Lerne, wie eine KI zu denken

Wie Künstliche Intelligenz denkt und arbeitet – das lässt sich anhand einiger grundlegender Prinzipien besser verstehen. Die sogenannten Large Language Models (LLM) funktionieren im Kern wie ein hochentwickeltes Textvorhersage-System, das auf Basis riesiger Datenmengen das jeweils nächste Wort in einem Satz vorhersagt, erklärt Ethan Mollick in seinem 100. Substack-Beitrag. Diese KI-Systeme arbeiten mit einem begrenzten … Weiterlesen …

KI-Detektoren haben hohe Fehlerquote

Schulen und Universitäten setzen vermehrt auf KI-Detektoren, um von Schülern und Studenten eingereichte Arbeiten auf KI-Nutzung zu prüfen. Laut einer Umfrage nutzen etwa zwei Drittel der Lehrkräfte solche Tools regelmäßig. Wie Jackie Davalos und Leon Yin in Bloomberg Businessweek berichten, können bei diesem Umfang selbst geringe Fehlerquoten zu zahlreichen Falschbeschuldigungen führen. Die Autoren testeten zwei … Weiterlesen …

Wie der Begriff Künstliche Intelligenz missverstanden wird

Wir dürfen bei der Diskussion um künstliche Intelligenz nicht den Begriff „künstlich“ aus den Augen verlieren. Nach meiner Wahrnehmung wird zu häufig darüber diskutiert, ob eine KI wie ChatGPT „wirklich intelligent“ sei. Aber darum geht es ja gar nicht. Um es mit einem Vergleich zu erklären: Ist eine künstliche Rose dasselbe wie eine echte, natürliche … Weiterlesen …

Large Language Model

Ein Large Language Model, oft als LLM abgekürzt, ist ein hochentwickeltes künstliches neuronales Netzwerk, das darauf spezialisiert ist, menschliche Sprache zu verstehen, zu generieren und zu verarbeiten. Diese Modelle werden als „large“ (groß) bezeichnet, weil sie auf enormen Mengen an Textdaten trainiert werden und Milliarden von Parametern enthalten können. LLMs sind in der Lage, eine … Weiterlesen …

Mixture of Experts

Mixture of Experts (MoE) ist ein Konzept in der künstlichen Intelligenz, das sich am besten als ein Team von Spezialisten verstehen lässt. Bei diesem Ansatz wird eine komplexe Aufgabe auf mehrere kleinere, spezialisierte Modelle – die sogenannten „Experten“ – aufgeteilt, anstatt ein einziges großes Modell für alles zu verwenden. Ein zentraler „Gatekeeper“ oder „Router“ entscheidet … Weiterlesen …

Chain of Thought

Chain of Thought (Gedankenkette) ist ein Konzept in der künstlichen Intelligenz, das die Fähigkeit von KI-Systemen beschreibt, komplexe Probleme schrittweise zu lösen, ähnlich wie es Menschen tun. Diese Methode ermöglicht es KI-Modellen, ihre Denkprozesse in einer für Menschen nachvollziehbaren Weise darzulegen. Anstatt nur eine endgültige Antwort zu liefern, zeigt die KI dabei die einzelnen Gedankenschritte … Weiterlesen …

Agenten

Aktuelle KI-Assistenten geben Antworten auf Fragen oder führen einfache, klar definierte Aufgaben durch. Sie werden aber nicht selbstständig tätig. Komplexere Aufträge benötigen zudem immer einen Menschen als steuernde Figur. KI-Agenten hingegen sollen selbst einen Lösungsweg finden und Ziele autonom oder halbautonom verfolgen. KI-Agenten verwenden Basismodelle für Sprache, Bilderkennung und mehr, um Anweisungen in natürlicher Sprache … Weiterlesen …

Warum ChatGPT & Co. bisweilen grandios an Aufgaben scheitern

In einem früheren Smart Content Report zeigte ich eine kuriose bebilderte Anleitung, generiert von ChatGPTs Dall-E: Ich finde solche „Fails“ spannend zu sehen, weil sich dort oftmals grundsätzliche Probleme zeigen.  Wir sind z.B. immer noch ein gutes Stück von einer KI entfernt, die die Welt um sich herum tatsächlich versteht („General World Model“). Im Moment … Weiterlesen …

General World Model

Ein General World Model, oder allgemeines Weltmodell, ist ein ehrgeiziges Konzept in der künstlichen Intelligenz. Es zielt darauf ab, ein KI-System zu erschaffen, das die Welt so umfassend versteht und simulieren kann wie ein Mensch. Stell dir etwa vor, du hättest einen virtuellen Assistenten, der nicht nur Texte oder Bilder erzeugen kann, sondern auch komplexe … Weiterlesen …

Den KI-Hype-Cycle verstehen

In seinem Artikel für VentureBeat analysiert Samir Kumar, Mitbegründer von Touring Capital, den aktuellen KI-Hype-Zyklus. Er warnt davor, voreilige Schlüsse zu ziehen und erinnert an frühere Technologiewellen wie die Smartphone-Revolution. Kumar betont, dass die ersten Innovatoren oft nicht die langfristigen Gewinner sind. Er rät Gründern und Investoren, bei KI-Startups besonders auf Datenstrategien, regulatorische Voraussicht und Cybersicherheit … Weiterlesen …