Besser wissen, der Podcast von Golem.de. Hallo und herzlich willkommen zu einer weiteren Ausgabe. Mein Name ist Martin Wolf und ich bin Podcastbeauftragter von Golem.de und ich befinde mich in meinem Büro und bis eben gerade herrschte hier ziemlich alarm, weil draußen, also was ich heute früh gedacht habe ist, dass es jetzt so weit ist, eine Erdbebensimulationsanlage wurde direkt unter meinem Fenster errichtet, ist aber gar nicht so, sondern da gibt es drei Bäume auf dem Hinterhof, weil wir befinden uns ja mitten in Berlin und die werden entastet und die Äste werden in einen morselhauten Schredder geschmissen. Wenn also während der Aufzeichnung dieses Podcasts im Hintergrund diese Geräusche zu hören sind, dann ist das das.

Und wir können es auch nicht ändern. Man kann da schlecht runtergehen mit den Leuten, die da im Baum hängen, sagen jetzt hört man auf im Baum zu hängen. Aber vielleicht machen sie gerade Pause, weil nämlich wir gerade arbeiten. Johannes Hilscher und Martin Böckmann sind mit mir im Büro. Meine beiden Kollegen, die für das heutige Thema meiner Meinung nach und hoffentlich auch der Meinung der Zuhörerschaft nach am besten geeignet sind. Das letzte Mal hatte ich ein State of the Union KI Podcast mit Helmut Linde, der Data Scientist ist. Ihr seid jetzt keine Data Scientist. Martin, was machst du bei Golanee? Ich bin der Hardware-Bau-Aufragte. Data Science ist also höchstens bei dem Benchmark Ergebnissen rudimentär vorhanden. Johannes Hilscher, dein Data Scientist Story?

Ich bin auch kein Data Scientist, aber zumindest Informatiker und ich habe schon relativ früh mit Grafikarten für wissenschaftliches Rechen gearbeitet. Das heißt, ich bin da zumindest etwas drin. Okay, meine Kompetenz liegt darin, dass ich eure Notizen lesen kann. Damit das muss reichen für heute. Und dass du die Sache über die wir reden, reden ja auch durchaus nutzt? In Teilen. Aber ja, also ich habe es jetzt ein bisschen unter den Schäfen gestellt. Wir fangen mal damit an, dass tatsächlich eines der Dinge, die ich im letzten Jahr mit Helmut besprochen habe, auf den Markt gekommen ist, zumindest in den USA und weil ich da gerade war, also vor einer Weile, konnte ich es auch ausprobieren. Sora von OpenAI. Großes Ding wurde mit viel Tantam angekündigt,

der generative Video, also der Videogenerator von OpenAI. Ich habe den ausprobiert und auch andere Videogeneratoren. Diese Artikel verlinken wir in den Schonernuts wie auch so ziemlich alles andere, was wir heute besprechen. Jedenfalls wenn ich es nicht vergesse und wenn ich doch was vergesse, dann bitte beschwerden an Podcast@gulium.de. Ich habe die ausprobiert und ich muss sagen, ich fand die alle nicht so doll, aber Sora fand ich jetzt besonders nicht so doll. Also das Ding ist, dass als Sora gezeigt wurde, gab es noch nicht so viele andere von denen und daher wirkte das sehr spektakulär, was sie gezeigt haben. In der Zeit, seit sie das gezeigt haben, bis es dann rauskam, was in KI Hundejahren einfach ein Jahrzehnt war, also über ein halbes Jahr definitiv,

hat sich das alles so ein bisschen relativiert und die anderen Videogeneratoren erschienen mir teilweise etwas besser, aber das ist auch schwer zu sagen, weil letztlich man schreibt was rein und dann kommt irgendwas raus und das bei allen immer Verhandlungssache, was bei rauskommt. Das einzige was ich versucht habe, wo ich versucht habe, eine Konsistenz zu erreichen war, ich packe ein Bild von mir, wie ich auf einem Berg stehe, rein. Also dieses Bild gab es auch vorher nirgendwo, das sind irgendwo geteilt oder so, das pack ich rein und tue eine Zeile dazu. Also die bedeutet, die Zeile lautet ungefähr, sind Touristenführer und der erklärt so ein bisschen die Aussicht.

Und was der jeweilige Bildgenerator daraus oder KI Videogenerator daraus macht, das kann man ja ein bisschen bewerten. Also in manchen von denen fliege ich einfach davon. Also es ist sehr hübsch anzusehen. In manchen werde ich so ganz klein, mal werden die Hände verschwinden oder so und das Problem bei Sora war dann, Sora hat das nicht zugelassen aus, wie ich finde nachvollziehbar an Gründen, nämlich dass man nicht einfach Bilder von Leuten umgefragt da rein schmeißen kann und die dann... Auf einmal kriegen sie einen Gewissen. Aber komm Martin, besser als ich fand das, ich muss sagen, dass ich das einerseits natürlich in den Moment, als das passierte, ich saß da von dem Rechner extra 1000 Kilometer weit gereist und da ich natürlich nicht nur dafür arbeite,

du weißt schon was ich meine, das ist ja ganz ein Aufwand, Betrieben und so weiter, extra noch mein Account angelegt und so. Und dann denkst du, das einzige Moment, mit man jetzt rausfinden könnte, wie gut es eigentlich ist, funktioniert nicht. Auf der anderen Seite, ja tatsächlich muss man sagen, gut, dass sie das nicht machen. Also finde ich, ja. Aber ich finde das eine fundamentale Limitierung, weil das bedeutet ja gerade, dass man es im privaten Umfeld nur sehr eingeschränkt nutzen kann.

Wenn man jetzt auch an Haushaltsgeräte denkt oder KI im direkten privaten Bereich, die sich dann weigert, Dinge zu tun, weil Datenschutz ein Problem sein könnte oder weil, weiß ich nicht, der Staubsaugerroboter fährt rum und sieht nackte Leute und darf das dann nicht verarbeiten oder so. Und ist aber, naja, der muss halt seinen Weg finden und der muss das dann machen. Der soll das natürlich nicht ins Internet schicken, aber der kann ja dann nicht einfach stehen bleiben und sagen, nee, das darf ich nicht sehen. Ich bin traumatisiert. Johannes, deine Meinung dazu? Ich bin da gerade, ehrlich gesagt, ein bisschen hin und her gerissen. Jetzt gibt es ja die Diskussion über GROC3 von XAI, was ja wohl quasi überhaupt keine Limitierungen hat. Und es ist halt schon auch ein gesellschaftliches

Problem, was ungelöst ist. Ich meine, KI ist erstmal nur ein Werkzeug, aber es gibt halt viele Menschen, die dieses Werkzeug für nicht gerade demokratieförderliche Aktivitäten nutzen. Von daher, also ich finde es einerseits interessant, dass OpenAI dann doch so restriktiv ist, weil wie Martin das ja eben schon angedeutet hat, sie bei Urheberrecht vorher beim Einsammeln ihrer Trainingsdaten nicht unbedingt so genau darauf geachtet haben. Oder auch gar nicht. Es war ein Euphemismus. Ja, und ich habe tatsächlich, ehrlich gesagt, gerade keine Idee, wie man dieses Konfliktfeld lösen könnte. Ich glaube, da bist du nicht der einzige. Und es geht ja auch noch weiter.

Also auch die anderen sind jetzt noch am Start. Der Vollständigkeit Halber erwähne ich, dass Adobe ein eigenes eher preiswertes Angebot von Firefly auf der Videokoneration rausgebracht hat. Und also ich mache jetzt mal kurz meine Runde zu Ende, bevor wir zu euren Themen kommen, weil ich habe das jetzt alles irgendwie direkt ja noch vor Augen. Das andere, was passiert ist, du hast Grog erwähnt, Johannes, für, ich hatte muss seine Zwischenüberschrift schreiben im letzten Jahr, wo bist du hingekommen? Die Zwischenüberschrift lautete "Flux.1 für Grog auf X". Also bitte.

