Nr. 11

Ambient Learning

Was mir der Bau von Loom über Föderation beigebracht hat, die vier Prinzipien, zu denen ich immer wieder zurückkehre, und warum der Index, den Rao baut, ambient ist.

2023 tauchte ich in ein mächtiges Paradigma ein: föderierte soziale Netzwerke. Ich baute eine Social-Anwendung namens Loom, um zu lernen, wie diese Systeme funktionieren, was sich darauf aufbauen ließe und ob daraus ein tragfähiges Produkt werden könnte: eine Alternative zu zentralisierten sozialen Plattformen. Hier ist ein Blogpost, den ich um die Zeit schrieb, als ich die Entwicklung einstellte und auf einen konventionellen Karriereweg zurückkehrte. Es war ein großes Risiko, eines, das ich finanziell in vielerlei Hinsicht bezahlt habe und heute sorgfältiger abwägen würde, aber ich spürte eine Berufung, Lösungen für soziale Netzwerke zu bauen, nachdem ich Risiken beobachtet hatte, die damals nicht allgemein verstanden wurden. Es fühlte sich richtig an, bis der Schwung um Lemmy selbst nachzulassen begann.

Dennoch lohnt es sich, die Idee der „Föderation“ zu verstehen. Mehrere Parteien können denselben Stack oder dieselbe Instanz einer Idee hosten und ihre Communities dennoch miteinander teilen, während jeder in jeder Community selbst entscheidet, was er in seinem eigenen Feed haben möchte. Nutzer kontrollierten ihre eigenen Feeds, jede Community kontrollierte, was in ihren Feed gelangte, und wer weitergehen wollte, konnte eine eigene Community gründen: ein allumfassender Raum für den eigenen Kreis, der seine Inhalte in die Welt schickt oder privat hält. Bald würde ich erkennen, dass die wahre Stärke der Föderation in der Personalisierung lag. Es war ein modulares, in sich geschlossenes soziales Ökosystem, in dem jeder mitbestimmen konnte, wie es geformt wird: eine strukturelle Alternative zum zentralisierten Feed.

Dieselben Konzepte begegneten mir später im maschinellen Lernen wieder, in einem Projekt namens FATE. Von da an begann ich zu erforschen, welche Komponenten der Föderation tatsächlich wichtig sind, wie sich ein standardisiertes Lern-Framework um sie herum bauen lässt und wie sie auf die Probleme anzuwenden sind, vor denen die KI-Branche heute steht.

  1. Kommunikation zwischen mehreren Parteien
  2. Daten-Governance
  3. Dateneigentum
  4. Personalisierung

Das sind die vier Prinzipien, zu denen ich immer wieder zurückkehre, und der Bau des Ambient Intelligence Index hat sie in Code gefestigt: ein Index, der es einem Nutzer erlaubt, seine Regeln festzulegen, seine eigenen Daten selbst zu verwalten, sie bei Bedarf gegen Entgelt zu teilen und damit Interaktionen überall dort zu personalisieren, wo es nötig ist, mit Kommunikationsflüssen, die sich mit dem Index eines anderen Nutzers verbinden können, um Gedanken zusammenzuführen. Es ist Föderation, angewandt auf Daten, die für Training und Inferenz im maschinellen Lernen aufbereitet sind, auf der Ebene der Datenbank selbst.

Warum nenne ich dieses System also Ambient? Aus zwei Gründen. Der erste entstand aus dem Versuch, die richtige Mensch-Computer-Interaktion für KI zu verstehen. Chatbots mochte ich nie; ich sah sie immer als die Alpha vor der Beta, einen Schritt vor den Produkten, die tatsächlich Wert schaffen werden. Und ich dachte: „etwas Ambientes.“ Ich bin persönlich jemand, der lieber für Ambiente bezahlt. Ich bevorzuge verborgenen Wert, Logos, die nicht sichtbar sind, und Informationsgewinnung, die kein Verhör ist, alles ohne den Nutzer durch Dark Patterns zu nötigen. Ihre Gegenstücke, lautes Branding, Verhör und Dark Patterns, haben eine ganze Generation von Verhaltensweisen geprägt, die wir jetzt offline sehen, gelernt von der Software, die uns seit den Anfängen sozialer Netzwerke trainiert. Der zweite Grund war die Begegnung mit einem internet of things-Konzept, das buchstäblich Ambient IoT heißt. Dann machte vieles auf einmal Klick.

Das Ziel sind Systeme, die unser Leben ambient und indirekt verstehen und dabei die Privatsphäre wahren und diese Fakten später abrufen, um unsere Erfahrungen direkt zu erweitern: stetiger Fortschritt für den Einzelnen ohne dessen direkte Anstrengung, sozusagen automatisierte Barrierefreiheit. Informationen werden ambient von unseren Geräten gesammelt, aus unseren Lernmustern, unseren täglichen Tagebüchern, unserer Arbeit und unseren Aufgaben, und in einem strukturierten Format in einem Index abgelegt, der uns repräsentiert. Machine-Learning-Ingenieure fragen ihn an, um Modelle zu bauen, ohne je unsere Identität zu kennen, und diese Modelle dienen uns über dieselben Geräte wieder. Eine unendliche Schleife personalisierten, stetigen Wachstums.

Rao wird das nächste Jahrzehnt an dieser Idee arbeiten. Ich habe nicht nur mehr als ein Jahrzehnt an Narben, die zeigen, wohin das führt, ich weiß auch genau, was nicht funktioniert. Ambient Learning ist der erste Schritt, hinein ins Ambient Indexing, hin zu einem ambienten Internet der Dinge, das uns dient, uns zurück gutschreibt und echten Wert liefert, ohne uns die Umwelt zu kosten, ohne uns die richtigen Lernwege zu kosten, ohne uns uns selbst zu kosten. Ein Gleichgewicht.

Dann kommen die Erfahrungen mit Geräten. Einen Raum betreten, in dem das Licht gedimmt wird, nicht weil ich einen ganzen Tag in einer Anwendung an Einstellungen herumgespielt habe, sondern weil er genau weiß, warum ich es gedimmt haben wollte. Nicht wegen eines Zeitplans, sondern weil ich es in genau diesem Moment brauchte. Ich habe das mit Ambient bereits erlebt, in Momenten, die mir klarmachten, dass AII das Gerüst für genau dieses Gefühl liefert. Der nächste Schritt ist, es zu benchmarken und zu messen, damit es konsistent ist, und das Warum auf granularer Ebene zu verstehen, damit es zu einem Standard-Framework für ambiente Anwendungen werden kann. Selbst mit Mistral Medium war dieses ambiente Gefühl möglich, etwas, das ich in alltäglichen Chats mit Claude, Mistral oder ChatGPT nicht erlebt habe, und ich möchte, dass es ein Bootstrap-Ausgangspunkt für Ingenieure wird, die in dieses Feld einsteigen.

Sicherheit ist hier die wichtigste Variable, denn Personalisierung, ambient oder nicht, funktioniert nur, wenn die Identität eines Nutzers um jeden Preis geschützt wird. Das bedeutet, Nachrichten während der Übertragung zu verschlüsseln, Daten im Ruhezustand zu verschlüsseln und damit zu planen, dass Daten ohne Einwilligung entwendet werden: Sie unbrauchbar zu machen gegen den Nutzer, dem sie genommen wurden, und unverständlich für den, der sie genommen hat. Es bedeutet ein geschlossenes System in jedem Medienformat und in jeder einzelnen Domäne die Extrameile zu gehen. Das ist die letzte Grenze für künstliche Intelligenz als Branche, und einer der Hauptgründe, warum ich glaube, dass die Technologie am Beginn einer weiteren industriellen Revolution steht. Rao hofft, eine Ausgangslösung beizutragen: den Index. AII.

P.S.

AII, oder Ambient Intelligence Index, war auch der Spitzname meiner Oma, phonetisch „Eye - /ˈaɪ̯/, [ˈaɪ̯]“. Lustig, wie die Dinge manchmal spielen.

Das ist der Song zu diesem Beitrag. Lassen Sie uns 2026 stark abschließen. Schöne Feiertage an alle, und ich freue mich auf 2027.