KINews24 Update: Die News lesen sich (mal wieder) wie die Einführung in einen neuen Science-Fiction Roman – dabei ist es “nur”, was uns heute so erreicht hat:
Atlassian Rovo definiert mit seiner Plattform, die Atlassian-Produkte und Drittanbieter-Tools integriert, Arbeitsabläufe neu. Nutzer können durch KI-Agenten ohne Programmierkenntnisse Workflows automatisieren. Eine intuitive Sprachschnittstelle und höchste Datensicherheit erhöhen die Benutzerfreundlichkeit und schützen individuelle Daten. Zusätzliche Funktionen wie ein Chat-Dienst verbessern die Zugänglichkeit und Verständlichkeit von Fachjargon.
Sam Altman diskutiert im MIT Technology Review die Zukunft von KI-Agenten, die ohne neue Hardware auf bestehenden Geräten funktionieren werden. Sanctuary AI und Microsoft zielen darauf ab, mit Azure-unterstützten Allzweckrobotern die KI-Innovation zu beschleunigen.
Das MIT stellt mit den KANs eine neue Generation neuronaler Netzwerke vor, die Effizienz und Präzision in wissenschaftlichen Anwendungen verbessern könnte. Das überraschend erschienene GPT2 zeigt erweiterte Fähigkeiten im Vergleich zu Vorgängermodellen. Stanford und Princeton haben CRISPR-GPT entwickelt, das die Gen-Editierung präziser und schneller macht und in der medizinischen Forschung und Biotechnologie Anwendung findet.
KINews24 Update
Atlassian Rovo – Arbeitsabläufe neu definiert
- Integration und Zugänglichkeit: Rovo vereint Daten aus Atlassian-Produkten und zahlreichen Drittanbieter-Tools, was Mitarbeitern hilft, Informationen schneller zu finden und Arbeitsabläufe effizienter zu gestalten.
- KI-Agenten: Die Rovo Agents ermöglichen es, ohne Programmierkenntnisse individuelle Workflows zu automatisieren. Sie agieren als virtuelle Teammitglieder, die eigenständig lernen und Aufgaben ausführen.
- Benutzerfreundlichkeit: Durch eine natürliche Sprachschnittstelle kann jeder Nutzer die Agenten bedienen und anpassen, was die Barriere für den Einstieg in die Automatisierung senkt.
- Datensicherheit und Personalisierung: Rovo gewährleistet durch differenzierte Zugriffsrechte, dass Suchergebnisse individuell angepasst und sicher sind.
- Zusätzliche Funktionen: Ein Chat-Dienst und die Fähigkeit, unternehmensspezifisches Jargon zu erkennen und zu erklären, runden das Angebot ab, wobei stets Quellenangaben für die generierten Informationen gegeben werden.
Sam Altman im MIT Technology Review – Blick auf die nächste Generation von KI-Agenten
- Neue AI-Agenten: Die nächste AI-Generation wird als ein überaus kompetenter Kollege beschrieben, der in der Lage ist, reale Aufgaben zu übernehmen und proaktiv zu handeln.
- Keine neue Hardware nötig: Altman betont, dass die zukünftige AI-Technologie keine speziellen neuen Geräte erfordern wird, sondern vielmehr durch bestehende Smartphones und Cloud-Anwendungen realisiert werden kann.
- Training und Daten: Die Weiterentwicklung dieser Technologien hängt nicht zwingend von immer größeren Datenmengen ab, was neue Wege im Umgang mit Trainingsdaten eröffnet.
- Zukunft von GPT-5: Altman gibt keine konkreten Informationen zur Veröffentlichung von GPT-5 preis, betont jedoch, dass die Entwicklungen in Richtung einer weitreichenden Integration von AI in den Alltag gehen.
Microsoft und Sanctuary AI verkünden Partnerschaft – Bessere Roboter in der Zukunft
- Unternehmen und Ziel: Sanctuary AI strebt danach, die erste menschenähnliche Intelligenz für Allzweckroboter zu schaffen, Microsoft unterstützt mit Azure-Infrastruktur.
- Technologische Grundlage: Die Entwicklung von Large Behavior Models, die auf den Large Language Models aufbauen.
- Praktische Anwendung: Die Phoenix-Roboter von Sanctuary AI, betrieben durch das Carbon-System, haben bereits umfangreiche praktische Tests in verschiedenen Branchen durchlaufen.
- Kollaborationsziele: Beschleunigung der KI-Innovation und Vertiefung der Forschung in Bereichen wie Problemlösung, Planung und Zusammenarbeit zwischen Menschen und Maschinen.
- Bisherige Erfolge und Expertise: Gründer von Sanctuary AI haben Pionierarbeit in Quantencomputern und verstärkendem Lernen geleistet.
MIT präsentiert KAN: Quantensprung bei Neuronalen Netzwerken
- Ursprung und Inspiration: Die KANs sind vom Kolmogorov-Arnold-Darstellungssatz inspiriert und bieten eine neue Architektur ohne lineare Gewichtsmatrizen, wobei jede Gewichtsparameter durch eine lernbare univariate Funktion ersetzt wird.
- Überlegenheit gegenüber MLPs: In praktischen Anwendungen und theoretischen Bewertungen zeigen KANs, dass sie mit kleineren Modellen ähnliche oder bessere Genauigkeit als größere MLPs erreichen können.
- Anwendungsgebiete: Diese Netzwerke haben bereits in der Mathematik und Physik ihre Nützlichkeit bewiesen, indem sie Wissenschaftlern helfen, mathematische und physikalische Gesetze zu entdecken oder neu zu interpretieren.
- Zukunftspotenzial: Die Einführung von KANs könnte die Art und Weise, wie tiefgehende Lernmodelle heute entwickelt und eingesetzt werden, signifikant verändern und verbessern.
GPT2 – Geheimnisvolles neues Sprachmodell aufgetaucht
- Erscheinung: GPT2 wurde ohne vorherige Ankündigung auf LMSys eingeführt und zeigt beeindruckende Fähigkeiten im direkten Vergleich mit älteren Modellen.
- Leistungsvermögen: Das Modell zeigt verbesserte Argumentationsfähigkeit und liegt in Leistungstests nahe an oder über GPT-4.
- Spekulationen zur Herkunft: Unklar ist, ob OpenAI hinter GPT2 steckt oder eine andere Entität. Mögliche Hinweise deuten jedoch auf eine Verbindung zu OpenAI hin.
- Fähigkeiten: Neben herkömmlichen KI-Leistungen kann GPT2 ASCII-Kunst erstellen und ist besonders stark in der Programmierung.
- Markante Ähnlichkeiten: Trotz seiner Unterschiede zu GPT-4 teilt GPT2 einige spezifische Schwächen und scheint mit ähnlichen Methoden wie andere OpenAI Modelle trainiert worden zu sein.
CRISPR-GPT von Stanford und Princeton veröffentlicht – Präzision auf der Gen-Ebene
- Entwickler und Beteiligte: Forschungsteams der Stanford University, Princeton University und Google Deepmind.
- Technologie: Integration von CRISPR-Technologien mit Großsprachmodellen (LLMs), insbesondere GPT-4.
- Ziel: Automatisierung und Präzisionssteigerung von Gen-Editierungsverfahren.
- Vorteile: Erhöhung der Zielgenauigkeit um bis zu 30%, Reduktion der Zeit für Design und Planung um ca. 40%, deutliche Minimierung von Off-Target-Effekten.
- Anwendungsbereiche: Medizinische Forschung, Therapieentwicklung, landwirtschaftliche Biotechnologie.