KI Kann ich - Künstliche Intelligenz einfach erklärt Archiv
119 Episoden
6 Minuten
Menschen und KI sind sehr ähnlich. KI ist weder immer gleich intelligent noch perfekt.
Large Language Models (LLMs) wie GPT funktionieren aber nicht wie Menschen und schon gar nicht sind sie exakt. Sie basieren nicht auf exakter Berechnung, sondern auf „kontextbasierter Wahrscheinlichkeitsmodellierung“.
Und LLM arbeiten auf der Ebene von „Tokens“. Diese Tokens werden vom Modell genutzt, um die nächsten Inhalte zu generieren, aber es gibt keine direkte Wort- oder Zeichenzählung.
Eine Analogie: So wie jeder Mensch unterschiedliche Mengen an Kalorien bei derselben Aktivität verbraucht, verarbeitet jedes LLM Tokens auf seine/ihre eigene Art.
Nicht jedes Zeichen oder Wort verbraucht gleich viele Ressourcen, und deshalb gibt es keine einfache „1:1-Zählung“.
Darum hat Erdbeere mal so oder mal so Zeichen. "Es" weiss nicht dass es "nichts" weiss. Und Du auch nicht. Ich auch nicht.
Darum hier mein Erklärungsversuch. Sag es bitte weiter, danke. Und sag mir, ob Dir diese Erklärung geholfen hat. Danke.
Der Blogbeitrag dazu auf LinkedIn
Bei Fragen: #fragRoger
Sehen wir uns am Montag im KI Update?
Abonnier auch meinen Newsletter.
Oder schau bei uns in der KI Community auf Skool vorbei:
Oder bei unserem KI Kurs vorbei
Large Language Models (LLMs) wie GPT funktionieren aber nicht wie Menschen und schon gar nicht sind sie exakt. Sie basieren nicht auf exakter Berechnung, sondern auf „kontextbasierter Wahrscheinlichkeitsmodellierung“.
Und LLM arbeiten auf der Ebene von „Tokens“. Diese Tokens werden vom Modell genutzt, um die nächsten Inhalte zu generieren, aber es gibt keine direkte Wort- oder Zeichenzählung.
Eine Analogie: So wie jeder Mensch unterschiedliche Mengen an Kalorien bei derselben Aktivität verbraucht, verarbeitet jedes LLM Tokens auf seine/ihre eigene Art.
Nicht jedes Zeichen oder Wort verbraucht gleich viele Ressourcen, und deshalb gibt es keine einfache „1:1-Zählung“.
Darum hat Erdbeere mal so oder mal so Zeichen. "Es" weiss nicht dass es "nichts" weiss. Und Du auch nicht. Ich auch nicht.
Darum hier mein Erklärungsversuch. Sag es bitte weiter, danke. Und sag mir, ob Dir diese Erklärung geholfen hat. Danke.
Der Blogbeitrag dazu auf LinkedIn
Bei Fragen: #fragRoger
Sehen wir uns am Montag im KI Update?
Abonnier auch meinen Newsletter.
Oder schau bei uns in der KI Community auf Skool vorbei:
Oder bei unserem KI Kurs vorbei
5 Minuten
Der Trend des "Bring Your Own AI" (BYOAI), bei dem Mitarbeitende eigene KI-Tools in das Unternehmensumfeld einbringen, birgt sowohl Chancen als auch erhebliche Risiken für Unternehmen.
Hier sind einige der wichtigsten Gefahren, die mit BYOAI verbunden sind:
Datenverlust: Wenn Mitarbeitende nicht autorisierte KI-Tools verwenden, können sensible Unternehmensdaten unabsichtlich oder absichtlich an unsichere Plattformen übertragen werden. Dies stellt ein erhebliches Risiko für Datenschutz und Datensicherheit dar
Schatten-IT: BYOAI kann zur Entstehung von "Schatten-IT" führen, bei der Mitarbeitende Anwendungen nutzen, die nicht offiziell vom Unternehmen genehmigt sind. Diese Anwendungen können Sicherheitslücken aufweisen, die von der IT-Abteilung nicht überwacht oder kontrolliert werden
Urheberrechtsverletzungen: Die Nutzung externer KI-Tools kann zu Urheberrechtsverletzungen führen, insbesondere wenn generative KI verwendet wird, um Inhalte zu erstellen, die auf urheberrechtlich geschütztem Material basieren
Regulatorische Anforderungen: Der EU AI Act stellt strenge Anforderungen an den Einsatz von KI in Unternehmen. BYOAI kann es schwierig machen, sicherzustellen, dass alle verwendeten KI-Systeme diesen Anforderungen entsprechen
Unkontrollierte Nutzung von KI: Mitarbeitende könnten KI-Tools verwenden, die nicht auf die spezifischen Bedürfnisse und Sicherheitsanforderungen des Unternehmens abgestimmt sind. Dies kann zu unvorhersehbaren Risiken führen, die schwer zu managen sind
Fehlende Governance: Ohne eine klare Governance-Struktur kann es schwierig sein, den Einsatz von BYOAI zu überwachen und zu steuern, was zu einem erhöhten Haftungsrisiko führen kann
Vertrauensverlust: Wenn Mitarbeitende eigenmächtig KI-Tools nutzen, kann dies das Vertrauen zwischen ihnen und der Unternehmensführung beeinträchtigen, insbesondere wenn dies ohne Wissen oder Zustimmung der Führung geschieht.
Veränderung der Arbeitsweise: Die Einführung von BYOAI kann die Arbeitsweise in Unternehmen grundlegend verändern, was bei Mitarbeitenden Unsicherheiten und Widerstände hervorrufen kann.
Darum: Unternehmen sollten klare Richtlinien und Kontrollen für den Einsatz von KI-Tools im Unternehmensumfeld etablieren, um die mit BYOAI verbundenen Risiken zu minimieren. Dies erfordert eine enge Zusammenarbeit zwischen IT, HR und der Unternehmensführung, um sicherzustellen, dass alle eingesetzten Technologien den Sicherheits- und Compliance-Standards entsprechen und die Unternehmenskultur nicht beeinträchtigen.