Bei den Namen müssen Sie vielleicht auch mal die KI fragen, ob man das ein bisschen besser machen kann. Ich habe das Gefühl, Sie haben eine gefragt, irgendeine von 1994. Also ehrlich, der Punkt ist, dass Flux.1 für Grog auf X ein Bildgenerator ist, der es aus Deutschland hat, tatsächlich stammt oder beziehungsweise dessen Team hier in Deutschland im Schwarzwald sitzt und der ebenfalls relativ unrestrikt, un, un, wie würde man sagen? Restriktiv, glaube ich. Ja, oder wenig Restriktionen hat, was man machen darf. Ich habe glaube ich gar keine gefunden.

Der lokal auf Rechner laufen kann, aber eben auch von X oder Twitter oder was auch immer oder deren X-AI-Dings eingesetzt wird, um Bilder zu machen. Und da waren auch ein Haufen Sachen mit dabei, also die tatsächlich den Wahlkampf hätten beeinflussen können oder wahrscheinlich auch beeinflussend haben. Und da sollte ich dann auch eine Artikel geschrieben, also was das halt auch bedeutet. Also es reicht ja aus, dass die Leute annehmen würden, dass die Bilder gefälscht sind, um beispielsweise in Szenarien wie Katastrophen die Spendenbereitschaft drastisch zu reduzieren.

Also wenn ich mir, wenn ich denken muss, dass das Bild von dem Kind mit dem kleinen Welpen, das der zukünftige Präsident Trump gepostet hat, mit der Überschrift, dass die, dass die Regierung nichts tut gegen die Opfer des Hurricanes Helena, wenn ich davon ausgehen muss, dass das falsch ist, wieso sollte nicht auch das Bild falsch sein von der Hilfsorganisation, die ebenfalls diese Hurrican-Opfer, also ich meine, das ist dem, dem Typ natürlich komplett egal, der hat soweit keine Maschine auch nicht dinken, aber letztendlich ist das was passiert und damit ist halt bei all diesen Generatoren eigentlich ein riesiges Problemfeld. So, das habe ich meinen Kram durch, eure Meinung zu Gen AI, habt ihr benutzt ihr das? Ja, für? Also tatsächlich in erster Linie für Bilder,

weil ich ganz oft irgendwelche Bildideen habe und da aber einfach nichts zu finde. Also Stockfotos zum Beispiel, die ich mir dann etwas anders wünsche und ich muss jetzt sagen, ich bin jetzt auch nicht so gut in Bildbearbeitung, deshalb kommt mir das oft sehr entgegen und viele Sachen, die werden mit klassischer Bildbearbeitung auch schwierig hinzubekommen. Martin? Bei mir hat es auch mit den Bildern angefangen, auf jeden Fall, wobei das glaube ich ein bisschen zeigt, gleich mit Chagy BT auch war. Also Chagy BT war auch der Moment für mich, wo ich das so richtig das erste Mal selber benutzt habe. Ich habe es davor schon immer gesehen in einem Content Team, in dem ich gearbeitet habe, was ich immer so nebenbei auf der Arbeit mit gesehen habe, die damit schon früher angefangen

haben zu arbeiten und dann habe ich auch angefangen Bilder zu generieren und mich auszuprobieren und du hast mir ja auch mal so ein Setup gegeben und gesagt, was gerade so innen ist und womit man was macht und da habe ich viel mehr rumprobiert, wirklich viel benutzen tue ich es am Ende nicht, aber auch immer mal wieder so um meine Unkenntnis bei der Bildbearbeitung auszugleichen. Video habe ich mir angeguckt und fand es so schrecklich und auch erwartbar schrecklich, weil wenn es bei den Bildern schon ja doch eher sehr random ist, dann wird es bei Video natürlich nicht besser. Aber also ich probiere damit weiter rum. Eine Idee, die ich habe, an der ich schon eine Weile arbeite, ist für unsere Hardware Artikel einen Sprachbott zu machen, den man fragen kann. Ganz oft haben wir im Forum

eine Frage zum Artikel, die im Artikel eigentlich auch beantwortet wurde, aber wenn man dann die Frage im Forum stellt, dann beantworten wir sie unter Umständen oder jemand anders antwortet dann darauf. Das wäre natürlich schön, wenn wir auch was hätten, wo man einfach direkt eine Frage zu meinem Themenbereich stellen kann und dann die Website direkt antwortet darauf. Dein Lieblings-Kai-Feature für Golan.de. Johannes. Hab ich ehrlich gesagt noch nicht drüber nachgedacht. Doch hast du. Und zwar wir zusammen. Wir beide zusammen sitzen an einem. Genau, das wollte ich jetzt gerade sagen. Wir arbeiten noch an Audien-Generierung, dass man sich dann quasi Texte von Martin Wolf volllesen lassen kann.

Das hat sich nicht von mir, sondern von meiner geklonten Schleim. Genau. Nee, ich sitze dann immer da und wenn man mal drauf liegt, dann komme ich an den Rechner und lese das live vor. Martin. Das finde ich übrigens super. Wir hatten vor zwei, drei Monaten hier im Podcast das Thema World of Warcraft und da gibt es ein Addon, was ich mittlerweile ausprobieren durfte. Ist auch kostenfrei, wo man die Quest-Texte, also wenn man mit jemandem redet und der gibt einen Auftrag und dann soll man irgendwo hingehen und irgendwas einsammeln oder so, dann gibt es ja immer eine Geschichte dazu. Die Zwerge haben irgendwas Episches gemacht und brauchen jetzt unbedingt fast von wem anders und so. Und es hat sich so ein bisschen eingebürgert, gerade bei Leuten, die irgendwie schnell durchwollen und das

schon mal gemacht haben, dass man es einfach alles wegdrückt. Und jetzt gibt es ein Addon mit KI, was einem das auch in so einer Zwergenstimme, die haben dann so einen schottischen Accent und so, was einem das dann vorliest. Und dann redet der wirklich mit einem und dann geht man so weg und er redet noch und dann kommt man wieder und gibt es ab und dann gibt es auch einen Text so und es wird vorgelesen, dann redet man mit jemandem, der hat auch eine eigene Stimme, die zu dem Charakter passt und das ist sehr immersiv. Also ich finde es super. Ich finde, das sind Anwendungen und auch das, was Johannes gerade gesagt hat. Ich hoffe, dass wir das irgendwann mal hinbekommen. Da sind andere schon viel weiter, aber wir versuchen es halt irgendwie Kraft unserer eigenen Wassersuppe und

müssen natürlich dabei auch noch andere Dinge machen, als uns damit beschäftigen und sind natürlich auch keine Data Scientists, wie wir am Anfang schon als Disclaimer gesagt haben. Aber ich finde diese ganzen Möglichkeiten mit KI, barriereärmer, Sachen barriereärmer zu machen oder anzureichern, so wie du es gesagt hast, durch Dinge, die vorher in der einen Version vorlagen, die dann in der anderen ganz einfach zu konvertieren, das finde ich total fantastisch. Also eines meiner favoriten Gadgets auf der diesjährigen CES, wahrscheinlich disfavoriten Gadget, war eine smarte Brille. Smarte Brille sind seit Jahren irgendwie immer eigentlich Mist und das ist nur immer alles so halb und eigentlich gar nicht. Einige sind total am Mist. Und diese Brille machte

