Schlagwort: KI

  • Anthropic Interviewer: Warum 69 % ihre KI-Nutzung vor Kollegen verheimlichen

    Ein Anthropic Bild im Museum

    Nano Banana

    Kurzfassung

    Quellen

    Anthropic hat mit dem „Interviewer“ ein neues KI-Tool vorgestellt, das eigenständig qualitative Interviews führt und auswertet. Eine erste Studie mit 1.250 Fachkräften zeigt, dass viele Angestellte (69 %) ihre KI-Nutzung aus Angst vor Stigmatisierung am Arbeitsplatz verheimlichen. Während die allgemeine Produktivität steigt, kämpfen Kreative mit Existenzängsten und Wissenschaftler mit mangelndem Vertrauen in die Korrektheit der KI-Daten. Das Tool ermöglicht es Unternehmen, Nutzerfeedback in großem Maßstab jenseits von reinen Chat-Logs tiefgehend zu analysieren.

    Anthropic – Introducing Anthropic Interviewer

    Anthropic automatisiert mit einem neuen Tool die qualitative Marktforschung und liefert damit tiefe Einblicke in die tatsächliche KI-Nutzung am Arbeitsplatz. Die Ergebnisse der ersten Studie mit 1.250 Teilnehmern zeigen ein gespaltenes Bild zwischen Produktivitätsgewinn und der Angst vor Stigmatisierung durch Kollegen. Automatisierte Interviews statt Chat-Logs KI-Entwickler standen bisher vor einem Problem: Sie sehen zwar die Chat-Logs der Nutzer, verstehen aber oft den Kontext oder die emotionale Haltung dahinter nicht. Anthropic ändert dies mit der Einführung des „Anthropic Interviewer“. Dieses System nutzt das Sprachmodell Claude, um dynamische, 10- bis 15-minütige Interviews mit Menschen zu führen. Es plant den Gesprächsleitfaden, stellt adaptive Nachfragen und wertet die Ergebnisse anschließend selbstständig aus. In einem ersten großen Testlauf befragte das Unternehmen 1.250 Fachkräfte aus verschiedenen Branchen. Ziel war es, über die reine Datenauswertung hinaus zu verstehen, wie KI den Arbeitsalltag wirklich verändert und welche Ängste dabei eine Rolle spielen. + Quelle: Anthropic Angst vor dem Stigma am Arbeitsplatz Die Ergebnisse der allgemeinen Belegschaft (N=1.000) offenbaren ein interessantes Phänomen: Die „Schatten-IT“ kehrt als „Schatten-KI“ zurück. Während 86 Prozent der Befragten angaben, dass KI ihnen Zeit spart, berichteten 69 Prozent von einer wahrgenommenen sozialen Stigmatisierung. Viele Arbeitnehmer verheimlichen ihre KI-Nutzung vor Kollegen, aus Sorge, als faul oder inkompetent abgestempelt zu werden. Ein Faktenchecker gab im Interview an, er schweige über seine Prozesse, da Kollegen KI offen ablehnten. Gleichzeitig planen fast die Hälfte der Befragten (48 Prozent), ihre Karriere künftig eher auf die Überwachung von KI-Systemen auszurichten, statt die technische Arbeit selbst zu erledigen. Es herrscht eine Mischung aus Zufriedenheit über die Entlastung und konkreter Angst (bei 55 Prozent), in Zukunft ersetzt zu werden. + Quelle: Anthropic – welche Bereiche sehen der KI-Zukunft optimistisch entgegen? Wissenschaftler skeptisch, Kreative unter Druck Die Studie untersuchte zusätzlich spezifische Berufsgruppen. Bei den 125 befragten Wissenschaftlern zeigte sich eine klare Diskrepanz zwischen Wunsch und Wirklichkeit. Zwar wünschen sich 91 Prozent Unterstützung bei der Hypothesenbildung, in der Praxis scheitert dies jedoch oft am fehlenden Vertrauen. Chemiker und Physiker nutzen KI derzeit primär für periphere Aufgaben wie das Schreiben von Manuskripten oder das Bereinigen von Code. Für die Kernforschung ist die Sorge vor „Halluzinationen“ – also faktisch falschen Ausgaben der KI – und Sicherheitsbedenken bei sensiblen Daten noch zu groß. Kreativschaffende hingegen stehen unter einem enormen wirtschaftlichen Druck. Die Interviews verdeutlichen, dass KI in Bereichen wie Grafikdesign oder Textproduktion die Produktivität massiv steigert, aber gleichzeitig existenzielle Sorgen schürt. Synchronsprecher berichteten vom Zusammenbruch ganzer Marktsegmente durch synthetische Stimmen. Viele Kreative befinden sich in einem Dilemma: Sie müssen die Technologie nutzen, um wettbewerbsfähig zu bleiben, fürchten aber gleichzeitig, dadurch ihre eigene berufliche Identität abzuschaffen. Das Tool steht ab sofort für Forschungszwecke zur Verfügung und wird auch direkt in Claude für eine öffentliche Pilotstudie eingesetzt, um das Feedback der Nutzer in die Weiterentwicklung der Modelle einfließen zu lassen. Anzeige

  • KI PRO Webinar | KI-Lösungen in der EU: Wie Sie KI in Europa betreiben können

    KI PRO Webinar "KI-Lösungen in der EU"

    In einem stark regulierten Geschäftsumfeld stehen Unternehmen vor der Herausforderung, KI-Lösungen effizient, datenschutzkonform und innerhalb europäischer Rechtsräume zu betreiben. Unser Webinar zeigt, wie Sie Compliance-Anforderungen erfüllen, die Datenhoheit wahren und strategisch auf europäische Anbieter setzen.

    Der Artikel KI PRO Webinar | KI-Lösungen in der EU: Wie Sie KI in Europa betreiben können erschien zuerst auf The Decoder.

  • 5 Jahre AlphaFold: Nobelpreis, 200 Millionen Proteine, medizinische Durchbrüche

    Ein DeepMind Labor mit Bildern von Proteinen

    Nano Banana

    Kurzfassung

    Quellen

    Vor fünf Jahren löste die KI AlphaFold 2 das 50 Jahre alte Problem der Proteinfaltung, was 2024 mit dem Chemie-Nobelpreis ausgezeichnet wurde. Die Technologie wird heute von über 3 Millionen Forschern genutzt, um Durchbrüche in der Herzmedizin zu erzielen und das Immunsystem von Honigbienen zu verstehen. Mit AlphaFold 3 und Isomorphic Labs beginnt nun die Ära der „digitalen Biologie“, die neben Proteinen auch DNA, RNA und Wirkstoff-Interaktionen vorhersagt.

    Google DeepMind Blog: AlphaFold – Five years of impact

    Vor genau fünf Jahren gelang einem Team von Google DeepMind, was Wissenschaftler ein halbes Jahrhundert lang für fast unmöglich hielten: Die künstliche Intelligenz AlphaFold 2 löste das Problem der Proteinfaltung. Was 2020 als technologischer Durchbruch begann, wurde 2024 mit dem Nobelpreis für Chemie gekrönt und ist heute das Fundament einer neuen Art von Wissenschaft. Für die Forschung bedeutet dies nicht nur theoretischen Ruhm, sondern konkrete medizinische Fortschritte, die vorher Jahrzehnte gedauert hätten. Die Demokratisierung der Biologie Der eigentliche Wendepunkt war nicht nur die algorithmische Leistung beim CASP 14 Wettbewerb, sondern die Entscheidung, dieses Wissen zugänglich zu machen. Mit der Veröffentlichung der AlphaFold Protein Database im Jahr 2021 stellte DeepMind der Welt Vorhersagen für über 200 Millionen Proteinstrukturen zur Verfügung. Das Ergebnis ist eine massive Beschleunigung der Forschung. Musste früher oft mehr als ein Jahr und viel Geld investiert werden, um eine einzige Proteinstruktur experimentell zu bestimmen, liefert die KI diese Daten nun in kürzester Zeit. Über drei Millionen Forscher in 190 Ländern nutzen das System mittlerweile. Besonders bemerkenswert ist dabei die Verbreitung: Mehr als eine Million dieser Nutzer stammen aus Ländern mit niedrigen oder mittleren Einkommen, was zeigt, dass High-Tech-Forschung nicht mehr nur ein Privileg elitärer Institute ist. Unabhängige Analysen bestätigen, dass Forscher, die AlphaFold nutzen, rund 40 Prozent mehr neue experimentelle Proteinstrukturen einreichen. Diese Arbeiten werden zudem doppelt so häufig in klinischen Studien zitiert wie herkömmliche Publikationen der Strukturbiologie. + Quelle: Deepmind – This picture shows a water-soluble version of the EAAT1 protein. + Quelle: Deepmind – p53 is a cellular tumor antigen related to diseases such as cancer. It is one of the most popular proteins in the AlphaFold Protein Database. Von der Honigbiene bis zur Herzmedizin Die abstrakten Zahlen übersetzen sich in greifbare Erfolge. In Europa nutzen Wissenschaftler die KI, um Vitellogenin zu verstehen – ein Schlüsselprotein für das Immunsystem von Honigbienen. Diese Erkenntnisse fließen direkt in Zuchtprogramme ein, um widerstandsfähigere Bestäuber zu züchten und das Bienensterben zu bekämpfen. Ein weiteres Beispiel betrifft die Volkskrankheit Nummer eins: Herz-Kreislauf-Erkrankungen. Das Protein Apolipoprotein B100 (apoB100) spielt eine zentrale Rolle beim „schlechten“ LDL-Cholesterin und damit bei Arterienverkalkung. Seine Struktur glich jahrzehntelang einem Rätsel. AlphaFold 2 half dabei, die komplexe, käfigartige Form dieses Proteins zu entschlüsseln. Pharmazeutische Forscher besitzen nun den Bauplan, um präzise Medikamente gegen Herzkrankheiten zu entwickeln. Anzeige AlphaFold 3 und der Traum der digitalen Biologie Während AlphaFold 2 die Proteine entschlüsselte, geht der Nachfolger AlphaFold 3 einen entscheidenden Schritt weiter. In Zusammenarbeit mit dem 2021 gegründeten Unternehmen Isomorphic Labs zielt das neue Modell auf die gesamte „digitale Biologie“ ab. Es beschränkt sich nicht mehr nur auf Proteine, sondern sagt die Interaktionen fast aller lebenswichtigen Moleküle voraus. Dazu gehören DNA, RNA und sogenannte Liganden. Letzteres sind kleine Moleküle, die oft als Basis für Medikamente dienen. AlphaFold 3 ermöglicht einen ganzheitlichen Blick darauf, wie ein potenzieller Wirkstoff an sein Zielprotein bindet oder wie Proteine mit genetischem Material interagieren. Das Ziel ist ambitioniert: Die KI soll nicht mehr nur assistieren, sondern den Prozess der Medikamentenentwicklung grundlegend verändern. DeepMind sieht AlphaFold dabei als Blaupause für die gesamte Wissenschaft – ein Werkzeug, das Forschung von der Fusionsenergie bis zu den Erdwissenschaften auf „digitale Geschwindigkeit“ beschleunigt.

  • IBM-Chef über AGI: Warum die KI-Rechnung scheitern muss

    Ein Roboter schreibt eine KI Rechnung

    Nano Banana

    Kurzfassung

    Quellen

    IBM-CEO Arvind Krishna kritisiert den aktuellen Hype um Artificial General Intelligence (AGI) als wissenschaftlich fundierten Irrweg, da heutige Modelle auf Wahrscheinlichkeiten statt Logik basieren. Die gigantischen Kosten von bis zu fünf Billionen Dollar für Infrastruktur und der explodierende Energiebedarf machen den Ersatz menschlicher Arbeit durch generelle KI oft unwirtschaftlich. Statt auf eine menschenähnliche Superintelligenz zu warten, fokussiert sich IBM auf spezialisierte Enterprise-KI und setzt weiterhin auf menschliche Mitarbeiter zur Problemlösung.

    The Verge – Why IBM CEO Arvind Krishna is still hiring humans in the AI era

    Tech in Asia – IBM on AGI: bad math, wrong science

    MIT Technology Review – The State of AI: Welcome to the economic singularity

    TechCrunch – Data center energy demand forecasted to soar nearly 300 through 2035

    Medial – Why IBM’s CEO doesn’t think current AI tech can get to AGI

    Während die Tech-Welt Milliarden in den Traum einer menschenähnlichen Superintelligenz pumpt, tritt einer kräftig auf die Bremse. IBM-Chef Arvind Krishna erklärt, warum der aktuelle Weg zur Artificial General Intelligence (AGI) technisch und ökonomisch zum Scheitern verurteilt ist – und warum er trotzdem weiter in KI investiert. Die Sackgasse der Wahrscheinlichkeiten Im Podcast „Decoder“ mit Nilay Patel fand Krishna deutliche Worte für den aktuellen KI-Goldrausch. Sein Hauptargument: Wir versuchen gerade, mit Statistik ein Verständnis der Welt zu erzwingen. Aktuelle Large Language Models (LLMs) basieren auf Wahrscheinlichkeiten. Sie sagen das nächste Wort voraus, verstehen aber keine Kausalitäten und besitzen kein logisches Denkvermögen. Krishna bezeichnet die Vorstellung, dass man diese Modelle einfach nur immer größer machen muss, um eine AGI zu erhalten, als „falsche Wissenschaft“. Mehr Daten und mehr Rechenleistung führen zwar zu besseren Texten, aber nicht zu einem Bewusstsein oder echter Problemlösungskompetenz. Die Architektur der aktuellen Systeme stößt hier an eine harte Grenze, die sich nicht einfach mit Brute-Force-Computing durchbrechen lässt. Anzeige Eine Rechnung, die nicht aufgeht Neben der technologischen Kritik liefert der IBM-CEO eine knallharte wirtschaftliche Analyse. Die Branche steuert auf Investitionskosten von vier bis fünf Billionen Dollar zu, um die nötige Infrastruktur aufzubauen. Damit sich das rentiert, müsste KI menschliche Arbeit in einem gigantischen Ausmaß ersetzen. Doch genau hier liegt laut Krishna der „Rechenfehler“. In vielen Bereichen ist der Mensch schlichtweg effizienter und günstiger. Der Energiebedarf von Rechenzentren soll bis 2035 um fast 300 Prozent steigen. Einen Menschen durch ein energiehungriges KI-Modell zu ersetzen, das für jede Antwort ein halbes Kraftwerk benötigt, ist oft ökonomischer Unsinn. Die „Unit Economics“ – also die Kosten pro erledigter Aufgabe – sprechen in vielen Fällen gegen die KI und für den menschlichen Mitarbeiter. Werkzeuge statt Wundermaschinen IBM zieht daraus Konsequenzen für die eigene Strategie. Statt dem Phantom einer allwissenden AGI hinterherzujagen, konzentriert sich der Konzern auf pragmatische „Enterprise AI“. Es geht um spezifische Modelle für spezifische Probleme im Unternehmensumfeld, nicht um eine Maschine, die Gedichte schreibt und gleichzeitig Code kompiliert. Das bedeutet auch: Der Mensch bleibt unverzichtbar. Krishna betont, dass IBM weiterhin Menschen einstellt. KI sieht er als Produktivitäts-Booster, der Mitarbeiter unterstützt, statt sie komplett zu verdrängen. Während andere Tech-Giganten auf die Singularität wetten, setzt IBM auf hybride Clouds und spezialisierte KI-Agenten, die heute schon funktionieren – ganz ohne Science-Fiction-Versprechen.

  • Chatbot-Nutzung nimmt stark zu, entwickelt sich zum „Internet-Backbone“

    Neue Similarweb-Daten zeigen massive Zuwächse bei Zugriffszahlen und App-Downloads. Die Technologie erreicht zudem zunehmend ältere Zielgruppen.

    Finanzblase hin, Finanzblase her: Generative KI wird genutzt. Neue Daten zeigen, dass Chatbots wie ChatGPT rasant an Bedeutung gewinnen, und das quer durch alle Altersgruppen. Klassische Suchmaschinen bleiben trotz KI-Boom weiter zentrale Anlaufstellen.

    Der Artikel Chatbot-Nutzung nimmt stark zu, entwickelt sich zum „Internet-Backbone“ erschien zuerst auf The Decoder.

  • DeepSeekMath-V2 holt Gold bei der Mathe-Olympiade

    Ein Wal erklärt Schülern Mathematik

    Nano Banana

    Kurzfassung

    Quellen

    DeepSeek veröffentlicht mit DeepSeekMath-V2 ein Open-Source-Modell mit 685 Milliarden Parametern, das Gold-Niveau bei der Mathe-Olympiade erreicht. Das Modell übertrifft im Putnam-Wettbewerb 2024 mit 118 von 120 Punkten selbst die besten menschlichen Ergebnisse deutlich. Durch einen „Verifier-Meta-Verifier“-Ansatz prüft die KI ihre Lösungswege selbstständig, was Fehler und Halluzinationen minimiert. Der Code steht unter Apache 2.0 Lizenz bereit und greift damit direkt die proprietären Modelle von OpenAI und Google an.

    DeepSeek-Math-V2 Repository

    Hugging Face Model Card

    South China Morning Post: DeepSeek releases first open AI model

    MarkTechPost: DeepSeek AI Releases DeepSeekMath-V2

    OpenAI und Google bekommen ernsthafte Konkurrenz aus China – und diesmal ist der Code für alle verfügbar. DeepSeek hat mit DeepSeekMath-V2 ein KI-Modell veröffentlicht, das bei der Mathe-Olympiade Gold holt und selbst die besten menschlichen Ergebnisse beim Putnam-Wettbewerb übertrumpft. Rekordwerte bei den härtesten Mathe-Tests Das chinesische Start-up DeepSeek setzt mit seinem neuesten Release neue Maßstäbe in der mathematischen Logik. DeepSeekMath-V2 erreichte bei der Internationalen Mathematik-Olympiade (IMO) 2025 das sogenannte Gold-Level. Die KI löste fünf von sechs extrem komplexen Aufgaben korrekt. Das ist ein Leistungsniveau, das bisher fast ausschließlich proprietären Modellen wie denen von OpenAI (o1-Serie) oder Google DeepMind vorbehalten war. Noch beeindruckender sind die Ergebnisse beim Putnam-Wettbewerb 2025, einem der prestigeträchtigsten Mathe-Wettbewerbe für Studenten in Nordamerika. Das Modell erzielte hier 118 von 120 möglichen Punkten. Zum Vergleich: Das beste menschliche Ergebnis lag im selben Jahr bei 90 Punkten. Die KI rechnet also nicht nur solide, sie deklassiert menschliche Top-Talente in spezifischen Logik-Szenarien. Anzeige Selbstkontrolle statt sturem Rechnen Der technische Sprung gelingt DeepSeek nicht nur durch bloße Größe, obwohl das Modell mit 685 Milliarden Parametern (den variablen Werten, die das Wissen des neuronalen Netzes speichern) ein echtes Schwergewicht ist. Der Schlüssel liegt in der Architektur. Die Entwickler setzen auf einen sogenannten „Verifier-Meta-Verifier“-Ansatz. Vereinfacht gesagt: Das Modell spuckt nicht einfach eine Lösung aus. Es generiert einen Beweisweg und nutzt dann einen internen Prüfmechanismus, der die eigene Lösung kritisch hinterfragt, bevor sie ausgegeben wird. Diese iterative Selbstüberprüfung minimiert Halluzinationen bei logischen Schlussfolgerungen drastisch. Es ist dieser Schritt der „Reflexion“, der aktuellen Spitzenmodellen ihre Überlegenheit in MINT-Fächern verleiht. + Quelle: Deepseek Angriff auf das US-Monopol Der entscheidende Unterschied zu GPT-5 oder Gemini 3 liegt in der Verfügbarkeit. DeepSeek stellt DeepSeekMath-V2 als Open Source unter der Apache 2.0 Lizenz zur Verfügung. Entwickler und Unternehmen können das Modell und den Code – entsprechende Hardware vorausgesetzt – frei nutzen, modifizieren und kommerziell einsetzen. Dieser Schritt erhöht den Druck auf westliche Tech-Giganten massiv. Während Firmen im Silicon Valley ihre Gewichte unter Verschluss halten, liefert DeepSeek der Open-Source-Community ein Werkzeug auf State-of-the-Art-Niveau. Das könnte die Entwicklung spezialisierter Mathe- und Coding-Assistenten weltweit beschleunigen, ohne dass Nutzer dafür API-Gebühren an US-Konzerne zahlen müssen. Das Rennen um die intelligenteste KI wird durch offene Modelle nicht nur schneller, sondern auch deutlich unübersichtlicher für die etablierten Platzhirsche.

  • Microsoft veröffentlicht winziges Modell für lokale KI-Computersteuerung

    KI soll Wissensarbeit automatisieren – auch, indem sie unsere Computer steuert. Bisher gelingt das nur mäßig: Die Systeme arbeiten ineffektiv und bringen erhebliche Sicherheitsrisiken mit sich. Fara-7B von Microsoft löst diese Probleme zwar nicht, steigert aber die Effizienz. Das kompakte Modell läuft lokal auf dem Rechner.

    Der Artikel Microsoft veröffentlicht winziges Modell für lokale KI-Computersteuerung erschien zuerst auf The Decoder.

  • Menschheit gegen KI: Musk plant das finale Duell für 2026

    Faker spielt LOL gegen Grok 5

    Nano Banana

    Kurzfassung

    Quellen

    Elon Musk kündigt für 2026 ein Match zwischen seiner KI Grok 5 und den besten League-of-Legends-Spielern an. Um Chancengleichheit zu wahren, wird die KI künstlich auf menschliche Reaktionszeiten und visuelle Wahrnehmung beschränkt. Das Esports-Team T1 und Riot Games haben bereits Interesse an diesem historischen Duell signalisiert. Experten sehen darin einen entscheidenden Test für die Entwicklung einer allgemeinen künstlichen Intelligenz (AGI).

    NDTV Profit – Elon Musk Teases Grok 5, Challenges Top League Of Legends Gamers

    ChainCatcher – Musk: Grok 5 will challenge the top teams of League of Legends

    Esports Radar – Elon Musk challenges Grok 5 AI to beat world’s best League of Legends teams

    Teslarati – Elon Musk proposes Grok 5 vs world’s best League of Legends team match

    Moneycontrol – Elon Musk teases Grok 5 with advanced gaming capabilities

    Elon Musk sucht den ultimativen Härtetest für seine KI. Auf X kündigte er an, dass sein kommendes Modell Grok 5 im Jahr 2026 gegen das weltbeste League of Legends-Team antreten wird. Die Bedingungen sind streng und sollen beweisen, dass die Maschine wie ein Mensch denkt. Gleiche Augenhöhe statt technischer Übermacht Musk diktiert für dieses Duell ein striktes Regelwerk. Grok 5 darf nicht auf interne Spieldaten oder APIs zugreifen. Die KI muss das Geschehen auf dem Monitor über eine Kamera erfassen, genau wie ein menschlicher Spieler mit gesunden Augen. Das verhindert unfaire Vorteile durch das direkte Auslesen des Speichers. Zusätzlich bremst Musk die Reaktionsgeschwindigkeit der KI künstlich aus. Die Klickrate und die Reaktionszeit dürfen das menschliche Limit nicht überschreiten. Grok 5 soll nicht durch überlegene Reflexe gewinnen, sondern durch bessere Taktik überzeugen. Die Maschine muss Strategien entwickeln, Karten lesen und im Team agieren. Das Ziel ist ein fairer Vergleich der kognitiven Fähigkeiten. Rechenpower für das digitale Gehirn Hinter den Kulissen arbeitet xAI mit massiver Hardware an der Fertigstellung des Modells. Grok 5 nutzt eine Mixture-of-Experts-Architektur und greift auf 60 Billionen Parameter zurück. Das entspricht ungefähr der doppelten Größe des Vorgängers. Für das Training setzt das Unternehmen 100.000 H100-GPUs ein. Das Modell verarbeitet Text, Bild und Video gleichzeitig. Musk behauptet, Grok 5 könne jedes Spiel allein durch das Lesen der Anleitung und visuelles Experimentieren erlernen. Trainingsdaten stammen unter anderem aus 500 Millionen täglichen Posts auf X und riesigen Mengen an Videomaterial. Musk sieht sogar eine zehnprozentige Chance, dass dieses Modell eine allgemeine künstliche Intelligenz, kurz AGI, erreicht. E-Sports-Szene nimmt den Handschuh auf Die Ankündigung löste in der Gaming-Welt sofort Reaktionen aus. T1, das Team des legendären Spielers Faker, signalisierte sofort Bereitschaft. Auch Marc Merrill von Riot Games zeigte sich offen für Gespräche über die Durchführung des Matches. League of Legends gilt aufgrund seiner Komplexität und der Notwendigkeit von Teamwork als deutlich schwieriger für KI als Schach oder Go. Frühere Projekte wie OpenAI Five in Dota 2 nutzten oft angepasste Regeln oder direkten Zugriff auf Spieldaten. Grok 5 hingegen soll als Generalist antreten, der das Spiel wie ein Mensch lernt. Sollte die KI unter diesen „menschlichen“ Bedingungen gegen Profis bestehen, markiert dies einen bedeutenden Sprung in der Entwicklung autonomer Systeme.

  • KI-Pionier Karpathy: Der einzige Weg für Bildung im KI-Zeitalter ist komplette Transformation

    Kaum ein Bereich verändert sich so stark durch generative KI wie das Bildungssystem. Der KI-Pionier Andrej Karpathy fordert nun grundlegende Änderungen: Hausaufgaben lassen sich nicht mehr zuverlässig bewerten, und Schulen müssen ihre Prüfungsmodelle überdenken.

    Der Artikel KI-Pionier Karpathy: Der einzige Weg für Bildung im KI-Zeitalter ist komplette Transformation erschien zuerst auf The Decoder.

  • AWS will bis zu 50 Milliarden US-Dollar in US-Daten-Souveränität investieren

    the AWS logo surrounded my millions of little AI agents conntect to each other

    Amazon will bis zu 50 Milliarden US-Dollar in den Ausbau seiner KI- und Supercomputing-Infrastruktur für US-Regierungsbehörden investieren.

    Der Artikel AWS will bis zu 50 Milliarden US-Dollar in US-Daten-Souveränität investieren erschien zuerst auf The Decoder.