In einer Zeit, in der KI-generierte Inhalte von der Realität kaum noch zu unterscheiden sind, hat Microsoft Research einen Bericht veröffentlicht. Unter dem Titel „Media Authenticity Methods in Practice“ analysieren Experten die aktuellen Möglichkeiten und Grenzen von Technologien, die echtes Material von Manipulationen unterscheidbar machen sollen.

Generative Künstliche Intelligenz (KI) verändert nicht nur die Produktivität von Entwicklern, sondern ihre grundlegenden Technologieentscheidungen. Neue Auswertungen von GitHub deuten auf eine strukturelle Verschiebung im Ökosystem hin.

Speicher- und Recheneinheit sind auf dem KI-Prozessor in einer einzigen Struktur integriert. Das senkt nicht nur Zeit-, sondern auch Energiekosten um 99 Prozent. Spannend für Wearable-Designs ist, dass der Chip einen Biegeradius von 1 mm ohne Funktionsverlust besitzt.

HYDRA X BI-Adapter liefern OEE, Material- und Qualitätsdaten direkt an Business-Intelligence-Systeme und reduzieren manuellen Integrationsaufwand.

Aktuelle KI-Systeme beruhen häufig darauf, dass bestehendes Wissen zur Beantwortung bestimmter Fragen neu zusammengesetzt wird. Large Language Models wie ChatGPT zeigen jedoch gravierende Schwächen, wenn diese kompositionell arbeiten und bekannte Bausteine neu zusammensetzen müssen. Doch die Kombination mit bewährten symbolischen Methoden könnte hier Abhilfe schaffen.

Wer im Maschinen- und Anlagenbau ohne Schweißperlen auf der Stirn in die Zukunft blickt, der hat Begriffen, dass Zeit Geld ist und die richtigen Maßnahmen eingeleitet. Ein Zauberwort heißt KI-Agent.

Die Euphorie um generative künstliche Intelligenz (KI) hat deutsche Unternehmen erfasst. 91 Prozent sehen die Technologie als geschäftskritisch an, ein Anstieg von 36 Prozent binnen eines Jahres. Während Strategien entwickelt und Pilotprojekte gestartet werden, offenbart sich jedoch eine fundamentale Schwachstelle: Der systematische Evaluierungsansatz fehlt.

KI ist das „Buzzword“ der Gegenwart und ist mit vielen wirtschaftlichen Hoffnungen verbunden. Doch birgt die Hoffnung in Künstliche Intelligenz auch kartellrechtliche Risiken? Besonders bei KI-basierten Preisalgorithmen ist Vorsicht geboten.

Databricks hat „Zerobus Ingest“ allgemein verfügbar gemacht. Der Dienst ist Teil von Lakeflow Connect und soll Ereignisdaten direkt in Delta-Tabellen des Lakehouse schreiben, ohne zwischengeschaltete Message-Broker wie Apache Kafka.

Forschungsaufgaben statt Multiple Choice: Ein internes Modell von OpenAI stellt sich einer anspruchsvollen Beweis-Challenge inklusive veröffentlichter Einreichungen.