Webtagr - Technologienummer

GATE: Ein integriertes Bewertungsmodell für den wirtschaftlichen Einfluss von KI

2025-03-30

Epoch AI präsentiert GATE, ein integriertes Bewertungsmodell, das den wirtschaftlichen Einfluss von KI untersucht. Das Modell konzentriert sich auf eine Automatisierungsschleife: Investitionen fördern die Rechenleistung, was zu leistungsfähigeren KI-Systemen führt, die Aufgaben automatisieren, die Produktion steigern und die KI-Entwicklung weiter vorantreiben. Ein interaktiver Playground ermöglicht es Benutzern, Parameter anzupassen und das Verhalten des Modells in verschiedenen Szenarien zu beobachten. Die Vorhersagen sind keine Prognosen von Epoch AI, sondern konditionale Vorhersagen, die auf Annahmen basieren und hauptsächlich zur Analyse der qualitativen Dynamik der KI-Automatisierung nützlich sind.

(epoch.ai)

KI wirtschaftlicher Einfluss

Wirtschaftsauswirkungen von KI: Automatisierung der Arbeit, nicht nur F&E?

2025-03-22

Eine weit verbreitete Ansicht besagt, dass die wichtigste wirtschaftliche Auswirkung von KI in der Automatisierung von Forschung und Entwicklung (F&E) liegt. Dieser Artikel bestreitet dies und argumentiert, dass der wirtschaftliche Wert von F&E überschätzt wird und weniger zum Produktivitätswachstum beiträgt als allgemein angenommen. Die Autoren behaupten, dass der wirtschaftliche Wert von KI hauptsächlich aus der breiten Automatisierung von Arbeitsplätzen resultiert, was zu einem erheblichen Anstieg von Produktivität und Output führt, nicht nur zu Fortschritten in F&E. Obwohl KI irgendwann F&E automatisieren wird, wird dies wahrscheinlich erst nach einer umfassenderen Automatisierung geschehen, sobald KI über die Fähigkeiten verfügt, ein breiteres Spektrum an Aufgaben zu bewältigen.

(epoch.ai)

KI

DeepSeek v3: Wesentliche Verbesserungen der Transformer-Architektur

2025-01-28

DeepSeek v3 erreicht State-of-the-Art-Leistung in Benchmarks mit deutlich weniger Rechenaufwand als vergleichbare Modelle. Dies ist auf wichtige architektonische Verbesserungen zurückzuführen: Multi-Head Latent Attention (MLA) reduziert die Größe des KV-Cache drastisch, ohne die Modellqualität zu beeinträchtigen; verbessertes Mixture-of-Experts (MoE) behebt Routing-Collapse durch verlustfreien Lastenausgleich und geteilte Experten; und Multi-Token-Prediction steigert die Trainingseffizienz und Inferenzgeschwindigkeit. Diese Verbesserungen zeigen ein tiefes Verständnis der Transformer-Architektur und weisen den Weg für große Sprachmodelle.

(epoch.ai)

KI