Kurzer Überblick über die 10 am meisten genutzen Chatbots weltweit (ohne China)
Glossar von Abkürzungen (Mit Links)
API – Application Programming Interface Schnittstelle, über die Software-Komponenten miteinander kommunizieren können (z. B. für Dateizugriff oder externe Dienste).
FP8 – Floating Point 8-bit Ein komprimiertes Zahlenformat (nur 8 Bit) für schnellere und speichersparendere Berechnungen beim Training von LLMs.
LLM – Large Language Model Sprachmodell mit sehr vielen Parametern (meist Milliarden), trainiert auf großen Textkorpora, Grundlage fast aller modernen Chatbots.
LLaMA – Large Language Model Meta AI Open-Source-Modellreihe von Meta, dient häufig als Basis für andere Modelle (z. B. Sonar in Perplexity)
MLA – Multi-head Latent Attention Architektur-Variante von DeepSeek: Effiziente Aufmerksamkeitsschicht (Attention) für parallele Verarbeitung.
MoE – Mixture of Experts Architektur, bei der nicht alle Parameter gleichzeitig genutzt werden, sondern spezialisierte „Experten“-Subnetze je nach Aufgabe aktiviert werden → spart Rechenressourcen.
R1 – DeepSeek Reasoning Model, Version 1 Eine spezielle Modellreihe von DeepSeek, trainiert für komplexes logisches Denken (reasoning).
RL – Reinforcement Learning Lernmethode, bei der ein Modell durch Belohnung/Bestrafung optimiert wird (ähnlich wie Versuch & Irrtum).
RLHF – Reinforcement Learning from Human Feedback Trainingstechnik: Menschen bewerten Modellantworten, und diese Rückmeldungen werden als Belohnungssignal für RL genutzt.
RoPE – Rotary Positional Embedding Mathematische Technik, um Reihenfolge (Positionen) in Transformer-Modellen effizient darzustellen.
RMSNorm – Root Mean Square Normalization Normalisierungsmethode innerhalb neuronaler Netze, die Rechenstabilität verbessert (Alternative zu LayerNorm).
SFT – Supervised Fine-Tuning Nachtraining eines Modells mit klar beschrifteten Beispielen (z. B. Frage-Antwort-Paare), um gewünschtes Verhalten zu verstärken.
MENSCH & KI : Risiko oder Chance? Mittwoch 3. Sept. 2025, 20-22h, Bürgertreff Schöneck-Kilianstädten. Ankündigung
In Fortsetzung des sehr interessanten Vortrags- und Gesprächsabends vom 6. August 2025 soll an diesem Abend allen interessierten Bürgern erneut die Gelegenheit geboten werden, sich mit dem Thema ‚Mensch & KI : Risiko oder Chance?‘ auseinander zu setzen. Durch die Veranstaltung führt der emeritierte Informatik Professor und Wissenschaftsphilosoph Gerd Doeben-Henisch.
KI begegnet im Alltag Menschen aller Altersklassen und aller Berufe, nicht selten auch verborgen, so dass der Benutzer gar nicht merkt, dass eine KI beteiligt ist. Doch, mit einer KI arbeiten heißt nicht unbedingt, dass man versteht, was hinter der Oberfläche tatsächlich passiert : Wie macht die KI das? Und dann gibt es heute viele verschiedene KIs im Einsatz; diese können die gleiche Frage unterschiedliche beantworten, oder die gleiche KI beantwortet die gleiche Frage bei Wiederholung anders; was gilt nun?
Solche alltäglichen Erlebnisse führen manche Nutzer zu weiterführenden Fragen, was denn ‚Intelligenz‘ überhaupt ist? Gibt es einen benennbaren Unterschied zwischen ‚menschlicher‘ und ‚maschineller‘ Intelligenz? Kann die KI Menschen tatsächlich einmal überflüssig machen?
Dies sind nur einige der vielen Fragen, die sich uns Menschen in der Begegnung mit KIs stellen können.
Im Verlauf des Abends hat jeder Teilnehmer Gelegenheit anhand von typischen Anwendungssituationen und kleinen Tests seine eigenen Erfahrungen beizutragen. Wer will, kann auch seine ‚Lieblings-KIs‘ mitbringen und diese bei bestimmten Aufgaben mit ‚ins Rennen‘ schicken : Wer löst welche Aufgabe wie?
Gerd Doeben-Henisch wird anhand der Beispiele versuchen, einige der Strukturen ‚hinter der Oberfläche‘ sichtbar zu machen und Anhaltspunkte zu liefern, wie man die ‚großen Fragen‘ beantworten kann. Er selbst sieht sehr wohl reale Risiken, aber nur dann, wenn wir als Menschen zu wenig verstehen, wie wir als Menschen die große Chance nutzen können, welche diese neue Technologie bietet.
Dieser Text greift die Gedanken vom Vortrag und den Gesprächen auf und entwickelt daraus ein größeres zusammenhängendes Bild, wie ‚chatGPT denkt‘. Es folgen erste Gedanken, was dies für uns Menschen bedeutet bzw. bedeuten kann.
