Der jüngste Erfolg des chinesischen KI-Unternehmens DeepSeek hat breite Aufmerksamkeit erregt. Interessanterweise bemerkten einige Nutzer eine verpasste Gelegenheit zwischen DeepSeek und seinem Nachbarn im selben Gebäude, der Beijing Baidu Investment Management Co., Ltd. (kurz „Baidu Venture Capital“).

In Zukunft könnten KI-Assistenten frühzeitig unsere Entscheidungen vorhersagen und beeinflussen, ja sogar die sich entwickelnden „Intentionen“ in Echtzeit an Unternehmen verkaufen, die den Bedarf decken können, noch bevor wir uns unserer Entscheidung bewusst sind. Dies ist kein Science-Fiction, sondern eine Warnung von KI-Ethikern der Universität Cambridge. Sie argumentieren, dass wir am Anfang eines „profitablen, aber beunruhigenden neuen Marktes für digitale Intentionssignale“ stehen, der von Kinokartenkäufen bis hin zur Stimmabgabe für Kandidaten alles beeinflussen wird. Sie nennen es die „Intentionsökonomie“. Cambridge Centre for the Future of Intelligence (LCFI)...

Laut einer Studie der Universität Cambridge könnten KI-Tools dazu verwendet werden, die Entscheidungen von Online-Nutzern zu manipulieren – vom Kauf von Waren bis zur Wahlentscheidung. Die Studie weist darauf hin, dass es zukünftig einen neuen Markt geben könnte, die sogenannte „Intentionsökonomie“, in der KI-Assistenten menschliche Absichten verstehen, vorhersagen und manipulieren und diese Informationen an Unternehmen verkaufen, die davon profitieren können. Bildquelle: Bild wurde mit KI generiert, Bildlizenzgeber Midjourney. Das Forschungsteam stammt von der Universität Cambridge für zukünftige Intelligenz.

Ein Team der Universität Cambridge und anderer Einrichtungen hat kürzlich eine bahnbrechende Studie veröffentlicht, die das wahre Gesicht großer Sprachmodelle (LLMs) enthüllt und die tatsächliche Leistung aktueller LLMs eingehend analysiert. Das Ergebnis ist schockierend – diese vielversprechenden KI-Modelle schneiden bei vielen grundlegenden Aufgaben weit schlechter ab als erwartet. Die Studie umfasste eine umfassende Bewertung mehrerer führender Modelle, darunter o1-preview. Die Ergebnisse zeigen einen signifikanten Unterschied im Verständnis zwischen KI-Modellen und Menschen. Überraschenderweise zeigen die Modelle in Bereichen, die Menschen leicht verstehen, erhebliche Schwächen.

Abridge gab kürzlich bekannt, dass es eine Finanzierung in Höhe von 150 Millionen US-Dollar erhalten hat, um die Integration von generativer KI-Technologie im Gesundheitswesen voranzutreiben. Das Startup konzentriert sich darauf, Gespräche zwischen Ärzten und Patienten zu transkribieren und diese Aufzeichnungen automatisch in elektronische Gesundheitsakten zu integrieren. Bildhinweis: Bild wurde mit KI generiert, Bildlizenzanbieter Midjourney Angesichts des Personalmangels im Gesundheitswesen möchte Abridge durch die Verbesserung seiner Technologie dazu beitragen, die administrative Belastung für Klinikärzte zu verringern. Das Unternehmen arbeitet mit dem Giganten für elektronische Gesundheitsakten Epic zusammen.

Forscher der Stanford University und der University of California, Berkeley, führten ein Experiment durch, um die Folgen des Retrainings von KI-Bildgenerierungsmodellen mit selbstgenerierten Bildern zu untersuchen. Das Experiment verwendete das Stable Diffusion (SD)-Modell und wählte hochauflösende Gesichtsbilder aus dem FFHQ-Gesichtsdatensatz für die automatische Generierung aus. Die Ergebnisse zeigten, dass das KI-Modell nach dem Retraining stark verzerrte Bilder erzeugte. Diese Verzerrungen resultierten nicht nur aus den für das Retraining verwendeten Textaufforderungen, sondern das Modell produzierte verzerrte Bilder, selbst nachdem es anschließend nur noch mit realen Bildern trainiert wurde.

Physikalische neuronale Netze (PNNs) sind eine neu entwickelte Methode des intelligenten Rechnens, die auf physikalischen Systemen basiert und nicht auf herkömmlichen digitalen Algorithmen. Sie zeichnen sich durch große Modelle, geringen Energieverbrauch und Edge-Computing aus, z. B. private Inferenz auf Smartphones oder Sensoren. Die Trainingsmethoden konzentrieren sich auf die Rückwärtspropagationsfreiheit im Gegensatz zum vorherrschenden Rückwärtspropagationslernen im Deep Learning, wobei beide Methoden ihre jeweiligen Vorteile haben. PNNs entstehen aus der Verschmelzung mehrerer Bereiche wie Optik, Elektronik und neuromorphes Computing. Sie eignen sich für Berechnungen wie Matrix-Vektor-Multiplikationen und können strukturell optimiert werden, um Geschwindigkeit und Energieeffizienz zu verbessern. Zukünftige Anwendungen von PNNs umfassen generative Modelle und Übertragung...

Abridge gibt bekannt, eine Serie-C-Finanzierung in Höhe von 150 Millionen US-Dollar abgeschlossen zu haben. Das Interesse am Bereich der klinischen Dokumentation ist nach dem Start von ChatGPT gestiegen. Die Finanzierung wird die Entwicklung von Abridge und den Wettbewerb mit Konkurrenten beeinflussen. Die Finanzierung von Abridge trägt zu intelligenteren Lösungen im Gesundheitswesen bei.

Der Cambridge Dictionary hat "Halluzination" zum Wort des Jahres 2023 gekürt. KI-Technologien haben dieses Konzept neu definiert. KI-Tools wie ChatGPT haben großes Interesse geweckt, aber auch Zweifel an der Zuverlässigkeit von KI-generierten Texten aufgeworfen. KI-„Halluzinationen“ haben reale Auswirkungen, wie zum Beispiel in erfundenen Gerichtsfällen. Ein KI-Ethiker der Universität Cambridge weist darauf hin, dass KI-„Halluzinationen“ zu einer Vermenschlichung der künstlichen Intelligenz führen.