Google hat Details zu einer neuen Art von KI veröffentlicht, die auf Graphen basiert – dem sogenannten Graph Foundation Model (GFM). Dieses Modell liefert eine bis zu 40-mal höhere Präzision als bisherige Methoden und wurde erfolgreich in groß angelegten Anwendungen wie der Spam-Erkennung getestet.
Das Ziel hinter der Entwicklung
Die Motivation für die Entwicklung dieser Technologie bestand darin, ein Modell zu schaffen, das über herkömmliche relational gekoppelte Datentabellen hinausgeht. Ziel war es, ein Modell zu entwickeln, das für eine breite Vielfalt von Aufgaben, Datensätzen und Tabellen anwendbar ist, ohne zusätzliche Trainingsanforderungen.
„Graph Neural Networks“ vs. „Graph Foundation Models“
Im Gegensatz zu bisherigen Technologien wie den „Graph Neural Networks“ (GNNs), die spezifisch für ein bestimmtes Datenset trainiert werden müssen und nicht auf andere Grapharten übertragbar sind, bringt das GFM einen entscheidenden Fortschritt: Es ist in der Lage, allgemeine Muster und Verknüpfungen in unbekannten Datensätzen zu erkennen. Somit wird der bisherige limitierende Rahmen überwunden.
Wie GFM funktioniert
Stell dir einen Datensatz vor, der als Tabelle organisiert ist. In einem herkömmlichen Ansatz repräsentieren die Zeilen die Einheiten (Knoten) und die Tabellenbeziehungen stellen Edge-Verbindungen dar. Mit dem GFM wird jedes Element der Datenstruktur in einen durchgehenden Graphen überführt, der Verknüpfungen zwischen allen Tabellen und ihren Relationen abbildet. Auf diese Weise können neue, bisher nicht erkannte Muster identifiziert werden.
Einfache Implementierung und Skalierbarkeit
Ein herausragendes Merkmal dieses Modells ist laut Google, dass der Prozess einfach und skalierbar ist. Das bedeutet, dass dies problemlos in großen Infrastrukturen wie bei Google eingesetzt werden kann – eine wichtige Voraussetzung für den praktischen Nutzen der Technologie.
Praktische Tests und Ergebnisse
Die GFM-Technologie wurde in der Spam-Erkennung für Google Ads getestet, einer komplexen Umgebung mit Dutzenden von Graphen. Herkömmliche Systeme hätten hier Schwierigkeiten, Verbindungen zwischen unterschiedlichen Graphen herzustellen. GFMs leisten dies jedoch problemlos und zeigen beeindruckende Ergebnisse:
Ergebnisse: Eine Verbesserung der Präzision um den Faktor 3 bis 40, je nach Anwendungsaufgabe.
Wird dies von Google bereits eingesetzt?
Google hat keine Details dazu veröffentlicht, ob das Modell bereits in Live-Umgebungen zum Einsatz kommt. Laut der Ankündigung wurde es jedoch erfolgreich in groß angelegten Tests erprobt. So könnte die Technologie für zukünftige Aufgaben wie die Erkennung von Themeninhalten oder Link-Spam eine unglaublich vielseitige Rolle spielen. Da keine Schwächen in den Tests berichtet wurden, scheint die Technologie bereit für den breiten Einsatz zu sein.
Weiterführende Überlegungen: Google stellt außerdem fest, dass eine zusätzliche Optimierung durch größere Skalierung und eine vielfältigere Datenerhebung in Zukunft möglich ist.
Zusammenfassend festigt das GFM Googles Position als Vorreiter auf dem Gebiet der künstlichen Intelligenz und schafft eine Grundlage für neue Anwendungen in der datenbasierten Entscheidungsfindung.