nichts anderes, als unten im unteren Sichtfeld einzublenden die Untertitel von dem, was gerade gesagt wurde. Mein Bedarf mit Übersetzung und das ganze lokal vom Telefon ohne Sklaut und ohne Stream. Das will ich. Exakt. Und ich stand da und dachte, man, das ist es. Also das ist was da, das ist, das ist sinnvolle Anwendung von dieser Technologie. Und dann noch den Pfeil, welchen Ausgang ich am Bahnhof benutzen muss und dann bin ich abgeholt. Kaufe ich. Und die haben das tatsächlich, es war wirklich ziemlich gut. Also auch mehrere Sprechende konnten unterschieden werden und so weiter und sofort. Und das war, und das Lustige war aber, und das zeigt eben auch, in welcher Zeit wir uns gerade befinden. Ich stehe dann da und er hat das immer wieder erklärt, das war ein winziges Start-up

im Julikarpark. Und immer eine Haufen Leute und es ist auch alles voll mit Leuten. Also erstens ist das perfekte, perfekte Szenario um das Ding zu präsentieren, weil Netz gibt's nicht. Er gibt's halt einfach nicht. Alle haben da irgendwas am Summen und könnt ihr ganz vergessen, das ist eine Electronic Warf. So. Und alle reden. Es herrscht eine Abarmo-Sol-Bautstärke und wenn er dir dann was sagt und das da unten erscheint, dann funktioniert das Produkt. Aber was ich abgefahren fand, war andere Leute da rumstanden, die guckten dann halt und dann sagte er ja, es blendet unten den Text ein und sie guckten halt und warteten und er meinte, das ist das Produkt. Und die dachten halt, ja, eine smarte Brille, was kann die denn noch? Und ich dachte, das ist es doch. Das ist was du willst.

Was soll ich denn? Alles andere ist Schwachsinn. Das ist ein großartiges Ding. Ja. Sorry, dass ich so begeistert bin. Aber ich bin genauso begeistert und ich verstehe aber, dass das für Leute, die vielleicht nicht so technikaffin sind, die verstehen nicht so, beim Textpublikum finde ich es schade, aber bei so den klassischen Anwendern verstehe ich es manchmal, dass denen nicht so klar ist, was davon eigentlich super kompliziert ist und was gerade eine Weltneuheit ist und was eigentlich trivial ist und was man schon immer machen konnte und halt nicht gemacht hat, weil es uninteressant ist und was die aber als total krasses Killer Feature sehen würden. Okay, dein... Aber Techies finde ich es schade, dass sie das nicht... Ja, das war halt die CES, das waren schon alles Leute,

die Ahnung von was haben sollten, aber vielleicht waren die, ja ich weiß es auch nicht, aber das war lustig, weil er hat es wirklich öfter, musste er sagen, ja, that's the product. Aber Live-Übersetzung als quasi Killer Feature höre ich öfter bei so Sachen, auch so bei Kopfhörern kommt es jetzt so langsam, dass die das dann bald mal können sollen, da warte ich bei meinen Sony Kopfhörern auch drauf, dass die... Ja, stecken für ein Update. Ja, daran glaube ich nicht, aber dass sie es vielleicht mit dem Handy zusammen, wenn das ja... Die haben ja jetzt alle SOCs mit irgendwie, wo die Hälfte von irgendwie quasi KI ist, eigentlich nur noch irgendwie FP8-Beschleunigung und was auch immer so, dass dann die ganzen Gadgets, die damit verbunden sind, das auch wirklich mal nutzen und damit Dinge

tun. Und dann könnte das für die Kopfhörer wirklich ein Firma Update sein, wenn ihr einfach alles Audio in dieses Handy gießen und es macht daraus das, was man haben will und gibt es zurück, dann braucht man ja noch nicht mal mehr neue Kopfhörer für. Bevor wir jetzt gleich zur Hardware kommen, Johannes, dein favorite KI Gadget oder Ding oder Sache, die mit KI möglich geworden ist, die vielleicht vorher nicht existiert hat? Tatsächlich quasi simultane Übersetzung. Ich war letztes Jahr in China und da ist halt die Sprachbarriere sehr groß, weil die Menschen, die man so in Geschäften oder so trifft, die sprechen in der Regel auch kein Englisch. Und wir konnten uns dann aber trotzdem dadurch unterhalten, dass die dann halt ihre Handys rausgeholt haben und ich halt was reingesprochen

habe, es hat sie übersetzt und dann halt umgekehrt. Das finde ich eine extrem praktische Sache und ich benutze das auch teilweise, um mir den Sprechtext von Videos aus China übersetzen zu lassen, weil ich mir auch gelegentlich mal Hardware angucke, die es nur in China gibt, die man hier so überhaupt nicht bekommt und für die es entsprechend auch sehr wenig Informationen gibt. Und da sind aber chinesische soziale Medien sehr, sehr umfangreich, also eine sehr umfangreiche Quelle. Das Problem ist halt nur, man sieht, was die dann machen. Also wenn dann zum Beispiel jemand so ein Speichertschip auseinander nimmt, man versteht aber halt nicht, was er sagt. Und wenn man es dann übersetzt hat, dann versteht man

halt, okay, er hat da jetzt Altaicillizium rausgenommen und vergleicht den Chip, der von einem chinesischen Hersteller ist, mit einem von Samsung und zeigt halt, das ist ein ganz anderes Stück Silizium und es ist damit sehr wahrscheinlich, dass das tatsächlich aus China kommt und nicht einfach nur umgelabelt ist. Um so ein bisschen zu zeigen, okay, das ist hier alles ernst und nicht.

Genau. Okay. Gut Martin, jetzt kommen wir zur Hardware. Da wollte ich eigentlich nur das Einstich Wort sagen, Nvidia. Nvidia ist ja ein bisschen der Treiber für diese ganze Sache auf Trainingsseite. Immer noch unangefordert. Wie ging es Nvidia so im letzten Jahr? Den ging es fantastisch. Also ich glaube, die letzten zwei Jahre könnten für Nvidia eigentlich nicht besser sein. Auf uns zwischendurch mal Enttäuschung gab für die Anleger, dass es nicht noch ein größerer Rekord war, obwohl es ein Rekord war, der die Erwartungen übertroffen hat.

Ja, also die schwimmen gerade in Geld. Es geht gerade so langsam wieder so ein bisschen Richtung Kurskorrektur, sag ich mal, aber es ist immer noch, also die können sich vor Geld nicht retten und das sieht auch nicht so aus, als würde sich das jetzt plötzlich ändern. Die haben sehr früh schon erkannt, dass man mit GPUs viel mehr machen kann als nur Grafik berechnen und als das dann so langsam wirklich losging, dass das für künstliche Intelligenz oder Anfangs hat man es ja meistens noch Maschinen lernen genannt. Da haben sie alles reingesteckt.

Sobald klar war, dass das die Richtung ist, dass man mit diesen großen Sprachmodellen wirklich was erreichen kann und dass man einfach nur mehr Comput braucht und mehr Speicher und mehr Speicherbandbreite, dann haben sie technisch alles in Bewegung gesetzt und tun das bis heute und haben ja auch versprochen auf der letzten Comput-Text, dass es jetzt wirklich im Jahresrhythmus Updates gibt, dass die Dinger immer auf dem aktuellsten Note von TSMC sein werden und dass sie immer die aktuellste Speichertechnik verwenden. Ich glaube, wir sind bei HBM 3e, genau. Und irgendwie die nächste HBM Generation steht schon so langsam in den Schadlöchern. HBM steht für High Bandwidth Memory. High Bandwidth Memory, genau. Das ist einfach ein

sehr breiter Speicherbus, womit man einfach massiv Daten übertragen kann. Und die Besonderheit ist, dass die Chips nicht irgendwie weiter weg von der GPU sind in so eigenen Modulen, sondern dass man die direkt mit in das Package integriert, um ein bisschen Energie zu sparen, aber auch einfach da die Verbindung überhaupt in der Masse zustande zu bringen.

Genau, das wird man überhaupt nicht diese Dichte an Verbindungen unterbekommen. Wenn wir darüber jetzt reden, dann geht es aber um das Data Center Segment, um Server-Dings oder geht es auch um Grafikkarten im GPUs in normalen Reichen an? Also das Data Center steht klar im Fokus bei Nvidia. Das kann man schon so sagen, da die Leading Edge Entwicklung ist mittlerweile komplett darauf fokussiert. Sie bringen aber immer auch Abläger für Workstations raus, die gar nicht so weit weg sind. Und es gibt ja jetzt diesen Mini PC, den Sie rausbringen wollen für KI-Entwicklung, den wir hoffentlich uns auch irgendwann mal angucken können. Johannes hat da, glaube ich, Ambitionen, den so schnell wie möglich in die Finger zu kriegen, wo sie

tatsächlich auch eigentlich so ein Data Center Chip verbauen, ein bisschen runter skaliert. Ja, also. Aber genau, also es geht schon in die sehr Berichtung. So kleine Unterschiede scheint es zu geben. Das scheint jetzt für KI nicht relevant zu sein, aber ich komme halt aus dem wissenschaftlichen Rechnen. Deshalb gucke ich immer auf die sogenannte FP64-Leistung. Also Gleitkommazalen mit doppelter Genauigkeit und die sind für KI irrelevant. Aber da scheinen die genauso beschnitten zu sein wie die Desktop GPUs. Aber das ist, glaube ich, auch ein bisschen bezeichnet für viele von den KI-Produkten, dass sie sich für den ganzen Rest, also für Grafik, für FP64 und so, teilweise gar nicht mehr interessieren und das entweder komplett rausnehmen

oder zumindest nur noch so als beileuglich für Kompatibilität irgendwie erhalten, aber die Performance ist ein vielfaches schlechter, als sie es eigentlich sein könnte, wenn man das wirklich mit einbauen würde. Und das, genau, die Frage war also im Workstation Grafika gibt es auch und die haben mittlerweile auch sehr viel Speicher und das ist durchaus auch für Data Science und KI Sachen, also mehr als 100 Gigabyte Speicher. Ich will nicht sagen, für 3D Rendering braucht man das nie, aber da muss man sich seine Anwendungsfälle schon raussuchen, wo man so viel Speicher braucht. Bei KI ist das eher der Fall. Und dann die Desktop Grafikkarten, die können mit abstrichen mittlerweile auch sehr viele von den KI-Features, die im Data Center eingesetzt

werden und Blackwell kam ja jetzt auch die aktuelle Nvidia Grafikkartengeneration oder Architektur, die kam ja auch zuerst im Data Center mit den ganzen Data Center Features auf den Markt und wird jetzt in die Konsumagrafikarten oder in Form von Konsumagrafikarten quasi als zweiter Schritt veröffentlicht und nicht mehr als erster Schritt. Also das Data Center ist immer mittlerweile voran. Okay, das ergibt auch Sinn. Also wir haben auch im Archiv einen Podcast, ich glaube der Titel war womit Nvidia wirklich Geld verdient, wo wir uns darüber nochmal unterhalten haben, aber die Frage, die sich mir stellt, gibt es denn da nicht inzwischen, also AMD hatte jetzt ein bisschen Zeit aufzuholen. Also ich rede jetzt noch nicht über Intel, aber AMD hat ja nun wirklich

in weichen Zeit sich das alles anzugucken. Sind die in irgendeiner Form ernst, immer könnten die aufholen oder gibt es da irgendwie Bestrebungen? Technisch sind sie häufig gar nicht weit weg. Also was irgendwie die reine, die rohe Rechenleistung angeht oder die Speicherbandbreite, die Speichermenge, da sind sie, also die kochen ja mit demselben Wasser, die bauen bei TSMC, die kriegen im Zweifel den selben Note, müssen dann noch gucken, wer jetzt irgendwie genug Geld hat, um wie viele Wafers pro Jahr zu kaufen bei denen, aber im Grunde können sie dieselben Chips bauen, auch Intel kann das.

Aber Nvidia war, glaube ich, einfach eher dran und hatte mit CUDA eine Vorarbeit geleistet, wo den anderen Herstellern scheinbar nicht so klar war, wie wichtig das ist. Also die hätten da viel eher sich darum kümmern müssen, um die Beziehung zu den Entwicklern zu kriegen, um die Vorarbeit bei der Software zu leisten, die Nvidia über Jahre gemacht hat und was der Nvidia CEO Jensen Huang auch gesagt hat, das wurde im Prinzip von den Gamer mit ihren Gaming-Grafikarten bezahlt. Also sie haben CUDA eingebaut, mit ich glaube G80 war, das müsste die 8800 GTX gewesen sein, ich meine, das war die erste Karte, die CUDA konnte. Und die Gamer wussten irgendwie gar nicht, wofür man das irgendwie überhaupt brauchen soll und dann haben sie, wo heute ein Artikel zukommt oder wenn der Podcast

veröffentlicht ist, war er schon draußen, da haben sie physics integriert mit CUDA, was vorher in DDR in beschleuniger Karten ausgelagert war, das haben sie einfach mit CUDA dann eingebaut und dann hatten die Gamer quasi auch was, wo sie dann wussten, aha, das braucht man dafür und jetzt haben wir tolle Gamephysik und wow, sieht alles wunderbar aus und sah es ja auch. Und erst so 10 Jahre später oder eigentlich 15 Jahre später jetzt, merken wir, dass diese Querfinanzierung, also wo das eigentlich dann mal hingeführt hat. Und das war auch von Nvidia an Gamble. Also das war am Anfang nicht so klar, dass das irgendwie der winning move ist. Also nicht so extrem, ja. Für das wissenschaftliche Rechnen war das schon sehr schnell klar. Also das hat, dass Nvidia überhaupt

CUDA entwickelt hat, hat ja damit angefangen, das ursprünglich mal ein paar Leute angefangen haben zu gucken, wie kann ich meine wissenschaftlichen Berechnungen auf eine Grafikkarte bekommen, weil es ja diese Unified Shader gab. Also ursprünglich war ja alles fest, da konnte man überhaupt nichts programmieren. Und dann gab es Pixel und Vertex Shader, wo man dann anpassen konnte, wie jetzt die Berechnungen da ablaufen. Und das ist dann alles zusammengefasst worden. Und da haben sich dann halt ein paar Leute gedacht, hm, die Dinger haben eine extreme Rechenleistung im Vergleich zu normalen Prozessoren. Warum probieren wir nicht mal aus, wie wir das da reinkriegen? Und die haben dann wirklich da extreme Klimzüge gemacht, dass die dann ihre Daten in Texturen quasi umgewandelt haben, um die

da durchschicken zu können. Und das hat Nvidia aufgegriffen. Und man muss halt einfach sagen, ATI ursprünglich und nach der Übernahme dann AMD, die haben das nie so ernsthaft aufgegriffen. Also AMD hatte auch mehrere Anläufe gehabt, aber das war immer relativ halbherzig. Ich habe auch den Eindruck, dass das selbst in dem Gaming-Bereich, wo jetzt klar war mit diesen upscaling Sachen und mittlerweile haben wir Frame Generation, wo klar war, dass man mit relativ wenig Leistung dann eine vergleichbar hohe Bildqualität hinbekommen kann, weil man einfach Sachen interpoliert und mit Machine Learning Algorithmen versucht mehr rauszuholen aus einem Bild, was eigentlich eine niedrigere Auflösung hat, dass AMD immer den Eindruck erweckt hat, als ob sie erst dann reagieren, wenn

Nvidia das rausgebracht hat und die Leute anfangen das zu benutzen. Also sie sind eigentlich nicht diejenigen, die da die Vordenker sind aus irgendeinem Grund. Ich weiß nicht warum. Ich kann sagen, also wir hatten auch dazu, und Gott, wenn wir nur noch Werbung für einen Podcast, wir hatten einen zweiteiligen AMD Podcast. Und einer der Punkte, die wir da auch aufgeriffen hatten, war AMD, muss sich im Gegensatz zu Nvidia um noch mehr kümmern.

AMD besteht nicht nur aus einer Grafika-Ensparte und macht nicht nur das. Und auch wenn man sagen könnte, okay, das sind getrennte Sachen, aber es gibt nur so und so viele Leute und so und so viel Geld und so und so viel Ressourcen, um das zu machen, war so unser Ansatz. Ja, da würde ich aber sagen, eine Grafika-Ensparte ist ja schon ein zumindest ausgegliedertes oder eingegliedertes Element innerhalb des Unternehmens.

und die müssen dann ihren Teil schon ernst nehmen, finde ich. Ja, die werden auch schon ernst nehmen. Ja? Ach, Nieder habe ich keine Lust, ich mache jetzt keine Grafikkarte, die sowas wie cool da kann. Naja, also ganz so würde ich nicht sagen, aber also es erweckt schon manchmal den Eindruck, als ob sie wirklich einfach geschlafen haben.

Pass auf, okay, anderes Beispiel. Intel. Ein Punkt habe ich noch. Genau, oder? Johannes haben wir einen schon. Einen wichtigen Punkt habe ich noch, weshalb Nvidia im KI-Bereich immer noch wirklich unangefochten der Marktführer ist, das ist man häufig, dass beim Training Nvidia einfach stabiler laufen soll.

Also beim Training ist die Herausforderung, man hat mittlerweile in der Größenordnung von 100.000 GPUs, die da parallel rechnen. Und wenn da eine ausfällt, dann ist der aktuelle Durchlauf kaputt, man muss ein Snapshot wieder herstellen, also quasi die letzte Sicherung der Modellparameter. Und dann fängt man damit wieder von vorne an.

Und was man in dem Kontext ganz häufig liest, einerseits bei AMD, aber zum Beispiel auch bei Huawei, die in China versuchen, den Nvidia-Marktanteil zu übernehmen, dass die da einfach nicht die Stabilität erreichen beim Training wie Nvidia. Und das dadurch halt einfach die Kosten und die praktischen Herausforderungen größer sind.

Und an der Stelle würde ich dann einwerfen, dass Nvidia nicht nur eine Grafik-Campagne ist, sondern die haben ihren eigenen Netzwerkramm, den sie benutzen, um die GPUs zu vernetzen und mittlerweile im Prinzip eine große GPU schaffen zu können, die dann, obwohl sie aus Dutzenden oder Hunderten GPUs besteht, als ein Element fungiert und das alles integriert selbst zu entwickeln in verschiedenen Abteilungen, dürfte ein großer Vorteil sein, den die anderen so irgendwie mit Ethernet oder anderen Technologien versuchen auf ein ähnliches Ergebnis zu kommen, aber es scheinbar nicht schaffen.

Also es ist offenbar besser, das einfach alles zu integrieren. Zumindest haben wir jetzt einen kurzen Einblick in die hardware-Entwicklung gehabt nochmal. Ich sag schon AMD, das ist die freudschere Vielleistung. Nvidia ist immer noch unangefochert, AMD, schnell und laut. Kommen wir Richtung Software.

Das zweite Wort, wenn man die ganze Sache in zwei Worte zusammenfassen müsste im letzten Jahr, das erste wäre Nvidia, das zweite Wort ist gerade erst aufgetaucht, ist jedenfalls meiner Meinung Deepseak, Johannes. Ja, Deepseak hat von sich reden gemacht mit einem sehr günstigen Modell, was aber trotzdem recht leistungsfähig ist.

Also was zu OpenAI's O1, was dadurch aus mithalten kann und wo es dann auch direkt Vermutungen gab, dass es möglicherweise eine sogenannte Wissensdestillation von O1 wäre. Mit anderen Worten geklaut. Richtig. Also hatte ich mir heute morgens aufgeschrieben, Urheberrechtsverletzung zweiter Ordnung. Also Deepseak hat sich die möglicherweise, muss man dazu sagen.

Das behauptet Microsoft und OpenAI, ich habe bis jetzt noch keine harten Beweise für gesehen, aber die sollen sich ihre sogenannten Tokens für das Training, also die Eingabendaten für das Training, sollen sie sich aus OpenAI's O1 Modell besorgt haben. OpenAI hatte ja für seine Trainingsdaten einmal das komplette Internet quasi runtergeladen, ohne Rücksicht auf Verluste.

Deshalb Urheberrechtsverletzung zweiter Ordnung. Genau. Und was aber das Interessante an Deepseak ist, ist, dass die wohl auf technischer Ebene sehr viel optimiert haben, um mit ihrer schwächeren Hardware, die sie nur bekommen können. Also nach China darf Nvidia nur leistungsbeschränkte Hardware verkaufen.

Wobei es auch da wieder Gerüchte gibt, dass diese Exportbeschränkungen umgangen worden sein sollen und es weiß auch niemand genau, wie Nvidia diese Beschränkungen tatsächlich umsetzt. Also möglicherweise lassen die sich auch dann in der realen Hardware wieder aushebeln, weiß niemand so genau. Allerdings hat Deepseak dazu ein technisches Paper geschrieben, was so an sich jetzt erst mal recht einleuchten klingt.

Und was die gemacht haben, ist, dass sie geguckt haben, dass sie möglichst die Berechnungen bei dem Training nicht auf mehrere GPUs oder nicht auf allzu viele GPUs verteilen müssen. Das ist halt ein grundlegendes Problem bei größer werdenden Modellen. Also die größer eines Modells wird ja immer in der Parameterzahl angegeben.

Also das sind die einzelnen Neuronen nenn ich es mal, das neuronalen Netzes. Und da lese ich bei dir hier eine Zahl in den Notizen. GPT-4 vermutlich 1,76, da steht Billionen. Genau. Und das ist nicht einfach die Fehlübersetzung. Das ist keine Fehlübersetzung. Es gibt keine offizielle Bestätigung zu dieser Zahl, aber Deepseak gibt für seine Modelle 673 Milliarden Parameter an.

Von daher ist es durchaus nicht so weit hergeholt anzunehmen, dass selbst wenn das nicht der Fall sein sollte in diesem Jahr das erste Modell mit mehr als einer Billion Parameter rauskommt spätestens. Genau. Und die Idee ist aber halt da, das nicht quasi als einen großen Blob zu haben, also nicht diese ganzen Parameter in einem Modell, sondern das in kleinere Modelle aufzuteilen.

Das nennt sich Mixed Shop X-Parts. Das heißt, man hat eben diese mehreren, kleineren Modelle, die für Teilaufgaben trainiert sind. Und die Deepseak hat es angeblich geschafft, die Eingabendaten so fortzuverarbeiten, dass sie sehr genau auswählen können, welche dieser Teilmodelle aktiviert werden müssen.

Ich habe jetzt die Zahlen nicht mehr genau im Kopf. Ich glaube, die haben um die 30 Milliarden Parameter jeweils. Und daraus wird dann am Ende das Ergebnis abgeleitet. Der Vorteil, wenn ich kleinere Modelle habe, ist einfach, dass die in den Speicher von weniger GPUs passen. Und wenn ich viele GPUs parallel benutzen muss, dann führe ich immer nur einen Teil der Berechnungen auf einer aus und muss das am Ende zusammenführen.

Das heißt, ein Teil der Hardware liegt einfach für einen Teil der Berechnungszeit ungenutzt aus dem Sprach. Ich habe viel mehr Kommunikationsaufwand. Ich brauche entsprechend teure Netzwerke. Und das ist aber ein allgemeiner Ansatz. Also es sind wohl eigentlich, soweit ich weiß, alle größeren Modelle aktuell, solche Mixed Shop X-Parts Systeme.

Und was sie noch gemacht haben, ist, dass sie versucht haben, eben diese Kommunikation, die ich schon angesprochen hatte, man kann halt auch noch das Ganze dann hintereinander schalten. Also man hat in diesen KI-Modellen immer verschiedene Schichten von Neuronen, wo dann quasi die Eingabe nacheinander durchläuft.

Und das kann man dann sehr schön wiederum zwischen verschiedenen GPUs aufteilen. Man nimmt halt die Ausgabe der einen Schicht, schickt die an die nächste GPU weiter und die rechnet damit dann die nächste Schicht weiter. Und da haben sie wohl relativ viel Aufwand reingesteckt, das so hinzubekommen, dass sie Berechnungen und Kommunikation so überlagern können, dass die Kommunikation keine Wartezeit verursacht.

Und, ah ja, genau, eine letzte Sache, die noch neu ist bei Ihnen, das ist aber eher ein technisches Detail, dass sie sogenanntes Reasoning, also eine schrittweise Bearbeitung von komplizierteren Fragestellungen ohne einen zusätzlichen Zwischentrainingsschritt, den man normalerweise vorher gemacht hat hinbekommen haben wollen.

Also sie sagen halt, dass ihr R1 Zero-Modell, also die haben insgesamt vier verschiedene Modelle, glaube ich, entwickelt, die sich dann untereinander abgeleitet waren und sich gegenseitig die Eingaben erstellt haben. Es ist ein kleines bisschen unübersichtlich. Das soll aber mit normalem sogenannten Reinforcement Learning, also verstärkendem Lernen, wo man quasi eine Eingabe hingibt und dann guckt, wie gut ist die Ausgabe und dem Modell das sagt.

Soll das schon dieses Reasoning entwickelt haben? Und bis dahin war es eigentlich so, dass man dieses Reasoning nochmal extra trainiert hat. Also es bedeutet halt, man kann es schön mit klassischem Dreisatz erklären, dass man einen Modell nicht einfach eine Frage stellt. Ich hatte jetzt ein Beispiel dazu gelesen, das war ein Zugpferd mit 60 Kilometern pro Stunde für drei Stunden, wie weit ist er gefahren.

Und da würde das Modell dann erstmal bei diesem Reasoning die Verbindung zwischen Zeit und Geschwindigkeit herstellen, um daraus dann die Antwort abzuleiten. Genau, das ist aufwendiger, kann aber zu besseren Ergebnissen führen bei komplexen Fragestellungen. Und Fragen konnte man und zwar selber. Im Gegensatz zu OpenAI, weil das war der nächste Knaller an Diebzig, konnte man sich das runterladen und direkt auf sein Rechner zerdienung laufen lassen.

Also du hast das gemacht. Ich habe es tatsächlich nicht selber gemacht, das hat unser Kollege Mike gemacht. Und wir haben auch nicht das originale Diebzig V3 runtergeladen, weil das hat 673 Milliarden Parameter. Ich muss jetzt mal schnell überschlagen, das ... 640 Gigabyte Henslumpch gebraucht, man Sprecher.

Ja, an Grafika und Sprecher nicht. Ja, also es ist auf jeden Fall ... Ein bisschen größer. Viel. Ich glaube, man braucht ein Achter-System mit Nvidia H100. Also die haben ... Nur zur Information für alle Leute, die zugehören. So was haben wir nicht. Genau. Es kostet auch ... Martin hat noch mal kurz überlegt, ob er in dochem Schrank irgendwo hinten vielleicht noch ein bisschen ...

Wer hier einbrechen möchte und glaubt, das mitnehmen zu können, sorry, haben wir nicht. Also es kostet auch weit über 300.000 Euro. Genau, also die kämen dann auf 640 Gigabyte. Ja, 640 Gigabyte. Weil ich nicht versuche, meine 640 Gigabyte. Genau, ja. Und in der Größenordnung bräuchte man halt was, aber es gibt sogenannte destillierte Modelle.

Da ist quasi ... Ohne Mineralien. Ja, so ungefähr. Es ist quasi das Ausgabeverhalten von dem DeepSync V3 auf ein kleineres Modell übertragen. Also es gibt es für Lama 3 von Mita und QAN, das ist von einem chinesischen Unternehmen, ich weiß aber gerade nicht, aus dem Kopf, wer dahinter steckt. Genau, und das sind dann die Modelle, die kann man auch lokal ausführen.

Und wie sind die so? Also Mike war ganz zufrieden. Und da kann man halt auch dieses Reasoning dann nachvollziehen. Ach ja, genau, das hatte ich auch ausprobiert. Da habe ich mir, da habe ich mir mal die Aufgabe gestellt, ein Programm zu schreiben, ein C-Programm um mehr Send-Prime-Zahlen zu finden. Und das hat es tatsächlich sehr gut gelöst, muss ich sagen.

Also da gibt es dann bestimmte Algorithmen, um relativ schnell einen Prim-Teiltest zu machen bzw. überhaupt erst mal rauszufinden, welche Prim-Zahlen in Frage kommen. Da war dann wirklich der Prozess, ja erst mal überlegen, was sind überhaupt mehr Send-Prime-Zahlen. Da gab es auch ein Algorithmus, mit dem ich mögliche Kandidaten vorauswählen kann.

Okay, jetzt habe ich die Kandidaten, jetzt muss ich noch testen, ob das eine Prim-Zahl ist. Und ich glaube, dann ist es halt da auf das Sieb des Erlertosten gegangen, was also der einfachste Prim-Zahltest ist. Aber es kam ein Programm raus, was habe ich es kompiliert? Ich glaube, ich habe es sogar kompiliert.

Es hat auf ein Anhieb funktioniert zwar gültiger C-Code. Okay, womit es nicht so gut klar kommt, sind Fragen zu den Uiguren und der chinesischen Regierung und Taiwan und all so Sachen, aber das ist bei einem Modell aus China wahrscheinlich ein bisschen zu erwarten. Ja, wobei ich da auch beide Ergebnisse gesehen habe.

Also, scheinen Sie, je nachdem, was man fragt, beantwortet ist das ohne Probleme. Das ist das nächste. Wir haben eine schöne Headline dazu, Deepseeker 1, wohl für so ziemlich jeden KI-Jailbreak anfällig. Und damit kannst du natürlich dann auch nach den Uiguren fragen. Also, dann geht auch die sperre der chinesischen Zensur dann nicht mehr, wenn alle Jailbreaks gehen.

Also, die Frage nach Neujohanes ist es kompliziert zu installieren. Muss ich mich da irgendwie, muss ich irgendwie filmen Züge? Nein, also, Mike hatte das innerhalb von sehr kurzer Zeit dann gemacht. Also, man kann das zum Beispiel über Hagingface sehr einfach runterladen. Ich bin mir jetzt nicht sicher, ich glaube, die bieten sogar dann fertige Docker-Container an.

Wir verlinken das, die Anleitung, also sich das anzuschauen, kann man also relativ einfach machen. Wir schwenken zurück zu Martin. Ich habe eine Diskussion mit Martin, als ebenfalls gerade eben erst, also diese ganzen Sachen, tatsächlich einiges davon, ist wirklich gerade eben erst eben passiert. Also, die Nachricht zum Beispiel zu Deepseek habe ich gerade geguckt, das war im Januar, das ist alles noch nicht so lange her.

Ja. Ebenfalls im Januar hat sich der dann gewählte und offiziell intronierte US-Präsident Donald Trump hingestellt und hat gesagt, wir geben 500 Milliarden US-Dollar aus für KI-Infrastruktur. Und ich habe dann gesagt, aber das ist doch total, also meiner Meinung nach, das ist ein bisschen verschenktes Geld.

Weil, also das klingt irgendwie, ich meine, das ist natürlich so, dass er irgendwas sagen will, was eine große Zahl hat. Absolut. So, das ist der Punkt bei ihm, okay, geschenkt. Aber wenn man darüber nachdenkt, die Hardware, die dann da steht, die ist ja auch nicht für die Ebigkeiten sinnvoll und diese KI-Initiative zu machen, bei einer Sache, die größtenteils Software und Köpfe ist, fand ich, ist eigentlich ein bisschen sinnlos.

Du siehst das anders. Ich sehe das in Teilen anders. Ich finde schon, dass man auch an Deepseek gesehen hat, dass es durchaus sinnvoll sein kann, bei der Hardware Einschränkungen zu haben oder sich selber Einschränkungen zu geben, weil man dann eben dazu gezwungen ist, algorithmisch zu optimieren und zu versuchen mit weniger purer Rechenleistung und mit weniger Speicher, die gleichen oder bessere Ergebnisse zu erzielen.

Und langfristig ist das sicher immer ein guter Weg zu optimieren, soweit man kann. Aber wenn man jetzt am Tempo der Entwicklung irgendwie mithalten will, glaube ich schon auch, dass man sich nicht unbedingt leisten kann, an diesem Hardware-Rennen nicht teilzunehmen. Und das große Problem, wo sich dann auch die Geister scheiden, ob das alles Humbug ist oder nicht, ist die Frage, ob überhaupt der Ansatz, den die KI-Unternehmen gerade so haben, überhaupt am Ende zielführend ist, um zum Beispiel zu so einer General AI zu kommen, die irgendwie wirklich intelligent ist oder zumindest intelligente Dinge tun kann.

Oder ob der Ansatz nicht geeignet ist und man was ganz anderes machen muss. Und auf dem Weg das auszuprobieren, falls das richtig ist, wenn man da irgendwie ein Jahr oder zwei verschenkt hat, gerade bei dem Entwicklungstempo, glaube ich, kann das schon enorm schädlich sein. Und bis wir da sind, ist das alles unprofitabel.

Ich glaube, keins von diesen Unternehmen macht irgendwie, nenn es Wertengewinnen, also es eigentlich immer verlustet. Sie brauchen irgendwie Funding von außerhalb. Und das ist alles gepoker, dass da irgendwann was Großartiges draus wird. Und wenn eine Regierung das mit 500 Milliarden unterstützen oder zumindest dafür sorgt, dass 500 Milliarden irgendwo herkommen, um eben diese unprofitablen Unternehmen in die Lage zu versetzen, das weiter zu entwickeln und weiter dieses Rennen mitzumachen, dann glaube ich, wenn man das gewinnen will, dann kann man sich nicht leisten, das nicht zu machen, weil ich bin davon überzeugt, dass die chinesische Regierung auf jeden Fall die Kohle locker macht.

Die chinesische Regierung hat aber in ihrem Land nicht so ein Haufen auf Geld bergensitzende Unternehmen, wie das die USA am 22. Jahr vorzuhabenweise, wer sich damit beteiligt hat an dieser ganzen Nummer, an diesem Geldschwamm, war Softbank aus Japan, war der sovereign wealth Fund von den Saudis und noch so ein paar andere Leute, die Oracle, die auf Geld, ja, er tut mir leid Martin, da sehe ich jetzt nicht, dass die Regierung, unser hart arbeitest Schölgeld, hätte ich gerade fast gesagt, du weißt schon, was ich meine, da reinbuttert in diesen Größenordnungen.

Und das ist in China einfach mal komplett anders. Da sehe ich das als komplett gerechtfertigt an, aber ich wohne ja auch nicht in China. Den Teil habe ich dabei gar nicht beachtet und tue es auch immer noch nicht, weil also natürlich bin ich der Meinung, dass wenn diese Unternehmen eh schon so reich sind und sich das leisten können, dann sollen die das bitte auch selber bezahlen.

Aber das ist die Entscheidung der US-Regierung und da stecke ich nicht drin. Ich sage nur, an diesem 500 Milliarden Dollar Rennen müssen sie teilnehmen, wenn sie eine Chance auf ein Sieg haben wollen. Und mein zweiter Punkt, den ich hatte, weswegen ich das so ein bisschen sinnlos fand, ist, weil ich denke, dass die Leute, die da hinterstellt sind, das ist auch ein Rennen, das ganz viel über Köpfe läuft, über Einzelpersonen, die wirklich krass an diesen Sachen arbeiten, über die man vielleicht in Jahrzehnten dann irgendwie Bücher lesen wird und deren Stories so ein bisschen rauskommen, vielleicht hoffentlich und wie das damals war und so weiter, so wie man jetzt vielleicht Bücher liest über die frühen Computer-Leute, die den Umstieg

von Röhre auf, keine Ahnung, was Kernspeicher, war es auch immer. Aber so diese Wildwestgeschichten, das wird man vielleicht dann in 10 Jahren lesen. Das sind alles einzelne Menschen. Und wenn die plötzlich mitkriegen, dass das da in dem Land, in den USA, gerade alles nicht so geil läuft, dann können die auch nach Europa gehen.

Oder nach China, wenn genügend Geld bezahlt wird oder sonst irgendwo hin. China halt jetzt eher für unwahrscheinlich. Aber der Punkt bleibt bestehen. Die sind auch nicht gesetzt, dass die da bleiben und nur weil man 500 Milliarden Dollar auf das Unternehmen wirft, wenn man sich die Unternehmenschefs anguckt, wie zum Beispiel Elon Musk, dann kann ja auch nach, also ich kann mir auch vorstellen, dass einige von den Leuten dann einfach gehen.

Ja, also ein paar von denen, das ein angesprochen, denen immer noch mehr Geld und mehr Möglichkeiten zu geben, hat ich sowieso für gefährlich. Man kann sicher auch gute Argumente finden, dass diese gesamte KI-Geschichte sehr gefährlich ist. Ich kann es auch nur irgendwie von außen einigermaßen leihenhaft bewerten, ob das sinnvoll ist, das überhaupt zu machen.

Ich glaube aber, dass sich das nicht stoppen lässt und bin mir nicht sicher, ob man dann nicht gezwungen ist, das mitzumachen. Ja, also das ist natürlich ein valider Punkt. Und da wir jetzt Richtung Ende kommen und du das aber, das hast du schön, du hast jetzt schön noch mal zu den Gefahren hingeleitet.

Was wir beim letzten Mal schon hatten und was Helmut empfohlen hatte, was man lesen sollte und was auch immer noch steht, ist ein Buch aus dem Jahr, 1914, Entschuldigung. Und es heißt, es ist von Nick Bostrom und heißt Superintelligence und auf Deutsch einfach Superintelligence. Und eine Geschichte in dem Buch ist, also das Buch geht natürlich nicht nur um Geschichten, sondern es geht halt darum, was man machen könnte, schräg schräg sollte, wenn diese Superintelligence auftaut und eigentlich schon davor.

Also wie krass das damals auch eingeschlagen hat, kann man sehen, dass sowohl Elon Musk, als auch Bill Gates, auch als auch Sam Altman das Buch als sehr, da haben wir es schon als sehr, sehr beeinflussend für ihre Denken zitiert haben, was aber anscheinend jetzt nicht zu allzu viel geführt hat. Aber eine Geschichte in dem Buch ist, dass es eine Gruppe von Spatzen gibt, die beschließen, dass sie sich eine Eule holen und zwar eine kleine Eule, also ein Eulenküken.