Bleib am Ball: abonnier meinen Newsletter
Hier sind einige der wichtigsten Gefahren, die mit BYOAI verbunden sind:
Datenverlust: Wenn Mitarbeitende nicht autorisierte KI-Tools verwenden, können sensible Unternehmensdaten unabsichtlich oder absichtlich an unsichere Plattformen übertragen werden. Dies stellt ein erhebliches Risiko für Datenschutz und Datensicherheit dar
Schatten-IT: BYOAI kann zur Entstehung von "Schatten-IT" führen, bei der Mitarbeitende Anwendungen nutzen, die nicht offiziell vom Unternehmen genehmigt sind. Diese Anwendungen können Sicherheitslücken aufweisen, die von der IT-Abteilung nicht überwacht oder kontrolliert werden
Urheberrechtsverletzungen: Die Nutzung externer KI-Tools kann zu Urheberrechtsverletzungen führen, insbesondere wenn generative KI verwendet wird, um Inhalte zu erstellen, die auf urheberrechtlich geschütztem Material basieren
Regulatorische Anforderungen: Der EU AI Act stellt strenge Anforderungen an den Einsatz von KI in Unternehmen. BYOAI kann es schwierig machen, sicherzustellen, dass alle verwendeten KI-Systeme diesen Anforderungen entsprechen
Unkontrollierte Nutzung von KI: Mitarbeitende könnten KI-Tools verwenden, die nicht auf die spezifischen Bedürfnisse und Sicherheitsanforderungen des Unternehmens abgestimmt sind. Dies kann zu unvorhersehbaren Risiken führen, die schwer zu managen sind
Fehlende Governance: Ohne eine klare Governance-Struktur kann es schwierig sein, den Einsatz von BYOAI zu überwachen und zu steuern, was zu einem erhöhten Haftungsrisiko führen kann
Vertrauensverlust: Wenn Mitarbeitende eigenmächtig KI-Tools nutzen, kann dies das Vertrauen zwischen ihnen und der Unternehmensführung beeinträchtigen, insbesondere wenn dies ohne Wissen oder Zustimmung der Führung geschieht.
Veränderung der Arbeitsweise: Die Einführung von BYOAI kann die Arbeitsweise in Unternehmen grundlegend verändern, was bei Mitarbeitenden Unsicherheiten und Widerstände hervorrufen kann.
Darum: Unternehmen sollten klare Richtlinien und Kontrollen für den Einsatz von KI-Tools im Unternehmensumfeld etablieren, um die mit BYOAI verbundenen Risiken zu minimieren. Dies erfordert eine enge Zusammenarbeit zwischen IT, HR und der Unternehmensführung, um sicherzustellen, dass alle eingesetzten Technologien den Sicherheits- und Compliance-Standards entsprechen und die Unternehmenskultur nicht beeinträchtigen.
Bleib am Ball: abonnier meinen Newsletter
5 Minuten
Schon mal von KI Burnout gehört?
Wie beeinflusst künstliche Intelligenz unsere Arbeitswelt und warum führt sie bei vielen Menschen zu einem "KI Burnout?"
Basierend auf einer aktuellen Studie von Upwork, die 2'500 Angestellte in den USA, Grossbritannien, Australien und Kanada befragt hat, wurden die Auswirkungen von KI auf unsere Arbeitsbelastung untersucht.
Die wachsende Rolle von KI in Unternehmen ist dabei nicht unwesentlich: KI wird eingesetzt, um sich wiederholende Aufgaben schneller zu erledigen und den Mitarbeitenden mehr Zeit für wichtigere Tätigkeiten zu geben.
Doch diese Entwicklung bringt nicht nur Vorteile mit sich. Laut der Upwork-Studie berichten 77 Prozent der Befragten, dass ihre Aufgabenlast durch den Einsatz von KI-Tools deutlich zugenommen hat.
Viele Angestellte fühlen sich durch die neuen Anforderungen überfordert. Fast die Hälfte der Befragten, nämlich 47 Prozent, wissen nicht, wie sie die Produktivität erreichen sollen, die von ihnen erwartet wird. Zudem machen es viele Unternehmen zur Pflicht, KI-Tools zu nutzen.
39 Prozent der Firmen verlangen dies von ihren Mitarbeiter:innen, während 46 Prozent es zumindest empfehlen. Diese Erwartungshaltung kann erheblichen Druck erzeugen.
Die psychologischen Auswirkungen sind nicht zu unterschätzen. 71 Prozent der Befragten fühlen sich ausgebrannt, und etwa ein Drittel erwägt, in den nächsten sechs Monaten den Job zu kündigen.
Diese Zahlen zeigen, dass der Einsatz von KI nicht nur die Produktivität steigern, sondern auch ernsthafte Folgen für das Wohlbefinden der Mitarbeitenden haben kann.
Wie können Unternehmen diesem Trend entgegenwirken? Viele Mitarbeitende wünschen sich klarere Ziele für den Einsatz von KI, da die allgemeine Forderung nach Produktivitätssteigerung oft zu unspezifisch ist und an den Nerven zehrt.
Zudem sollten die Unternehmen den Zeitaufwand berücksichtigen, der durch die Kontrolle und das Erlernen von KI-Tools entsteht.
39 Prozent der Befragten geben an, dass sie zu viel Zeit mit der Kontrolle von KI-Inhalten verbringen, während 23 Prozent viel Zeit darauf verwenden, die geforderten Tools zu erlernen.
Bleib am Ball: abonnier meinen Newsletter
Wie beeinflusst künstliche Intelligenz unsere Arbeitswelt und warum führt sie bei vielen Menschen zu einem "KI Burnout?"
Basierend auf einer aktuellen Studie von Upwork, die 2'500 Angestellte in den USA, Grossbritannien, Australien und Kanada befragt hat, wurden die Auswirkungen von KI auf unsere Arbeitsbelastung untersucht.
