11. Oktober 2024 Lukas Sam Schreiber & Tim Kleikamp

🌟Nobelpreis 2024 - Viel Drama um KI!

Wer hat künstliche Intelligenz erfunden?

Das gab es so noch nie! Zweimal den Nobelpreis für künstliche Intelligenz. Kurz hatten wir noch auf den Literaturnobelpreis für AI Peanuts gehofft... Aber dann halt nächstes Jahr! Wir sind geduldig!

Peanuts für heute:

🌟Nobelpreis 2024 gleich zweimal für künstliche Intelligenz!
🤑 OpenAIs Verlust wird größer als erwartet
🛠️ Visual Electric ist ein Top KI-Bild Tool mit vielen spannenden Features

🥜 Die größte Nuss:

🌟Drama, Drama, Drama - Nobelpreis 2024 gleich zweimal für künstliche Intelligenz!

Der Nobelpreis 2024 wurde verliehen, und obwohl es keinen Nobelpreis für Informatik gibt, wurden gleich zwei Preise für Errungenschaften in der künstlichen Intelligenz vergeben – nämlich in den Kategorien Chemie und Physik. Die ganze Angelegenheit enthält eine Menge Drama, Politik und Missgunst, und wir bringen euch auf den neuesten Stand:

Der Chemie-Nobelpreis für Deepmind:

Während beim Physik-Nobelpreis reichlich Drama herrscht, bleibt es beim Chemie-Nobelpreis bisher ruhig. Dieser ging für die Lösung des Problems der Proteinfaltung an Demis Hassabis und John Jumper von Google DeepMind für ihr Projekt AlphaFold sowie an David Baker für seine Pionierarbeit im Bereich der computergestützten Proteindesigns.

Vor allem Demis Hassabis gönnt man diesen Preis ohne Weiteres – auch, weil er seinem Team zu Beginn der Entwicklung von AlphaFold versprochen hatte, dass sie mehrere Nobelpreise gewinnen würden. Wer hierzu mehr wissen möchte, dem sei die DeepMind-Dokumentation (7 Minuten) zu AlphaFold empfohlen.

Der Physik-Nobelpreis für neuronale Netze:

Der Nobelpreis für Physik ging an John Hopfield und Geoffrey Hinton für ihre Arbeiten in den 1980er Jahren. Hopfield entwickelte damals die ersten neuronalen Netze, die sogenannten Hopfield-Netzwerke. Diese Algorithmen sind der Struktur von Neuronen im menschlichen Gehirn nachempfunden. Diese Netzwerke konnten bereits Muster in Daten speichern und lernen – allerdings in begrenztem Umfang. Hinton verbesserte später diese Netzwerke. Insbesondere indem er die Lernfähigkeit erheblich steigerte.

Obwohl diese Arbeiten den Grundstein für moderne neuronale Netze legten, kamen die wirklichen Durchbrüche, die zu der heutigen Verbreitung führten, erst viel später. Vor allem Deep Learning und Lernalgorithmen wie die Backpropagation spielten dabei eine entscheidende Rolle.

Jetzt zum Drama! Für die Physik-Community ist es ein ziemlicher Affront, dass zwei Informatiker den Physik-Nobelpreis gewonnen haben. Das Nobelkomitee betonte, dass neuronale Netze in der Physik äußerst nützlich sind, wohl auch im Wissen, dass das einigen Physikern nicht gefallen würde.

Tatsächlich werden neuronale Netze heute zur Datenanalyse, Modellierung und für Simulationen in der Physik genutzt. Doch bleibt die Frage: Ist Softwareentwicklung wirklich Physik?

Der Physik-Nobelpreis war vermutlich die nächstliegende Kategorie für diese Ehrung, doch die Entscheidung zeigt, wie sehr das Nobelkomitee hinterherhinkt. Neuronale Netze und maschinelles Lernen werden seit Jahrzehnten in der Physik und anderen Disziplinen eingesetzt. Es scheint, als habe das Komitee erst durch den Erfolg von ChatGPT die Bedeutung dieser Technologie erkannt.