Und das ziehen sie auf, um das Eulenküken, wenn es dann größer ist, für sie arbeiten zu lassen. Jetzt sind Spatzen natürlich normalerweise Futter für Eulen und wenn sie klein genug zerteilt sind auch für Eulenküken. Aber das ist, ja, okay, Detail. Der Punkt ist, dass die Spatzengruppe dann beschließt, wir fangen jetzt erstmal damit an zu gucken, wo wir so ein Eulenküken überhaupt herbekommen.

Und einer von den Spatzen sagt, Leute, wenn dieses Eulenküken größer wird, könnte es Probleme geben. Also ich meine, wie stellen wir denn sicher, dass das Eulenküken, wenn es kein Küken mehr ist, nicht beschließt, dass wir Teil der Nahrungskette sind? Und die anderen Spatzen sagen, ja, ja, schon richtig, kann alles sein, aber weißt du was, irgendwo müssen wir anfangen.

Wir suchen uns jetzt einfach das Eulenküken und dann können wir immer noch weiter gucken. Die Geschichte endet damit, dass offen bleibt, was als nächstes passiert, weil auch immer noch im Jahr 2025 offen ist, was mit unserem Eulenküken los ist. Wir haben noch keins gefunden, aber die sucht ihr weiter.

Martin? Das ist auch Teil von zwei Büchern, die wir verlinken, weil mir der Titel gerade nicht einfällt, wo genau das passiert ist, nämlich die KI ist erwacht, sie wurde freigelassen und tut dann KI-Dinge und die Menschen versuchen, zwischenzeitlich dann mit ihnen zu verhandeln und sie haben dann quasi so einen Rätelsführer, der dann mit der KI reden kann.

Und es stellt sich aber raus, dass die KI natürlich nicht einsieht, dass sie irgendwie den Forderungen der Menschen besonders viel Beachtung schenken muss und einfach ihre eigenen Pläne macht, weil die Menschen nicht länger relevant sind. Wie das ausgelassigt dann offen, das kann man dann in Zweifel nachlesen, aber ja.

Die verlinken wir, auch wenn wir den Namen jetzt nicht einführen. Ich habe mir jetzt einfach aufgeschrieben, KI Bücher Martin. Ich meine, es war das Erwachen, aber ich klingte zu generisch. Nein, es ist kein Ding. So, letzte Worte. Johannes, deine Lieblingsstrich-Furchtbaste KI-Distopie oder Utopie oder keine Ahnung, wie siehst du es?

Ich finde die ehrlich gesagt in der Regel schrecklich übertrieben. Also es ist ja nicht so, dass sich ein Computersystem einfach so selbstständig machen kann. Ich meine, über Vernetzung und so gibt es Zugriff auf erschreckend viele Sachen, aber die könnten wir oder könnten Hackergruppen schon heute kaputt machen.

Also es gibt ja regelmäßig Berichte darüber, dass irgendwie kritische Infrastruktur offen im Netz hängt und so weiter. Aber tatsächlich hängt KI ja trotzdem immer davon ab, dass Menschen mitmachen. Und das wird dann wahrscheinlich, vielleicht mal irgendwann ein kritischer Punkt sein, dass halt manche Menschen sagen, nee, wir müssen das trotzdem weiter machen.

An der Stelle haben wir aber zumindest hier in Europa noch eine halbwegs zuverlässliche regulatorische Instanz. Also wir haben ja auch zum Beispiel den Digital Services Act. Wenn ich stehen habe, dann habe ich gar nicht einen, der ist auch den. Genau, der hat solche Sachen umfasst. Und ich glaube es ist einfach wichtig, da eine gesellschaftliche Diskussion zu haben.

Man darf das nicht einfach Menschen überlassen, die im Zweifel alles niederbrennen, nur um dann da ihre Utopie auf versuchen aufzubauen und ob das überhaupt jemals was wird. Es gibt ja Menschen, die sagen, in zwei, drei Jahren da haben wir dann die allgemeine generative Intelligenz. Weiß ich nicht, vielleicht sieht das auch nur für uns so aus.

Also es gibt ja da den Turing Test, der in solchen Kontexten immer mal wieder rumgeistert und den hatten ja vor Jahren schon Chatbots bestanden. Wo halt Menschen einfach davon ausgegangen sind, dass die Person oder in dem Fall halt der Bot, mit dem sie da chatten, kein Bot ist, sondern ein Mensch. Und das hängt halt sehr viel mit Erwartungshaltung zusammen, dass Menschen nicht automatisch davon ausgehen, dass sie mit einer KI jetzt interagieren.

Und ich sage mal, man hat jetzt innerhalb des letzten Jahres zum Beispiel bei Bildgeneratoren schon gesehen, dass die Qualität deutlich gestiegen ist. Es ist aber noch immer so, dass man, wenn man weiß, worauf man ein bisschen achten muss, die Bilder deutlich erkennt. Das wird alles in den nächsten Jahren schwieriger, keine Frage.

Aber deshalb ist es umso wichtiger, da halt eine gesellschaftliche, einen gesellschaftlichen Konsens zu entwickeln, wie damit umgegangen wird. Das sind schöne Entorte, Johannes. Johannes und Martin, vielen Dank fürs Mitmachen. Vielen Dank auch fürs Zuhören. Und ich bin gespannt, ob wir in einem Jahr hier sitzen oder ob dieser Podcast in einem Jahr komplett von einer KI einfach vorlesen wird.

Und wir einfach, die sich dann... Sagen wir mal etwas Thema an und... Nein, wir wissen nicht, Martin. Die KI macht es einfach. Wir wissen nicht mal, dass es denen gibt und sie macht halt einfach einen... Ich bin dafür, dass wenn das möglich ist, dass wir das einfach mal machen. Ich habe tatsächlich...

Okay, eigentlich wollte ich nie nochmal abschweifen, Martin. Ich habe tatsächlich als die ersten Version von dieser Chat-GPT-Dingsbums da rauskam, ein Ex-Kollege von uns, dessen Podcast wir verlinken können, Daniel Pog, hat damals sofort einen Podcast mit Chat-GPT gemacht. Und ich dachte, oh, wäre das nicht nett, dann habe ich damit angefangen.

Ich fand das so deprimierend. Martin, es tut mir leid. Ich habe es dann einfach nicht weiter gemacht. Ich habe mehrere Versuche gemacht über die Monate, immer wieder sowas zu machen. Es nervt mich. Dann gehen wir nun mal mal an. Nein, nein. Und dann kommt Kollege Tobi um die Ecke und zeigt mir, guck mal, was Google gerade rausgebracht hat.

Da kann man jegliche Informationen, die man sich anlesen wollte, die kann man sich von zwei Leuten als Podcast von der KI generiert vorlesen lassen. Die diskutieren dann darüber und diskutieren dann diese Fakten von der Sache, die du dir erklären lassen möchtest. Ja, Martin hat gerade seine Augen geschlossen.

Ist alles okay? Ich bewerte das jetzt nicht. Ich sage nur, ich lasse es. Und wir gucken, wie es in einem Jahr aussieht. Dann unterhalten wir uns, denke ich, wieder. Und ja, bis dahin, also nicht bis dahin, bitte, aber bis dahin liest man natürlich alles über KI und Artikel von euch und von mir und von allen anderen, die nicht von KI geschrieben wurden auf golem.de.

Das war der Werbelog in der eigenen Sache. Vielen Dank fürs Zuhören. Pünkt dich jetzt, setzt auch draußen hier der Schredder ein von den Baumdiensten. Ich glaube, du warst nur eben so ins Gespräch vertieft, dass du es noch nicht gemerkt hast. Du hast schon von der Weile wieder angefangen. Okay, alles klar.

Ja, und damit verabschieden wir uns. Tschau.

Maschineller Sinn und Unsinn

Kapitelklicken springt direkt hin

Shownotes

Transkriptvom Podcast bereitgestellt · Zeitmarken springen hin