Webtagr - Technologienummer

Verstärkendes Lernen: Antriebskraft für den Aufstieg der agentenbasierten KI im Jahr 2025

2025-06-28

Erste Versuche mit KI-Agenten wie BabyAGI und AutoGPT im Jahr 2023, obwohl anfänglich vielversprechend, scheiterten aufgrund der Schwierigkeiten großer Sprachmodelle (LLMs) mit mehrschrittigem Schlussfolgern. Mitte 2024 änderte sich dies jedoch. Fortschritte im verstärkenden Lernen ermöglichten eine neue Generation von KI-Agenten, die komplexe, mehrschrittige Aufgaben konsistent erledigen können, wie beispielsweise Codegenerierungswerkzeuge wie Bolt.new und Anthropic's Claude 3.5 Sonnet. Verstärkendes Lernen überwindet durch Training durch Versuch und Irrtum das Problem der sich aufschaukelnden Fehler, die dem Imitationslernen innewohnen, und ermöglicht es Modellen, auch bei unbekannten Daten robust zu bleiben. Techniken wie OpenAIs RLHF und Anthropics konstitutionelle KI automatisieren Feedback und steigern so die Effizienz des verstärkenden Lernens. DeepSeks R1-Modell zeigte das bemerkenswerte Potenzial von Modellen, die sich durch verstärkendes Lernen das Schlussfolgern "selbst beibringen". Kurz gesagt, Fortschritte im verstärkenden Lernen sind der Haupttreiber für den Aufstieg der agentenbasierten KI im Jahr 2025.

(www.understandingai.org)

KI

Metas Llama 3.1-Modell speichert große Teile urheberrechtlich geschützter Bücher

2025-06-15

Neue Forschungsergebnisse zeigen, dass Metas großes Sprachmodell Llama 3.1 70B überraschend große Teile urheberrechtlich geschützter Bücher gespeichert hat, darunter 42 % von Harry Potter und der Stein der Weisen. Dies ist deutlich mehr als bei seinem Vorgänger, Llama 1 65B, und wirft ernsthafte Fragen zum Urheberrecht auf. Die Forscher bewerteten die „Speicherung“ des Modells effizient, indem sie die Wahrscheinlichkeit berechneten, mit der bestimmte Textsequenzen generiert werden, anstatt große Mengen an Text zu generieren. Diese Entdeckung könnte erhebliche Auswirkungen auf Urheberrechtsklagen gegen Meta haben und die Gerichte dazu veranlassen, die Grenzen der Fair Use beim Training von KI-Modellen neu zu bewerten. Obwohl das Modell weniger unbekannte Bücher gespeichert hat, unterstreicht die übermäßige Speicherung beliebter Bücher die Herausforderungen großer Sprachmodelle im Hinblick auf Urheberrechtsfragen.

(www.understandingai.org)

KI

Der AI-Hype in der Wissenschaft: Die Desillusionierung eines Physikers

2025-05-20

Nick McGreivy, ein promovierter Physiker von Princeton, teilt seine Erfahrungen mit der Anwendung von KI in der physikalischen Forschung. Anfangs optimistisch über das Potenzial der KI, die Forschung zu beschleunigen, stellte er fest, dass KI-Methoden deutlich schlechter abschnitten als beworben. Viele Studien übertrieben die Vorteile von KI, wobei Probleme wie Datenlecks weit verbreitet waren. Er argumentiert, dass der schnelle Aufstieg der KI in der Wissenschaft eher auf Vorteile für Wissenschaftler (höhere Gehälter, Ansehen) als auf echte Verbesserungen der Forschungseffizienz zurückzuführen ist. Er fordert strengere KI-Bewertungsmethoden und warnt vor optimistischen Verzerrungen in der KI-Forschung.

(www.understandingai.org)

KI

Analyse von Waymo-Autounfällen: Sind Menschen die wahren Schuldigen?

2025-03-26

Dieser Artikel analysiert 38 schwere Unfälle mit Waymo-Selbstfahrzeugen zwischen Juli 2024 und Februar 2025. Überraschenderweise wurden die meisten dieser Unfälle nicht durch die Waymo-Fahrzeuge selbst verursacht, sondern durch andere Fahrzeuge, die rücksichtslos fuhren, z. B. überhöhte Geschwindigkeit und Rotlichtverstöße. Waymos Daten zeigen, dass seine selbstfahrenden Fahrzeuge eine viel niedrigere Unfallrate haben als menschliche Fahrer. Selbst wenn alle Unfälle Waymo zugeschrieben würden, wäre seine Sicherheitsbilanz immer noch deutlich besser als die menschlicher Fahrer. Im Vergleich zum menschlichen Fahren hat Waymo signifikante Fortschritte bei der Reduzierung von Unfällen gemacht, insbesondere solcher, die zu Verletzungen führen.

(www.understandingai.org)

KI