Sprechen ohne Gedanken

Künstliche Intelligenz Part 2; Der Phasenraum der
Möglichkeiten; Die Fähigkeit, Sprache zu erlernen; Grenzen von
LLMs und die systemische Beurteilung von Dingen


 


In dieser Episode vertiefen Alex und Chris das Thema künstliche
Intelligenz (KI). Die Fähigkeit, Aufgaben zu lösen und was die
Erweiterung des Phasenraums der Möglichkeiten bedeutet. Sie
diskutieren über Sprache und wie KI diese lernt.


 


„1. Anything that is in the world when you’re born is normal and
ordinary and is just a natural part of the way the world works.


2. Anything that’s invented between when you’re fifteen and
thirty-five is new and exciting and revolutionary and you can
probably get a career in it.


3. Anything invented after you’re thirty-five is against the
natural order of things.“


Douglas Adams in The Salmon of Doubt



 


Intelligenz ist nicht nur Teil eines Individuums, sondern basiert
auch auf übergeordnete Systemen. Welche Voraussetzung oder
vielmehr Konstruktion liegt zugrunde, welchem Raum für Lösungen
bietet die Umgebung und gibt es überindividuelle Lösungssysteme.


Außerdem sprechen wir über Large Action Models (LAMs), wie z. B.
den erst kürzlich eingeführten Rabbit R1, der für uns Aufgaben im
Internet erledigen kann, wie etwa Reisen zu buchen. Vor allem
Chris sieht hier noch potenzielle Risiken und Fehlerquellen. Wie
trifft ein solcher Agent Entscheidungen, z. B. bei der Auswahl
gesunder Lebensmittel, und welche Herausforderungen ergeben sich
aus der selbstständigen Lernfähigkeit des Systems?


Die Gefahr der „Vergiftung“ des Systems, wenn es ausschließlich
aus sich selbst heraus lernt, und die Unmöglichkeit, den
Wahrheitsgehalt der von LLMs generierten Informationen zu
garantieren.


Wir spekulieren darüber, inwieweit sich die Nutzung von LLMs, die
aktuell hauptsächlich aus Textgenerierung besteht,
weiterentwickeln wird. Wird sich auch unser eigenes Verständnis
von Wissen und Wahrheit wandeln? 


Folge uns auf einer erneuten Reise durch die Welt des
Menschlichen im Raum künstlicher Intelligenz.


 


In der Folge erwähnt:


Rabbit R1: https://www.rabbit.tech/

Notes on
Complexity: https://www.goodreads.com/book/show/62686859-notes-on-complexity

„Vergiftung“ durch Self-Consuming Training Loops oder auch
Model Autophagy Disorder (MAD): Paper: Self-Consuming Generative
Models Go MAD: https://arxiv.org/pdf/2307.01850v1.pdf


Tensility Venture Partners - Blogartikel zum Paper: The
Double-Edged Sword of Synthetic Data in AI
Training: https://www.tensilityvc.com/insights/the-double-edged-sword-of-synthetic-data-in-ai-training

Paper: Large Language Models Suffer From Their Own Output: An
Analysis of the Self-Consuming Training
Loop: https://arxiv.org/pdf/2311.16822.pdf

Paper: Self-Correcting Self-Consuming Loops for Generative
Model
Training: https://cs.brown.edu/people/ngillman/pubs/sc-sc.pdf



 


--------


Anstehende Termine von Chris & Alex:
 


Chris: 14. Nov 24 - World Usability Day bei Denkwerk
- 14:30 Uhr


https://germanupa.de/events/world-usability-day/wud-koeln


 


Alex: 28. Nov 24 - InnovativeCon - 14:00
Uhr


https://shop.difmi.de/s/difmi/innovativecon

 


Chris: 05. Dez 24 - Smashing Meets Product Design -
16:00


https://smashingconf.com/meets-product-design
 


--------