Der Palantir-Chef bestätigte dies erneut auf der Veranstaltung AIPCon 10, wo er in einem Live-Interview auf der Plattform TBPN einen Trend erörterte, der in der Technologiewelt zwar bekannt ist, über den aber kaum gesprochen wird: Tokenmaxxing. Das Streben nach einem möglichst hohen Tokenverbrauch, die Belohnung von Mitarbeitern für die Menge verarbeiteter Daten, Ranglisten der KI-Aktivität in Unternehmen. Karp verglich diesen Trend mit Pornografiesucht. „Intern nennen wir es ein Ventil, einfach eine Möglichkeit, sich abzureagieren“, sagte er. „Die Leute sitzen einfach den ganzen Tag da, es ist wie Pornografiesucht.“
Token
Ein Token ist der grundlegende Baustein großer Sprachmodelle. Die Modelle zerlegen Text in numerische Einheiten, wobei ein Token ungefähr drei Vierteln eines Wortes entspricht. Die Anbieter der Modelle rechnen nach der Anzahl der verbrauchten Token und dem verwendeten Modell ab. Tokenmaxxing ist eine Kultur, die mit dem Aufkommen von KI-Agenten entstand. Unternehmen begannen, den Tokenverbrauch in Ranglisten zu erfassen, eine hohe Nutzung zu belohnen und die Menge der verarbeiteten Daten als Leistungsindikator zu betrachten. Je mehr Token, desto besser. Doch Karp ist anderer Meinung.
Karps Haltung ist nicht nur eine persönliche Meinung. Sie spiegelt die Unternehmensphilosophie von Palantir wider, das sich selbst als „müllfreie Zone“ bezeichnet. Der technische Leiter des Unternehmens, Shyam Sankar, fasste es bei einer Telefonkonferenz mit Analysten so zusammen: „Mehr Token bedeuten mehr Müll. Und je mehr standardisierte Kognition du konsumierst, desto mehr brauchst du ein System, das wirtschaftlichen Schaden verhindern kann.“ Sankar und Karp bestehen darauf, dass günstigere KI und ein höherer Tokenverbrauch nicht automatisch einen größeren Wert bedeuten. Es reicht nicht, Zugang zu einem Modell zu haben. Du musst wissen, wofür du es einsetzen willst.
Was KI kann und was nicht
Karp stellt keineswegs infrage, dass große Sprachmodelle leistungsfähige Werkzeuge sind. Sie können einen Bericht über das Wachstum des chinesischen BIP schreiben, eine Analyse erstellen und eine komplexe Frage beantworten. Doch dann gibt es Probleme anderer Art.
„Ich möchte die spezialisierte Art und Weise verstehen, wie ich Öl und Gas fördere, die zugleich legal und ethisch ist und die Produktionskosten senkt. Ich möchte die Lieferkette meiner Branche verändern, sei es im Militärbereich, in der Fertigung oder in der Automobilindustrie“, sagte Karp. „Diese Dinge erfordern präzise, kontinuierliche Prozesse.“ Und dort reicht ein Modell allein nicht aus. „Sie werden durch große Sprachmodelle gestärkt. Diese ersetzen sie nicht“, fügte er hinzu.
Karp sprach auch offen über die Atmosphäre, die in der Technologiewelt herrschte. Er wies darauf hin, dass es zwar Zweifel an KI gab, diese aber niemand öffentlich äußerte, weil man fürchtete, dumm oder rückständig zu wirken. „Damals, als wir uns zum ersten Mal trafen, hieß es: KI, vielleicht real. Dann war plötzlich klar, dass sie real ist, aber irgendwie funktioniert sie nicht. Doch wir durften das nicht öffentlich sagen, weil wir sonst dumm ausgesehen hätten“, sagte er.
Dabei stellen sich auch andere die von Karp angesprochenen Fragen. Andrew Macdonald, Chief Operating Officer von Uber, räumte kürzlich ein, dass das Unternehmen keinen direkten Zusammenhang zwischen den Ausgaben für KI und einer messbaren Verbesserung der Produktivität sieht. Und Sam Altman von OpenAI bezeichnete diese Kritik als „die fairste, mit der KI derzeit konfrontiert ist“.
Quellen: businessinsider.com und aol.com