Die wachsende Rolle von KI in Unternehmen ist dabei nicht unwesentlich: KI wird eingesetzt, um sich wiederholende Aufgaben schneller zu erledigen und den Mitarbeitenden mehr Zeit für wichtigere Tätigkeiten zu geben.
Doch diese Entwicklung bringt nicht nur Vorteile mit sich. Laut der Upwork-Studie berichten 77 Prozent der Befragten, dass ihre Aufgabenlast durch den Einsatz von KI-Tools deutlich zugenommen hat.
Viele Angestellte fühlen sich durch die neuen Anforderungen überfordert. Fast die Hälfte der Befragten, nämlich 47 Prozent, wissen nicht, wie sie die Produktivität erreichen sollen, die von ihnen erwartet wird. Zudem machen es viele Unternehmen zur Pflicht, KI-Tools zu nutzen.
39 Prozent der Firmen verlangen dies von ihren Mitarbeiter:innen, während 46 Prozent es zumindest empfehlen. Diese Erwartungshaltung kann erheblichen Druck erzeugen.
Die psychologischen Auswirkungen sind nicht zu unterschätzen. 71 Prozent der Befragten fühlen sich ausgebrannt, und etwa ein Drittel erwägt, in den nächsten sechs Monaten den Job zu kündigen.
Diese Zahlen zeigen, dass der Einsatz von KI nicht nur die Produktivität steigern, sondern auch ernsthafte Folgen für das Wohlbefinden der Mitarbeitenden haben kann.
Wie können Unternehmen diesem Trend entgegenwirken? Viele Mitarbeitende wünschen sich klarere Ziele für den Einsatz von KI, da die allgemeine Forderung nach Produktivitätssteigerung oft zu unspezifisch ist und an den Nerven zehrt.
Zudem sollten die Unternehmen den Zeitaufwand berücksichtigen, der durch die Kontrolle und das Erlernen von KI-Tools entsteht.
39 Prozent der Befragten geben an, dass sie zu viel Zeit mit der Kontrolle von KI-Inhalten verbringen, während 23 Prozent viel Zeit darauf verwenden, die geforderten Tools zu erlernen.
Bleib am Ball: abonnier meinen Newsletter
4 Minuten
KI Washing ist eine Praxis in der Technologiebranche, bei der Unternehmen fälschlicherweise behaupten, ihre Produkte oder Dienstleistungen seien mit künstlicher Intelligenz (KI) ausgestattet, obwohl dies nicht der Fall ist. Diese Vorgehensweise ist vergleichbar mit dem sogenannten Greenwashing, bei dem Unternehmen Produkte als umweltfreundlich bewerben, obwohl sie es nicht sind. Beim KI Washing wird der Begriff "KI" als Marketinginstrument genutzt, um das positive Image von KI auszunutzen und Produkte attraktiver erscheinen zu lassen.
Mehr dazu auch auf https://fragroger.beehiiv.com Folge uns immer Montags live im Update Lerne wie Du mehr aus Social Media herausholen kannst in unsere KI Social Media Class
Und mach mit bei unserer SKOOL Community:
Mehr dazu auch auf https://fragroger.beehiiv.com Folge uns immer Montags live im Update Lerne wie Du mehr aus Social Media herausholen kannst in unsere KI Social Media Class
Und mach mit bei unserer SKOOL Community:
4 Minuten
Die Defense Advanced Research Projects Agency (DARPA) ist eine Forschungsbehörde des US-Verteidigungsministeriums, die 1958 als Reaktion auf den Sputnik-Schock gegründet wurde.
Ziel war es, durch Förderung von Spitzentechnologien und risikoreichen Innovationen die technologische Überlegenheit der USA sicherzustellen. Einige Kernpunkte zu DARPA:
DARPA ist eine relativ kleine Behörde mit nur etwa 200 Mitarbeitern und einem Jahresbudget von 3,5 Mrd. USD. Sie vergibt befristete Forschungsaufträge an Universitäten, Unternehmen und militärische Einrichtungen, unterhält aber selbst keine eigenen Labore
Die Agentur war an der Entwicklung vieler Schlüsseltechnologien beteiligt, darunter das ARPANET (Vorläufer des Internets), Stealth-Technologie, GPS, Drohnen und Spracherkennungssoftware und KI.
Mit einem Budget von über 2 Milliarden US-Dollar über mehrere Jahre zielt nun AI Next darauf ab, KI-Systeme zu schaffen, die kontextbezogen argumentieren, mit Menschen interagieren und sich an neue Situationen anpassen können.
Die Hauptziele von AI Next sind:
Steigerung der Robustheit und Zuverlässigkeit von KI-Systemen der zweiten Welle (statistisches Lernen) und deren Anwendung auf neue Probleme
Erforschung von KI-Technologien der dritten Welle, die Kontext und Vertrauen hinzufügen, z.B. durch erklärbare KI und Verständnis von Alltagswissen
Entwicklung von KI-Systemen, die den ethischen KI-Prinzipien des US-Verteidigungsministeriums entsprechen
Schaffung von KI-Assistenten, die mit Menschen auf natürliche Weise kommunizieren und Probleme lösen können
Bei Fragen: #fragRoger:
Abonnier auch meinen Newsletter.
Oder schau bei uns in der KI Community auf Skool vorbei
Ziel war es, durch Förderung von Spitzentechnologien und risikoreichen Innovationen die technologische Überlegenheit der USA sicherzustellen. Einige Kernpunkte zu DARPA:
DARPA ist eine relativ kleine Behörde mit nur etwa 200 Mitarbeitern und einem Jahresbudget von 3,5 Mrd. USD. Sie vergibt befristete Forschungsaufträge an Universitäten, Unternehmen und militärische Einrichtungen, unterhält aber selbst keine eigenen Labore
Die Agentur war an der Entwicklung vieler Schlüsseltechnologien beteiligt, darunter das ARPANET (Vorläufer des Internets), Stealth-Technologie, GPS, Drohnen und Spracherkennungssoftware und KI.
