Ein in Shanghai ansässiger quantitativer Handelsfonds sorgt in der Community der künstlichen Intelligenz (KI) für Aufsehen, indem er auf einer führenden internationalen Konferenz eine potenziell bahnbrechende Trainingstechnik vorstellt. Diese innovative Methode, die in einer Forschungsarbeit beschrieben wird, die bei der renommierten Conference on Neural Information Processing Systems (NeurIPS) eingereicht wurde, könnte die Wirksamkeit etablierter KI-Trainingsansätze, die von prominenten Forschungseinrichtungen wie DeepSeek und OpenAI verwendet werden, erreichen oder sogar übertreffen. Dieser Schritt spiegelt die eigene Entwicklung von DeepSeek wider, das mit seinen Fortschritten bei KI-Algorithmen große Aufmerksamkeit erlangte.
Entschlüsselung des SASR-Trainingsframeworks von Goku
Shanghai Goku Technologies, gegründet im Jahr 2015, hat ein neuartiges KI-Trainingsframework namens SASR oder schrittweises adaptives Hybridtraining eingeführt. Dieser Ansatz zielt darauf ab, die wahrgenommenen Beschränkungen gängiger Methoden wie Supervised Fine-Tuning (SFT) und Reinforcement Learning (RL) zu beseitigen. Goku argumentiert, dass SASR, inspiriert von der Art und Weise, wie Menschen Denkfähigkeiten entwickeln, einen adaptiveren und effizienteren Weg zum Aufbau fortschrittlicher KI-Modelle bietet.
SFT und RL gelten als Eckpfeiler des KI-Trainingsprozesses und werden von Branchenriesen wie OpenAI und DeepSeek eingesetzt. DeepSeek hat die entscheidende Rolle dieser Techniken bei der Optimierung der Leistung seines V3-Modells, das im Dezember veröffentlicht wurde und in der Technologiebranche großes Interesse hervorrief, ausdrücklich betont.
Laut der Forschungsarbeit von Goku, die in Zusammenarbeit mit Forschern der Shanghai Jiao Tong University und ihrer neu gegründeten KI-Tochtergesellschaft Shanghai AllMind Artificial Intelligence Technology verfasst wurde, zeigt SASR eine überlegene Leistung im Vergleich zu SFT, RL und statischen Hybridtrainingsmethoden. „Experimentelle Ergebnisse zeigen, dass SASR SFT-, RL- und statische Hybridtrainingsmethoden übertrifft“, betonte das Goku-Team in seiner Forschungsarbeit.
Die Implikationen des Fortschritts von Goku
Der KI-Trainingsdurchbruch von Goku unterstreicht angeblich Chinas kontinuierlichen Fortschritt auf dem Gebiet der KI. Er verdeutlicht potenziell die Grenzen der aktuellen Politik der US-Regierung, die darauf abzielt, Chinas KI-Fortschritt durch Hardwarebeschränkungen zu behindern. Jensen Huang, CEO von Nvidia, hat sich kürzlich zu der wahrgenommenen Ineffektivität dieser Beschränkungen geäußert und erklärt, dass “China 50 Prozent der KI-Entwickler der Welt hat”.
DeepSeek, ein chinesisches KI-Startup, das aus dem Hedgefonds High-Flyer hervorgegangen ist, hat breite Anerkennung für die Demonstration von Chinas Potenzial für KI-Führung durch fortschrittliche Algorithmen und die Integration von Hardware und Software erlangt.
Die Rolle von AllMind in der KI-Strategie von Goku
Die Gründung von AllMind, die mit der Veröffentlichung der Forschungsergebnisse von Goku zusammenfällt, deutet auf einen strategischen Schritt hin, Ressourcen für KI-Forschung und -Entwicklung zu widmen. Chinesische Unternehmensregister zeigen, dass AllMind am selben Tag offiziell registriert wurde, an dem Goku seine Forschungsergebnisse veröffentlichte.
Wang Xiao, der Gründer von Goku und der gesetzliche Vertreter von AllMind, hat erklärt, dass die neue Einheit gegründet wurde, um neue KI-Grenzen zu erforschen. Dies spiegelt den Ansatz von High-Flyer wider, das DeepSeek im Jahr 2023 als separate Einheit etablierte.
Nach Angaben auf der offiziellen Website verwaltete Goku Ende des vergangenen Jahres über 15 Milliarden Yuan (ca. 2,1 Milliarden US-Dollar) an inländischen und internationalen Vermögenswerten und setzte dabei KI-gesteuerte Strategien ein.
Vertiefung in SASR: Ein schrittweises adaptives Hybridtrainingsframework
Das SASR-Framework von Goku stellt eine interessante Alternative in der Landschaft des KI-Modelltrainings dar. Um seine potenziellen Auswirkungen wirklich einschätzen zu können, ist ein detaillierteres Verständnis seiner Komponenten und Funktionsweise unerlässlich.