Der Preis deutet zudem darauf hin, dass es in der "echten" Physik dieses Jahr wohl kein Thema gab, das relevant genug wäre. Wie Sabine Hossenfelder sagt, ist es ein Zeichen dafür, in was für einer Krise die Physik aktuell steckt.

Aber das wird der Hauptgrund sein: Was wahrscheinlich noch mehr Gewicht hatte, ist, dass Hinton ein starker Verfechter von KI-Sicherheit ist und einer der prominentesten Kritiker von OpenAI. Geoffrey Hinton sagte auf der ersten Nobel-Veranstaltung, er sei „verblüfft“ über die Verleihung des Nobelpreises für Physik und glaubt, dass KI uns Menschen in ihren intellektuellen Fähigkeiten übertreffen wird, so dass wir uns Sorgen machen sollten, dass sie „außer Kontrolle gerät“.

Sein größter Kritikpunkt: Er wirft Sam Altman vor, mehr an Profiten als an der Sicherheit von KI interessiert zu sein – und hier liegt Hinton wohl nicht ganz falsch. Besonders stolz ist Hinton darauf, dass einer seiner Schüler, Ilya Sutskever (ehemaliger Chief Scientist von OpenAI), eine entscheidende Rolle bei der Entlassung Altmans spielte. Ilya war auch bei einer kleiner Party zur Verleihung mit Hinton. Es liegt nahe, dass das Nobelkomitee mit seiner Entscheidung auch ein politisches Zeichen für mehr KI-Sicherheit setzen wollte.

Noch nicht genug Drama?! Eine auffällige Auslassung bei diesem Preis war der deutsche Informatiker Jürgen Schmidhuber, der in den 1990er Jahren wesentliche Grundlagen für generative KI gelegt hat. Viele sehen es als bewusste Entscheidung, ihn nicht auszuzeichnen – auch gerade, weil Schmidhuber nicht so auf KI-Sicherheit bedacht ist wie Hinton. Schmidhuber selbst ist das gewohnt und wurde bereits beim Turing Award für eine ähnliche Auszeichnung übergangen. Das Gerücht besagt, dass andere Preisträger Auszeichnungen für seine Errungenschaften erhalten.

Also, es wird viel gemeckert, gefeiert und das Nobelkomitee fordert mehr KI-Sicherheit. Gleichzeitig ist es etwas fragwürdig, einen Nobelpreis für künstliche Intelligenz im Allgemeinen zu verleihen. Insbesondere, wenn viele Experten behaupten, dass vor allem Schmidhuber die großen Erfolge bei generativer KI vorangetrieben habe. Elon Musk ist in dieser Hinsicht übrigens voll auf der Seite von Schmidhuber und twitterte damals (im Kontext der Verleihung des Turing Awards) Folgendes:

🛠️ Trai it out:

Visual Electric — Heute ist es Zeit mal ein noch recht unbekanntes Bild-KI Tool vorzustellen. Visual Electric ist ein tolles Programm, mit dem sich mit KI diverse Grafiken erstellen lassen. Die Stärke von VE liegt in den vielen Presets, mit denen sich bestimmte Stile - z.B. Zeichnungen, abstrakte Kunst, Vintage-Fotografie und co. sehr einfach abbilden lassen.

Insgesamt bietet das Tool eine ganze Reihe von individuellen Einstellungs- und Kontrollmöglichkeiten und ist daher besonders gut für den wirklichen “Produktiveinsatz”, z.B. in Agenturen geeignet.