Mit einem Budget von über 2 Milliarden US-Dollar über mehrere Jahre zielt nun AI Next darauf ab, KI-Systeme zu schaffen, die kontextbezogen argumentieren, mit Menschen interagieren und sich an neue Situationen anpassen können.
Die Hauptziele von AI Next sind:
Steigerung der Robustheit und Zuverlässigkeit von KI-Systemen der zweiten Welle (statistisches Lernen) und deren Anwendung auf neue Probleme
Erforschung von KI-Technologien der dritten Welle, die Kontext und Vertrauen hinzufügen, z.B. durch erklärbare KI und Verständnis von Alltagswissen
Entwicklung von KI-Systemen, die den ethischen KI-Prinzipien des US-Verteidigungsministeriums entsprechen
Schaffung von KI-Assistenten, die mit Menschen auf natürliche Weise kommunizieren und Probleme lösen können
Bei Fragen: #fragRoger:
Abonnier auch meinen Newsletter.
Oder schau bei uns in der KI Community auf Skool vorbei
4 Minuten
Artificial General Intelligence (AGI) bezeichnet ein hochgradig autonomes, künstliches System, das in allen Bereichen mindestens gleiche oder bessere kognitive und intellektuelle Fähigkeiten wie der Mensch besitzt . AGI ist auch bekannt als "Künstliche Allgemeine Intelligenz" oder "Allgemeine Künstliche Intelligenz" und soll in der Lage sein, jede intellektuelle Aufgabe zu verstehen oder zu erlernen, die auch ein Mensch ausführen kann .
Superalignment ist ein Konzept, das darauf abzielt, sicherzustellen, dass super intelligente KI-Systeme, die menschliche Intelligenz übertreffen, in Übereinstimmung mit menschlichen Werten und Zielen handeln . Dies ist ein wichtiger Aspekt der KI-Sicherheit und umfasst skalierbare Schulungsmethoden sowie Validierung der Ausrichtungsmodelle.
AGI und Super Alignment sind eng miteinander verbunden, da Super Alignment ein wichtiger Aspekt der KI-Sicherheit ist, der sicherstellen soll, dass AGI-Systeme in Übereinstimmung mit menschlichen Werten und Zielen handeln. Ohne Super Alignment besteht das Risiko, dass AGI-Systeme nicht im Interesse der Menschheit handeln und negative Konsequenzen haben könnten.
Die 5 Level von Superinteligenz von OpenAi: https://www.forbes.com/sites/jodiecook/2024/07/16/openais-5-levels-of-super-ai-agi-to-outperform-human-capability/
Wann kommt die Singularität: https://www.perplexity.ai/page/kurzweil-s-superintelligent-ai-gYrOX.a2RiS5HJbFoEivHw
Bei Fragen: #fragRoger:
Abonnier auch meinen Newsletter.
Oder schau bei uns in der KI Community auf Skool vorbei
Superalignment ist ein Konzept, das darauf abzielt, sicherzustellen, dass super intelligente KI-Systeme, die menschliche Intelligenz übertreffen, in Übereinstimmung mit menschlichen Werten und Zielen handeln . Dies ist ein wichtiger Aspekt der KI-Sicherheit und umfasst skalierbare Schulungsmethoden sowie Validierung der Ausrichtungsmodelle.
AGI und Super Alignment sind eng miteinander verbunden, da Super Alignment ein wichtiger Aspekt der KI-Sicherheit ist, der sicherstellen soll, dass AGI-Systeme in Übereinstimmung mit menschlichen Werten und Zielen handeln. Ohne Super Alignment besteht das Risiko, dass AGI-Systeme nicht im Interesse der Menschheit handeln und negative Konsequenzen haben könnten.
Die 5 Level von Superinteligenz von OpenAi: https://www.forbes.com/sites/jodiecook/2024/07/16/openais-5-levels-of-super-ai-agi-to-outperform-human-capability/
Wann kommt die Singularität: https://www.perplexity.ai/page/kurzweil-s-superintelligent-ai-gYrOX.a2RiS5HJbFoEivHw
Bei Fragen: #fragRoger:
Abonnier auch meinen Newsletter.
Oder schau bei uns in der KI Community auf Skool vorbei
5 Minuten
Sam Altman, CEO von OpenAI, hat kürzlich die Ergebnisse einer der bisher grössten Studien zum bedingungslosen Grundeinkommen (UBI) in den USA veröffentlicht. Die von seiner Non-Profit-Organisation OpenResearch durchgeführte dreijährige Studie umfasste 3.000 Teilnehmer:Innen mit niedrigen Einkommen in Texas und Illinois.
Ein Drittel der Teilnehmer:Innen erhielt monatlich 1.000 USD, während die Kontrollgruppe 50 USD pro Monat bekam. Beantwortung grundlegender Fragen: Die Studie sollte klären, ob Menschen bei einem bedingungslosen Grundeinkommen aufhören zu arbeiten und ihre Zeit unproduktiv verbringen oder ob sie diese Sicherheit nutzen, um neue Dinge zu schaffen und ein erfülltes Leben zu führen.
Es gibt mehrere Gründe, warum er diese Studie durchführen liess:
1. Vorbereitung auf die Zukunft: Altman glaubt, dass der technologische Fortschritt, insbesondere im Bereich der künstlichen Intelligenz, in Zukunft viele traditionelle Arbeitsplätze ersetzen wird. Er sieht UBI als mögliche Lösung, um den dadurch entstehenden Herausforderungen zu begegnen und Armut zu bekämpfen.
2. Schaffung einer Datengrundlage: Durch die umfassende Untersuchung der Auswirkungen auf Beschäftigung, Gesundheit, Ausgaben und andere Lebensbereiche der Teilnehmer wollte Altman eine fundierte Datengrundlage für die Debatte um UBI schaffen.
3. Anstoss für weitere Forschung: Die Studie soll auch andere Städte und Regionen inspirieren, eigene UBI-Experimente durchzuführen, um ein noch umfassenderes Bild zu erhalten. Anstatt nur theoretisch über UBI zu diskutieren, ermöglichte die Studie, die Auswirkungen direkt in der Realität zu testen und wertvolle Erkenntnisse zu gewinnen, auch wenn sie nicht alle Fragen abschliessend beantworten konnte.
Bei Fragen: #fragRoger
Abonnier auch meinen Newsletter
Oder schau bei uns in der KI Community auf Skool vorbei
Ein Drittel der Teilnehmer:Innen erhielt monatlich 1.000 USD, während die Kontrollgruppe 50 USD pro Monat bekam. Beantwortung grundlegender Fragen: Die Studie sollte klären, ob Menschen bei einem bedingungslosen Grundeinkommen aufhören zu arbeiten und ihre Zeit unproduktiv verbringen oder ob sie diese Sicherheit nutzen, um neue Dinge zu schaffen und ein erfülltes Leben zu führen.
Es gibt mehrere Gründe, warum er diese Studie durchführen liess:
1. Vorbereitung auf die Zukunft: Altman glaubt, dass der technologische Fortschritt, insbesondere im Bereich der künstlichen Intelligenz, in Zukunft viele traditionelle Arbeitsplätze ersetzen wird. Er sieht UBI als mögliche Lösung, um den dadurch entstehenden Herausforderungen zu begegnen und Armut zu bekämpfen.
2. Schaffung einer Datengrundlage: Durch die umfassende Untersuchung der Auswirkungen auf Beschäftigung, Gesundheit, Ausgaben und andere Lebensbereiche der Teilnehmer wollte Altman eine fundierte Datengrundlage für die Debatte um UBI schaffen.
3. Anstoss für weitere Forschung: Die Studie soll auch andere Städte und Regionen inspirieren, eigene UBI-Experimente durchzuführen, um ein noch umfassenderes Bild zu erhalten. Anstatt nur theoretisch über UBI zu diskutieren, ermöglichte die Studie, die Auswirkungen direkt in der Realität zu testen und wertvolle Erkenntnisse zu gewinnen, auch wenn sie nicht alle Fragen abschliessend beantworten konnte.
Bei Fragen: #fragRoger
Abonnier auch meinen Newsletter
Oder schau bei uns in der KI Community auf Skool vorbei
3 Minuten
OpenAI hat kürzlich GPT-4o mini angekündigt, ein neues, kleineres und kostengünstigeres Sprachmodell, das GPT-3.5 Turbo in ChatGPT ersetzen wird. GPT-4o mini ist ein multimodales Modell, das Text- und Bild-Eingaben verarbeiten kann und in Zukunft auch Video- und Audio-Ausgaben unterstützen soll. Es wurde bis Oktober 2023 trainiert und verfügt über ein Kontextfenster, das achtmal größer ist als das von GPT-3.5 Turbo. Aber leider sind die kostenlosen Funktionen erheblich eingeschränkt.
Bei Fragen: #fragRoger
Abonnier auch meinen Newsletter.
Oder schau bei uns in der KI Community auf Skool vorbei
Bei Fragen: #fragRoger
Abonnier auch meinen Newsletter.
Oder schau bei uns in der KI Community auf Skool vorbei
4 Minuten
In dieser Podcast-Folge geht es um die Frage, ob und wie künstliche Intelligenz (KI) dabei helfen kann, Lottozahlen zu berechnen und wie zuverlässig diese Methode ist.
Zunächst einmal ist es wichtig zu verstehen, dass Lottoziehungen auf dem Zufallsprinzip basieren. Jede Zahl hat theoretisch die gleiche Chance, gezogen zu werden, und das Ergebnis ist unabhängig von vorherigen Ziehungen. Daher kann KI keine Lottozahlen vorhersagen, da diese zufällig gezogen werden.
Trotzdem gibt es KI-basierte Lotterie-Vorhersagesysteme, die versprechen, die Gewinnchancen zu erhöhen. Diese Systeme basieren auf der Analyse von historischen Lottodaten und der Identifizierung von Mustern und Trends. Allerdings ist die Genauigkeit von KI bei der Vorhersage von Lottozahlen begrenzt, da es bei Lottoziehungen keine vorhersehbaren Muster oder Methoden gibt, um die Ergebnisse vorherzusagen.
Es gibt auch keine glaubwürdigen Fälle, in denen KI tatsächlich Lottozahlen korrekt vorhergesagt hat. Es gab zwar Berichte über einen Thailänder, der angeblich mit KI-generierten Zahlen einen kleinen Gewinn erzielte, und eine spanische Zeitung behauptete fälschlicherweise, ChatGPT hätte die Gewinnzahlen der Weihnachtslotterie vorhergesagt. Diese Berichte erwiesen sich jedoch als falsch oder übertrieben.
Selbst wenn eine KI historische Lottodaten analysiert, kann sie keine definitive Prognose liefern. Die Zufälligkeit und das Chaos von Lotterien stellen eine große Herausforderung für KI dar. Lotterieveranstalter haben auch strenge Sicherheitsmaßnahmen, um Fairness und Integrität zu gewährleisten, was es für jedes System schwierig macht, das Ergebnis zu manipulieren.
Insgesamt ist es mit KI nicht möglich, Lottozahlen zuverlässig vorherzusagen. Die Zufälligkeit der Ziehungen und die Sicherheitsmaßnahmen der Lotterieanbieter verhindern, dass KI-Systeme genaue Prognosen liefern können. Behauptungen über die Fähigkeit von KI, Lottozahlen vorherzusagen, sollten mit Vorsicht betrachtet werden. Am Ende bleibt das Lottospielen ein Glücksspiel, bei dem der Zufall entscheidet.
Wir haben uns auch die Frage gestellt, ob KI bei der EM (Fußball-Europameisterschaft 2024) eingesetzt werden kann. Hier gibt es durchaus interessante Ansätze, wie KI bei der Vorhersage von Ergebnissen und Toren eingesetzt werden kann. Allerdings ist auch hier Vorsicht geboten, da Fußballspiele sehr komplex sind und viele Faktoren eine Rolle spielen. Eine zuverlässige Vorhersage ist daher auch hier nicht möglich.
Insgesamt lässt sich sagen, dass KI zwar in vielen Bereichen sehr nützlich sein kann, aber bei Lottoziehungen und Fußballspielen aufgrund der Zufälligkeit und Komplexität keine zuverlässigen Vorhersagen möglich sind. Es ist wichtig, realistische Erwartungen an KI zu haben und zu verstehen, dass sie keine Wunder bewirken kann.
Bei Fragen: #fragRoger
Abonnier auch meinen Newsletter.
Oder schau bei uns im KI Kurs vorbei.
Die Quellen zum heutigen Podcast gibt es hier
Zunächst einmal ist es wichtig zu verstehen, dass Lottoziehungen auf dem Zufallsprinzip basieren. Jede Zahl hat theoretisch die gleiche Chance, gezogen zu werden, und das Ergebnis ist unabhängig von vorherigen Ziehungen. Daher kann KI keine Lottozahlen vorhersagen, da diese zufällig gezogen werden.
Trotzdem gibt es KI-basierte Lotterie-Vorhersagesysteme, die versprechen, die Gewinnchancen zu erhöhen. Diese Systeme basieren auf der Analyse von historischen Lottodaten und der Identifizierung von Mustern und Trends. Allerdings ist die Genauigkeit von KI bei der Vorhersage von Lottozahlen begrenzt, da es bei Lottoziehungen keine vorhersehbaren Muster oder Methoden gibt, um die Ergebnisse vorherzusagen.
Es gibt auch keine glaubwürdigen Fälle, in denen KI tatsächlich Lottozahlen korrekt vorhergesagt hat. Es gab zwar Berichte über einen Thailänder, der angeblich mit KI-generierten Zahlen einen kleinen Gewinn erzielte, und eine spanische Zeitung behauptete fälschlicherweise, ChatGPT hätte die Gewinnzahlen der Weihnachtslotterie vorhergesagt. Diese Berichte erwiesen sich jedoch als falsch oder übertrieben.
Selbst wenn eine KI historische Lottodaten analysiert, kann sie keine definitive Prognose liefern. Die Zufälligkeit und das Chaos von Lotterien stellen eine große Herausforderung für KI dar. Lotterieveranstalter haben auch strenge Sicherheitsmaßnahmen, um Fairness und Integrität zu gewährleisten, was es für jedes System schwierig macht, das Ergebnis zu manipulieren.
Insgesamt ist es mit KI nicht möglich, Lottozahlen zuverlässig vorherzusagen. Die Zufälligkeit der Ziehungen und die Sicherheitsmaßnahmen der Lotterieanbieter verhindern, dass KI-Systeme genaue Prognosen liefern können. Behauptungen über die Fähigkeit von KI, Lottozahlen vorherzusagen, sollten mit Vorsicht betrachtet werden. Am Ende bleibt das Lottospielen ein Glücksspiel, bei dem der Zufall entscheidet.
Wir haben uns auch die Frage gestellt, ob KI bei der EM (Fußball-Europameisterschaft 2024) eingesetzt werden kann. Hier gibt es durchaus interessante Ansätze, wie KI bei der Vorhersage von Ergebnissen und Toren eingesetzt werden kann. Allerdings ist auch hier Vorsicht geboten, da Fußballspiele sehr komplex sind und viele Faktoren eine Rolle spielen. Eine zuverlässige Vorhersage ist daher auch hier nicht möglich.
Insgesamt lässt sich sagen, dass KI zwar in vielen Bereichen sehr nützlich sein kann, aber bei Lottoziehungen und Fußballspielen aufgrund der Zufälligkeit und Komplexität keine zuverlässigen Vorhersagen möglich sind. Es ist wichtig, realistische Erwartungen an KI zu haben und zu verstehen, dass sie keine Wunder bewirken kann.
Bei Fragen: #fragRoger
Abonnier auch meinen Newsletter.
Oder schau bei uns im KI Kurs vorbei.
Die Quellen zum heutigen Podcast gibt es hier
3 Minuten
Was ist Not By AI? Not By AI ist eine Initiative, die es Künstlern, Autoren und anderen Kreativen ermöglicht, ihre Werke mit einem "Not By AI"-Abzeichen zu kennzeichnen.
Damit soll gezeigt werden, dass der Inhalt von Menschen und nicht von einer KI erstellt wurde. Es gibt Abzeichen für verschiedene Bereiche wie Kunst, Texte und Medienproduktion.
Durch das Anbringen des Abzeichens soll der menschliche, KI-freie Ansatz bei der Erstellung von Inhalten hervorgehoben werden.
Warum ist das wichtig? Nun KI-Systeme werden mit von Menschen erstellten Inhalten trainiert. Und wenn Menschen aufhören, neue Inhalte zu produzieren und sich nur noch auf KI verlassen, könnten Online-Inhalte weltweit repetitiv und stagnierend werden.
Zudem gibt es bei KI-generierten Inhalten Bedenken hinsichtlich Urheberrechtsverletzungen und Sicherheitsrisiken, da KI nur mit den Datensätzen arbeiten kann, mit denen sie gefüttert wird. KI ist derzeit nicht in der Lage, völlig originelle Ideen zu entwickeln.
Initiativen wie Not By AI sollen die Bedeutung menschlicher Kreativität und Originalität betonen und eine Abgrenzung zu KI-Inhalten ermöglichen.
Ähnliche Initiativen und LösungenNeben Not By AI gibt es weitere Ansätze, um mit den Herausforderungen durch KI umzugehen:
Transparenz und Verantwortlichkeit bei KI-Modellen, indem die menschlichen Beiträge offengelegt und gewürdigt werden ("data dignity"). Dies kann helfen, die Blackbox zu öffnen und die Funktionsweise besser zu verstehen.
Fokus auf niedrigschwellige, risikoarme Anwendungsfälle für KI, z.B. in internen Unternehmensfunktionen statt in der Öffentlichkeit. Gleichzeitig sollte eine langfristige Vision und Strategie für den KI-Einsatz entwickelt werden.
KI sollte als Werkzeug zur Verbesserung der menschlichen Zusammenarbeit betrachtet werden, nicht als eigenständige Intelligenz. Programme wie ChatGPT sind eher eine erweiterte Form von Wikipedia mit statistisch zusammengefügten Daten.
Insgesamt geht es darum, KI nicht zu mystifizieren, sondern bewusst und transparent einzusetzen, um Risiken zu minimieren und den Nutzen zu maximieren. Initiativen wie Not By AI können dabei helfen, menschliche Kreativität wertzuschätzen.
Wie siehst Du das?
Bei Fragen: #fragRoger
Abonnier auch meinen Newsletter.
Oder schau bei uns im KI Kurs vorbei.
hier gehts zu den Quellen vom heutigen Podcast
Damit soll gezeigt werden, dass der Inhalt von Menschen und nicht von einer KI erstellt wurde. Es gibt Abzeichen für verschiedene Bereiche wie Kunst, Texte und Medienproduktion.
Durch das Anbringen des Abzeichens soll der menschliche, KI-freie Ansatz bei der Erstellung von Inhalten hervorgehoben werden.
Warum ist das wichtig? Nun KI-Systeme werden mit von Menschen erstellten Inhalten trainiert. Und wenn Menschen aufhören, neue Inhalte zu produzieren und sich nur noch auf KI verlassen, könnten Online-Inhalte weltweit repetitiv und stagnierend werden.
Zudem gibt es bei KI-generierten Inhalten Bedenken hinsichtlich Urheberrechtsverletzungen und Sicherheitsrisiken, da KI nur mit den Datensätzen arbeiten kann, mit denen sie gefüttert wird. KI ist derzeit nicht in der Lage, völlig originelle Ideen zu entwickeln.
Initiativen wie Not By AI sollen die Bedeutung menschlicher Kreativität und Originalität betonen und eine Abgrenzung zu KI-Inhalten ermöglichen.
Ähnliche Initiativen und LösungenNeben Not By AI gibt es weitere Ansätze, um mit den Herausforderungen durch KI umzugehen:
Transparenz und Verantwortlichkeit bei KI-Modellen, indem die menschlichen Beiträge offengelegt und gewürdigt werden ("data dignity"). Dies kann helfen, die Blackbox zu öffnen und die Funktionsweise besser zu verstehen.
Fokus auf niedrigschwellige, risikoarme Anwendungsfälle für KI, z.B. in internen Unternehmensfunktionen statt in der Öffentlichkeit. Gleichzeitig sollte eine langfristige Vision und Strategie für den KI-Einsatz entwickelt werden.
KI sollte als Werkzeug zur Verbesserung der menschlichen Zusammenarbeit betrachtet werden, nicht als eigenständige Intelligenz. Programme wie ChatGPT sind eher eine erweiterte Form von Wikipedia mit statistisch zusammengefügten Daten.
Insgesamt geht es darum, KI nicht zu mystifizieren, sondern bewusst und transparent einzusetzen, um Risiken zu minimieren und den Nutzen zu maximieren. Initiativen wie Not By AI können dabei helfen, menschliche Kreativität wertzuschätzen.
Wie siehst Du das?
Bei Fragen: #fragRoger
Abonnier auch meinen Newsletter.
Oder schau bei uns im KI Kurs vorbei.
hier gehts zu den Quellen vom heutigen Podcast
6 Minuten
Der steigende Energieverbrauch von Künstlicher Intelligenz (KI) stellt eine grosse Herausforderung für Nachhaltigkeit und Klimaschutz dar.
Exper:Innen prognostizieren, dass der Stromverbrauch von KI-Anwendungen bis 2027 auf 85 bis 134 Terawattstunden pro Jahr ansteigen könnte, was dem jährlichen Stromverbrauch ganzer Länder entspricht. Und der Energiebedarf für das Training von Large Language Modelle wie GPT-3 ist bereits enorm und eine einzige Anfrage bei ChatGPT verbraucht zwischen drei und neun Wattstunden Strom. Um den Energiehunger von KI zu stillen, sind grosse Investitionen in erneuerbare Energien und Speicher nötig.
Bei Fragen: FragRoger
Quellen gibts hier
Exper:Innen prognostizieren, dass der Stromverbrauch von KI-Anwendungen bis 2027 auf 85 bis 134 Terawattstunden pro Jahr ansteigen könnte, was dem jährlichen Stromverbrauch ganzer Länder entspricht. Und der Energiebedarf für das Training von Large Language Modelle wie GPT-3 ist bereits enorm und eine einzige Anfrage bei ChatGPT verbraucht zwischen drei und neun Wattstunden Strom. Um den Energiehunger von KI zu stillen, sind grosse Investitionen in erneuerbare Energien und Speicher nötig.
Bei Fragen: FragRoger
Quellen gibts hier
3 Minuten
Heute sprechen wir über die Unterschiede von interaktiver und operativer KI.
Es ist wichtig, zwischen interaktiver und operativer KI zu unterscheiden. Interaktive KI bezieht sich auf Anwendungen, die direkt mit Benutzern interagieren und deren Erfahrungen personalisieren.
Beispiele dafür sind ChatGPT und Copilot M365, Perplexity und Github Copilot. Diese Anwendungen sind darauf ausgelegt, menschliche Interaktionen zu simulieren und eine intuitive und personalisierte Erfahrung zu bieten.
Operative KI hingegen verbessert im Hintergrund die Effizienz und Entscheidungsfindung in betrieblichen Abläufen. Beispiele dafür sind Azure AI, Power Automate und Darwin. Diese Anwendungen nutzen Datenanalyse, maschinelles Lernen und Automatisierung, um betriebliche Abläufe zu verbessern und Ressourcen effizienter zu nutzen.
Wenn Du mehr wissen willst, hier sind die Quellen
Und bei Fragen: #fragRoger
Es ist wichtig, zwischen interaktiver und operativer KI zu unterscheiden. Interaktive KI bezieht sich auf Anwendungen, die direkt mit Benutzern interagieren und deren Erfahrungen personalisieren.
Beispiele dafür sind ChatGPT und Copilot M365, Perplexity und Github Copilot. Diese Anwendungen sind darauf ausgelegt, menschliche Interaktionen zu simulieren und eine intuitive und personalisierte Erfahrung zu bieten.
Operative KI hingegen verbessert im Hintergrund die Effizienz und Entscheidungsfindung in betrieblichen Abläufen. Beispiele dafür sind Azure AI, Power Automate und Darwin. Diese Anwendungen nutzen Datenanalyse, maschinelles Lernen und Automatisierung, um betriebliche Abläufe zu verbessern und Ressourcen effizienter zu nutzen.
Wenn Du mehr wissen willst, hier sind die Quellen
Und bei Fragen: #fragRoger
5 Minuten
Warum KI oft im Hintergrund wirkt
KI-Systeme arbeiten häufig im Hintergrund, da sie in der Regel als unterstützende Technologie dienen, die Daten analysiert, Muster erkennt und Prozesse automatisiert, ohne dass Nutzer:Innen direkt mit den komplexen Mechanismen interagieren müssen. Diese Unsichtbarkeit ist oft gewollt, um die Benutzerfreundlichkeit und Effizienz der Technologie zu maximieren.
Wir als Nutzer:Innen erleben die Vorteile der KI, wie schnelle Datenverarbeitung und präzise Analyseergebnisse, ohne in die komplexen Prozesse involviert zu sein. Dadurch bleibt die KI meist eine verborgene, aber unverzichtbare Kraft hinter vielen modernen Technologien und Anwendungen. Dahinter steckt in der KI Maschinelles Lernen (ML).
Maschinelles Lernen ist ein zentraler Bereich der Künstlichen Intelligenz (KI), der sich auf die Entwicklung von Algorithmen und statistischen Modellen konzentriert. Diese Technologien ermöglichen es Computern, Aufgaben zu erfüllen, ohne explizit programmiert zu sein.
Stattdessen lernen sie aus Daten, erkennen Muster und Zusammenhänge und treffen auf dieser Basis Vorhersagen oder Entscheidungen.
ML umfasst verschiedene Lernmethoden:
Überwachtes Lernen: Der Algorithmus lernt aus einem Datensatz mit Eingaben und den zugehörigen korrekten Ausgaben, um bei neuen Eingaben korrekte Vorhersagen zu treffen.
Unüberwachtes Lernen: Hierbei findet der Algorithmus Strukturen in Daten ohne vorgegebene Labels, wie die Gruppierung ähnlicher Datenpunkte.
Bestärkendes Lernen: Der Algorithmus interagiert mit einer Umgebung, führt Aktionen aus und erhält dafür Belohnungen oder Strafen, um eine optimale Strategie zu entwickeln.
ML wird in vielen Anwendungen eingesetzt, darunter Bild- und Spracherkennung, Empfehlungssysteme und Finanzmarktanalyse. Es verbessert die Automatisierung und Entscheidungsfindung in verschiedenen Branchen.
Wenn Du mehr wissen willst, hier sind die Quellen
Und bei Fragen: #fragRoger
KI-Systeme arbeiten häufig im Hintergrund, da sie in der Regel als unterstützende Technologie dienen, die Daten analysiert, Muster erkennt und Prozesse automatisiert, ohne dass Nutzer:Innen direkt mit den komplexen Mechanismen interagieren müssen. Diese Unsichtbarkeit ist oft gewollt, um die Benutzerfreundlichkeit und Effizienz der Technologie zu maximieren.
Wir als Nutzer:Innen erleben die Vorteile der KI, wie schnelle Datenverarbeitung und präzise Analyseergebnisse, ohne in die komplexen Prozesse involviert zu sein. Dadurch bleibt die KI meist eine verborgene, aber unverzichtbare Kraft hinter vielen modernen Technologien und Anwendungen. Dahinter steckt in der KI Maschinelles Lernen (ML).
Maschinelles Lernen ist ein zentraler Bereich der Künstlichen Intelligenz (KI), der sich auf die Entwicklung von Algorithmen und statistischen Modellen konzentriert. Diese Technologien ermöglichen es Computern, Aufgaben zu erfüllen, ohne explizit programmiert zu sein.
Stattdessen lernen sie aus Daten, erkennen Muster und Zusammenhänge und treffen auf dieser Basis Vorhersagen oder Entscheidungen.
ML umfasst verschiedene Lernmethoden:
Überwachtes Lernen: Der Algorithmus lernt aus einem Datensatz mit Eingaben und den zugehörigen korrekten Ausgaben, um bei neuen Eingaben korrekte Vorhersagen zu treffen.
Unüberwachtes Lernen: Hierbei findet der Algorithmus Strukturen in Daten ohne vorgegebene Labels, wie die Gruppierung ähnlicher Datenpunkte.
Bestärkendes Lernen: Der Algorithmus interagiert mit einer Umgebung, führt Aktionen aus und erhält dafür Belohnungen oder Strafen, um eine optimale Strategie zu entwickeln.
ML wird in vielen Anwendungen eingesetzt, darunter Bild- und Spracherkennung, Empfehlungssysteme und Finanzmarktanalyse. Es verbessert die Automatisierung und Entscheidungsfindung in verschiedenen Branchen.
Wenn Du mehr wissen willst, hier sind die Quellen
Und bei Fragen: #fragRoger
45 Sekunden
KI heisst künstliche Intelligenz oder? Nein. KI heisst "Kann ich". In meinem kompakten 5-Minuten-Format informiere ich dich über aktuelle Entwicklungen, wichtige Begriffe und sowohl positive als auch negative Nachrichten aus der Welt der Künstlichen Intelligenz. Dieser Podcast klärt auf und schärft dein Bewusstsein für die vielschichtigen Aspekte der KI: KI News, KI Begriffserklärung, KI Good News und KI Bad News. So bleibst du stets informiert und kritisch in Bezug auf die neuesten Trends und Herausforderungen in der Technologie.