Der “schrittweise” Aspekt von SASR impliziert einen mehrstufigen Trainingsprozess, bei dem das KI-Modell iterativen Verfeinerungen unterzogen wird. Jeder Schritt beinhaltet wahrscheinlich spezifische Ziele und nutzt unterschiedliche Trainingsdaten, um bestimmte Fähigkeiten innerhalb des Modells zu fördern. Dieser schrittweise Ansatz kann Vorteile bieten, wie z. B. die Abschwächung der Herausforderungen beim Trainieren komplexer Modelle von Grund auf und die Möglichkeit einer maßgeschneiderten Optimierung in jeder Phase.
Das “adaptive” Element deutet darauf hin, dass der Trainingsprozess nicht statisch ist, sondern dynamisch auf die Leistung und die Eigenschaften des Modells reagiert. Diese Anpassungsfähigkeit könnte die Anpassung von Hyperparametern, die Änderung der Trainingsdatenverteilung oder die dynamische Gewichtung des Beitrags verschiedener Trainingsziele beinhalten. Ein adaptiver Prozess ermöglicht es der KI, effektiver zu lernen und sich zu verbessern.
Die “hybride” Natur von SASR zeigt, dass es Elemente verschiedener Trainingsmethoden kombiniert. Dies ist ein entscheidender Aspekt, da es Stärken und Schwächen in SFT und RL gibt. Eine Mischung von Methoden ermöglicht es dem Modell, die Vorteile jedes Ansatzes zu nutzen und gleichzeitig seine Einschränkungen zu beseitigen. Durch die Integration dieser drei Eigenschaften ist SARS theoretisch besser auf die Entwicklung von Logik und Argumentation abgestimmt.
Vergleich von SASR mit traditionellen Methoden
Supervised Fine-Tuning (SFT) basiert traditionell auf einem großen, beschrifteten Datensatz, in dem das KI-Modell lernt, Eingaben den gewünschten Ausgaben zuzuordnen. Reinforcement Learning (RL) beinhaltet das Trainieren des Modells durch Versuch und Irrtum, wobei Aktionen belohnt oder bestraft werden, um ein bestimmtes Ziel zu maximieren.
SASR versucht, die beiden zu integrieren und gleichzeitig die Einschränkungen der einzelnen Methoden zu überwinden. So kann SFT beispielsweise stark von der Qualität und Vollständigkeit der beschrifteten Daten abhängen. In vielen realen Szenarien kann die Beschaffung ausreichender, genauer Daten sowohl zeitaufwändig als auch teuer sein. RL erfordert zwar keine beschrifteten Daten, kann aber instabil sein und anfällig für Reward Hacking. Reward Hacking tritt auf, wenn das KI-Modell unbeabsichtigte Wege entdeckt, um seine Belohnung zu maximieren, was potenziell zu unerwünschtem Verhalten führt.
Das Framework von Goku hat das Potenzial, eine Verbesserung gegenüber den Einschränkungen von SFT und RL zu sein. Es sind jedoch weitere und kontinuierliche Tests erforderlich, um die in der Arbeit des Unternehmens dokumentierten ersten Ergebnisse zu überprüfen.
Algorithmische Innovation und Hardwareeinschränkungen
Die Nachricht vom SASR-Framework von Goku ist besonders relevant im Kontext der US-chinesischen Technologiebeziehungen. Seit einiger Zeit versucht die US-Regierung, den Aufstieg Chinas im KI-Bereich einzudämmen, indem sie den Zugang zu fortschrittlicher Computerhardware, insbesondere High-End-GPUs von Unternehmen wie Nvidia, einschränkt. Die Idee hinter diesen Beschränkungen ist, dass die Einschränkung des Zugangs Chinas zu leistungsstarker Hardware ihre KI-Entwicklungsbemühungen verlangsamen wird.
Kommentare von Nvidia-CEO Jensen Huang und Fortschritte, die aus chinesischen KI-Labors hervorgehen, deuten jedoch darauf hin, dass diese Maßnahmen möglicherweise nicht so wirksam sind, wie beabsichtigt. Huang hat bekanntlich angemerkt, dass China einen bedeutenden Teil der KI-Entwickler der Welt besitzt und dass die Einschränkung des Hardwarezugangs sie möglicherweise dazu anregt, alternative Lösungen zu finden.
Der viel beachtete KI-Durchbruch von Goku deutet darauf hin, dass algorithmische Innovation Hardwareeinschränkungen potenziell bis zu einem gewissen Grad ausgleichen kann. Wenn chinesische Forscher effizientere Trainingsalgorithmen entwickeln können, können sie möglicherweise mit weniger leistungsstarker Hardware eine vergleichbare KI-Leistung erzielen. Dies könnte erhebliche Auswirkungen auf die globale KI-Landschaft haben, da es darauf hindeutet, dass China seine KI-Kapazitäten trotz laufender Beschränkungen möglicherweise weiter ausbauen kann.
Dies bedeutet nicht, dass Hardware irrelevant ist. Fortschrittliche GPUs sind weiterhin entscheidend für das Training modernster KI-Modelle, und der Zugang zu der neuesten Hardware bietet zweifellos einen erheblichen Wettbewerbsvorteil. Die Arbeit von Goku zeigt jedoch, wie wichtig es ist, sowohl in Hardware als auch in Software zu investieren, und dass Fortschritte in einem Bereich Einschränkungen in dem anderen Bereich potenziell ausgleichen können.
Der Aufstieg der chinesischen KI: Jenseits von DeepSeek
Das Aufkommen von DeepSeek als bedeutender Akteur im KI-Bereich war ein Katalysator, der Chinas Entschlossenheit demonstriert, ein globaler Marktführer in dieser transformativen Technologie zu werden. DeepSeek ist jedoch nur ein Beispiel, und der Aufstieg von Goku mit seinem SASR-Trainingsframework verdeutlicht die wachsende Stärke und Innovation innerhalb des chinesischen KI-Ökosystems weiter.
Mehrere Faktoren tragen zu dieser Dynamik bei. Erstens verfügt China über einen riesigen Datenpool, der für das Training von KI-Modellen unerlässlich ist. Mit einer großen Bevölkerung und der weitverbreiteten Einführung digitaler Technologien haben chinesische Unternehmen Zugang zu massiven Datensätzen, die verwendet werden können, um ihre KI-Algorithmen zu entwickeln und zu verfeinern.
Zweitens legt China großen Wert auf die MINT-Ausbildung und bringt eine große Anzahl talentierter Ingenieure und Wissenschaftler hervor. Dies hat eine hochqualifizierte Belegschaft geschaffen, die in der Lage ist, Innovationen in den Bereichen KI und verwandten Bereichen voranzutreiben.
Drittens hat die chinesische Regierung KI zu einer strategischen Priorität erklärt und stellt erhebliche Mittel und Unterstützung für Forschung und Entwicklung bereit. Dies hat ein günstiges Umfeld für KI-Startups geschaffen und die Zusammenarbeit zwischen Wissenschaft und Industrie gefördert.
Schließlich sind chinesische Unternehmen oft bereit, einen pragmatischeren und risikobereiteren Ansatz für Innovationen zu wählen, der es ihnen ermöglicht, sich schnell zu bewegen und mit neuen Ideen zu experimentieren.
Infolge dieser Faktoren holt China in Bezug auf die KI-Kapazitäten rasch zu den USA auf. Während die USA in bestimmten Bereichen, wie z. B. Grundlagenforschung und High-End-Hardware, immer noch einen Vorsprung haben, macht China in Bereichen wie Computer Vision, Natural Language Processing und Robotik erhebliche Fortschritte.
Das Aufkommen von Unternehmen wie Goku und DeepSeek deutet darauf hin, dass China gut positioniert ist, um seinen Aufstieg im KI-Bereich in den kommenden Jahren fortzusetzen.
Shanghai Goku Technologies: Das Unternehmen hinter der Innovation
Shanghai Goku Technologies ist ein quantitativer Handelsfonds, der im Jahr 2015 gegründet wurde. Er verwaltet erhebliche Vermögenswerte mithilfe von KI-gesteuerten Strategien. Die erklärte Mission des Unternehmens ist es, “Technologie und Fundamentalanalyse zu kombinieren”, um seinen Kunden bessere Renditen zu bieten. Neben seinem Kerngeschäft in der Vermögensverwaltung hat Goku ein Engagement für die Erweiterung der Grenzen der KI-Forschung gezeigt. AllMind Artificial Intelligence Technology, die KI-Tochtergesellschaft, stellt einen strategischen Schritt dar, um seine KI-Forschungsbemühungen zu formalisieren und zu beschleunigen.
Details über die interne Struktur und die betriebliche Dynamik des Unternehmens sind nach wie vor relativ spärlich. Die öffentlichen Aussagen und die jüngsten Aktivitäten geben jedoch Einblicke in seinen Ansatz. Der Slogan des Unternehmens, der übersetzt lautet “Logik und Wahrheit sind die einzigen Prinzipien, denen wir gehorchen”, spiegelt eine datengesteuerte und analytische Kultur wider. Die Investition in KI-Forschung und -Entwicklung deutet auf eine langfristige Vision und ein Bewusstsein für das transformative Potenzial von KI hin, nicht nur innerhalb des Finanzsektors, sondern auch in verschiedenen Branchen. Es ist wahrscheinlich, dass Goku beabsichtigt, Erkenntnisse aus der KI-Forschung zu nutzen, um seine Handelsstrategien zu verbessern und sich einen Wettbewerbsvorteil auf dem Markt zu verschaffen.