Analysen zu KI, Automatisierung, Cloud und Software. Ohne Hype: was sich ändert, was funktioniert und was vor großen Versprechen geprüft werden sollte.
Neuester Beitrag Wissenschaft und Mathematik
OpenAI hat 722 Manuskripte mit Ergebnissen zu offenen Problemen der Mathematik veröffentlicht. Was sie enthalten, welche wirklich wichtig wären, was eine Maschine geprüft hat und was noch aussteht.
Vom Imitationsspiel von 1950 zu Experimenten mit heutigen Modellen: Was der Turing-Test misst und welchen Platz er in der KI-Forschung hat.
Mit KI erstellte Mods werfen eine Frage auf, die auch Künstler und Mathematiker beschäftigt: Warum weitermachen, wenn eine Maschine es kann? Schach liefert einen Hinweis.
Wir haben Cloudflare OS bei Codin ausprobiert: eine Umgebung, um kleine Anwendungen mit KI zu erstellen, anzupassen und zu teilen. Unser CRM ist ein erstes Beispiel.
OpenAI will mehr als hundert offene Probleme gelöst haben, und ein Teil der mathematischen Gemeinschaft antwortet mit einem Brief. Worum es geht, was gefordert wird und was wir bei Codin denken.
Eine stetig wachsende Grundfähigkeit, Aufgaben aus vielen Schritten und Labore, die trainieren, was sie überprüfen können: warum KI bei bestimmten Aufgaben in Sprüngen vorankommt.
Die bei GPT-2, GPT-4, o1 und Grok hervorgehobenen Tests zeigen, wie sich unsere Erwartungen an ihre Fähigkeiten verändert haben.
Was der Große Filter ist und warum KI ein Teil davon sein könnte: technologische Macht, fragile Institutionen und eine Kontrollfähigkeit, die nicht Schritt hält.
Sechs Fähigkeiten zum Verständnis künftiger LLM-Risiken: welche Gefahren sie ermöglichen könnten, welche Belege vorliegen und was für die schwersten Szenarien noch fehlt.
Das Konnektom einer Fliege eröffnet eine noch spekulative Debatte: Könnte eine Emulation etwas empfinden, und welche Pflichten hätten wir dann?
OpenAI behauptet, Navier–Stokes gelöst zu haben. Jenseits des Streits um die Urheberschaft würde die Konstruktion mit äußerer Kraft eine grundlegende Frage offenlassen.
Radfahrende Pelikane, Bälle im Sechseck und Blender-Szenen: Virale Tests zeigen, wie die Erwartungen an KI steigen und was ihre Demos tatsächlich aussagen.
Die entscheidende Schwelle für einen KI-Agenten könnte weder Bewusstsein noch Superintelligenz sein, sondern die Fähigkeit, Ressourcen zu beschaffen, aktiv zu bleiben und sich ohne klaren Eigentümer zu rekonstruieren.
Was lokale Inferenz zu einem Prozess mit sensiblen Daten beitragen kann, wo ihre realen Grenzen liegen und was der Produktionsbetrieb erfordert.
KI beschleunigt die Robotik, doch nicht alle Engpässe entwickeln sich gleich schnell. Am Klempnerhandwerk lassen sich Intelligenz, Geschicklichkeit, Zuverlässigkeit und Kosten trennen.
Single-Use-Apps werden für einen konkreten Bedarf erzeugt und danach verworfen. Interessant ist nicht, mehr Anwendungen zu produzieren, sondern zu entscheiden, welche Teile von Software dauerhaft sein müssen.
Die menschliche Form ist nicht für jede Aufgabe optimal. Ihr Vorteil zeigt sich, wenn ein Universalroboter unsere Werkzeuge und bestehende Räume nutzen soll.
KI-Systeme beginnen, mathematische Forschungsergebnisse zu erzeugen. Die Herausforderung könnte sich vom Beweisen auf Prüfen, Verstehen und Auswählen verlagern.
Eine Studie mit 26.811 Lernenden fand bessere Hausaufgaben in weniger Zeit, aber schlechtere Prüfungen. Entscheidend ist, welche Anstrengung die KI ersetzt.