Weitere Neue Tools, Updates & Demos:

JobJump — Ein KI-Assistent für Video-Interviews
Anon — Eine kostenfreie und datenarme, Privatsphäre-First ChatGPT Alternative
Latitude — Für Entwickler - Eine Open Source Prompt Engineering Plattform
Chunkr — Für Entwickler - Open Source Data Ingestion Tool, u.a. perfekt, um Dokumente für RAG Pipelines vorzubereiten

🍭🍬 Gemischte Tüte

🇪🇺 EU-News:

Eine neue Studie der Universität Zürich ergab, dass Menschen Überschriften, die als „KI-generiert“ gekennzeichnet sind, misstrauen und weniger bereit sind, sie zu teilen. Link

👩‍💻 Tech-News:

Sogar die „Godmother of AI“ hat keine Ahnung, was AGI eigentlich ist. Link
Interne Dokumente zeigen, dass OpenAI für 2026 einen Verlust von 14 Milliarden Dollar erwartet, mit einem Gesamtverlust von etwa 44 Milliarden Dollar bis 2028. Es wird prognostiziert, dass OpenAI erst 2029 profitabel wird, wenn die Einnahmen 100 Milliarden Dollar erreichen. Außerdem wird es zu einer Public Benefit Corporation, um eine feindliche Übernahme durch Microsoft zu verhindern. Link
Und OpenAI berichtet, dass böswillige Akteure die Plattform nutzen, um Wahlen zu stören, allerdings mit wenig viraler Resonanz.Link
Multi-Datacenter-Training: OpenAIs ehrgeiziger Plan, Googles Infrastruktur zu übertreffen. Link
Google Search steht vor einer “dramatischen” Veränderung. Link
Und Google integriert Anzeigen in KI-Übersichten und erweitert die Rolle von KI in der Suche. Link
Die legendäre Venture Capital Firma Sequoia ist begeistert von OpenAIs Modell o1. Nun gut, ist natürlich auch einer ihrer Investments. Trotzdem guter Artikel. Link
Reddit-Nutzer verwenden Runway AI’s Video-zu-Video-Modell, um jahrzehntealte Videospiele mit fotorealistischer Grafik zu versehen. Der nächste Schritt: sie in Echtzeit zum Laufen zu bringen. Link
TikTok hat ein neues Tool namens Smart+ angekündigt, das KI nutzt, um Anzeigen zu erstellen und auszuliefern, ähnlich wie bei den KI-Werbetools von Meta und Google. Link
LLMs sind laut einer Harvard-Studie “Konsensmaschinen” und keine “Expertenmaschinen”, ähnlich wie Crowdsourcing-Plattformen. Link
Amazons neues Lager wird 10-mal mehr Roboter beschäftigen, seine Elektrofahrzeugflotte wird mit KI-gestützten Kameras ausgestattet, die den Fahrern zeigen, welche Pakete sie an jedem Stopp abholen sollen, und die Website hat KI-Einkaufsführer für Hunderte von Produktkategorien erhalten. Außerdem wird sie irgendwann KI-Agenten haben, die Artikel für dich in den Warenkorb legen. Link und Link

👷 Work:

Prof. Ethan Mollick skizziert zwei Taktiken, wie Organisationen von generativer KI profitieren können: The Crowd – jeder Mitarbeiter testet KI für eigene Aufgaben, und The Lab – ein zentrales Team, das KI für das Unternehmen zum Laufen bringt. Klingt sinnvoll! Link
Essay: “Ich habe ChatGPT als Karriere-Coach engagiert – KI veränderte meine Sicht auf Arbeit und mich selbst.” Link
Generative KI macht rechtliche Klagen billiger – Unternehmen sollten sich darauf vorbereiten. Link
Auch hierzu: Ein Google-DeepMind-Manager sagt, dass KI so effizient wird, dass sie voraussichtlich 50 % der Informationsanfragen in der Rechtsabteilung übernehmen wird. Link
71 % der Mitarbeiter an australischen Universitäten nutzen KI. Wofür? Und was ist mit denen, die es nicht tun? Link

🆕 Neue Anwendungsfelder:

Forscher am Saha Institute of Nuclear Physics in Indien haben ein einfaches KI-Modell entwickelt, das mit E. coli-Bakterien erstellt wurde. Die Bakterien lernten eigenständig, Primzahlen und Vokale zu erkennen, und die Methode soll effizienter sein als herkömmliche Computerchips. Link

🔐 Cybersecurity: