Warum KI-Prognosen die Technologie oft richtig einschätzen, aber den Zeitplan falsch veranschlagen
aiinsider ·
Ein aktueller Bericht des Deutschen Instituts für Wirtschaftsforschung (DIW) hebt ein wiederkehrendes historisches Muster hervor: Technologieprognosen treffen die Fähigkeiten oft richtig, verfehlen jedoch die Zeitskalen der Einführung und die sozialen Auswirkungen erheblich. Der Artikel führt Beispiele wie Bob Metcalfes gescheiterte Vorhersage eines Internetzusammenbruchs und Steve Ballmers Abwertung des iPhone an, um zu verdeutlichen, dass technischer Fortschritt nicht automatisch zu einer sofortigen breiten Nutzung führt. Im Kontext der künstlichen Intelligenz argumentiert der Bericht, dass Faktoren wie Kosten, Regulierung, Integration in Arbeitsabläufe und öffentliches Vertrauen eine entscheidendere Rolle spielen als die reine Modellleistung. Er widerlegt spezifisch die Fehlannahme, dass KI Berufe wie die Radiologie vollständig ersetzen wird, da menschliches Urteilsvermögen und Kommunikation weiterhin wesentliche Bestandteile dieser Jobs bleiben. Die Analysten führen darauf zurück, dass Prognosen oft fehlschlagen, weil sie komplexe Systeme als linear betrachten und sich nur auf die sichtbarsten, automatisierbaren Aufgaben konzentrieren, anstatt den gesamten Umfang der Arbeit zu berücksichtigen. Zudem stellt der Bericht fest, dass verschiedene Interessengruppen Anreize haben, dramatische Behauptungen zu verstärken, was zu einer Verzerrung hin zu Hype statt zu einer abgewogenen Einschätzung führt. Trotz dieser Prognosefehler betonen die Autoren, dass reale Risiken wie Betrug, Deepfakes und Arbeitsplatzverdrängung unmittelbare Governance-Maßnahmen und technische Schutzvorkehrungen erfordern. Letztlich rät das Stück zu Vorsicht gegenüber sowohl Doomerismus als auch übermäßiger Optimismus und schlägt vor, dass die Auswirkungen der KI eher durch gesellschaftliche Entscheidungen als durch technologischen Determinismus geprägt sein werden.
aiinsider