AI-Fortschritte verstehen: Wichtige Quellen genannt

Wie ich den Fortschritt der KI im Blick behalte (und warum Sie das auch tun sollten) Letztes Update: 30. Juni 2025 Generative KI ist die schnellste fortschreitende Technologie, die ich in meinem Leben erlebt habe. Gleichzeitig wird sie schrecklich missverstanden. Wir haben bereits große Unternehmen und sogar Regierungen erlebt, die dysfunktionale oder gefährliche KI-Produkte auf den Markt gebracht. Menschen, die nicht ausreichend informiert sind, missachten die Anwendung von KI, was zu konkreten negativen Folgen führt. Die häufigsten Fehler bei der Interpretation sind entweder eine Untermotivation ("es ist alles Hype, der sich bald legen wird") oder eine Übertreibung ("ich brauche keine Programmierer mehr"). Diese Verhaltensmuster beruhen auf einem mangelnden fundierten Verständnis der Technologie und ihrer Entwicklung im Laufe der Zeit. Es ist überraschend schwierig, ein klares Verständnis von KI aufzubauen. Wir leben in einer der heftigsten Informationspollution-Umgebungen. Wenn man nicht bewusst vorgeht, ist man wahrscheinlich einer Menge von Fehlinformationen ausgesetzt, die die Fähigkeiten von KI überbewerten oder verneinen. Um diesem Problem entgegenzuwirken, habe ich eine Liste von Quellen zusammengestellt, die einen Informationsschlauch bilden, den ich als ausgewogen und gesund betrachte. Wenn Sie spät dran sind, können Sie dies als guten Ausgangspunkt betrachten. Ausgangspunkte Simon Willisons Blog (Link): Simon bietet tiefgründige Analysen und praktische Tipps zur Arbeit mit KI. Andrej Karpathy (Twitter und YouTube): Andrej, ein führender Experte in neuronalen Netzen, teilt wertvolle Erkenntnisse und aktuelle Entwicklungen. Evers Chain of Thought (Link): Ein Blog, das sich auf die logischen Schritte und Entscheidungsprozesse bei der KI-Entwicklung konzentriert. Offizielle Ankündigungen, Blogs und Papers der KI-Bauunternehmen Obwohl diese Labore manchmal wegen ihrer Hypes um die KI-Fähigkeiten schlecht wegkommen, enthalten ihre offiziellen Ankündigungen viel wertvolle und überwiegend genaue Informationen über die Fähigkeiten von KI. Beachten Sie immer die Ankündigungen von OpenAI, Google DeepMind, Anthropic, DeepSeek, Meta AI, xAI und Qwen. Die meisten Labore bieten zudem nützliche Ressourcen, die das Verständnis der Fähigkeiten von großen Sprachmodellen vertiefen. Wenn jemand exploditive Ansprüche über KI-Fähigkeiten macht oder Forschung dieser Labore zitiert, lese ich es direkt aus der Quelle, einschließlich des umliegenden Kontexts. Ein Hinweis: Die "Cookbooks" können nach meiner Erfahrung nicht immer die ideale Art und Weise sein, Dinge zu tun, auch wenn sie ein ausgezeichneter Ausgangspunkt sind. Ihre eigenen Erfahrungen mit der Integration von KI-Fähigkeiten, gestützt durch Daten, sind am Ende entscheidend. Es lohnt sich gelegentlich, auf kleinere Akteure wie Nous Research, Allen AI, Prime Intellect, Pleias (offene Quellen, offene Forschung), Cohere (Unternehmen) und Goodfire (Forschung zur Interpretierbarkeit) zu achten. Viele von ihnen gehen in technische Tiefen, die ich nicht vollständig verstehen kann, aber sie geben mir ein Gefühl dafür, was außerhalb der führenden Labore passiert. Hochwertige Personen, denen Sie folgen sollten Diese Menschen haben das Ökosystem der KI-Engineering auf verschiedene Weise geschaffen, sei es durch die Entwicklung von Open-Source-Tools oder durch die Integration dieser KI-Modelle. Oft habe ich detailliertere und hilfreichere Empfehlungen gefunden als in den offiziellen Cookbooks und Leitfäden. Hamel Husain (Link) Shreya Shankar (Link) Jason Liu (Link) Eugene Yan (Link) Was wir in einem Jahr der Arbeit mit LLMs gelernt haben (Link) Chip Huyen (Link) Omar Khattab (Website und Twitter-Link) Kwindla Hultman Kramer (Blog- und Twitter-Link) Han Chung Lee (Link) Jo Kristian Bergum (Link) David Crawshaw (Link) Alexander Doria / Pierre Carl-Langlais (Link) Nathan Lamberts "Interconnects" (Link) Ethan Mollick (Link) Arvind Narayanan und Sayash Kapoors "AI Snake Oil" (Link) Weitere Quellen Ich höre selten Podcasts oder folge den Nachrichten, aber ein kleiner Schluck davon war notwendig, um KI-Entwicklungen zu verfolgen. Hier sind meine bevorzugten Quellen: Twitter / X Shawn Wang aka swyx (Twitter-Link) / AI News by smol.ai (Link) Dwarkesh Patel (Link) Esoterika LessWrong (Link) / AI Alignment Forum (Link) Gwern (Link) Prompt Whisperers und Latent Space Explorers: Janus, Wyatt Walls, Claude Backrooms (1, 2, 3) Ist es zu viel Arbeit, all das zu verfolgen? Es scheint eine Menge Arbeit zu sein, aber in der Praxis ist es das nicht. Ich durchforste meinen Twitter-Feed wie eine Zeitung. Manche Dinge fallen sofort ins Auge, andere werden überflogen oder in einem Tab geöffnet, um später gelesen zu werden. Es könnte 15 bis 20 Minuten Arbeit sein, aber ich habe die Zeit noch nicht kontrolliert. Es hilft, dass mein Twitter-Feed viel sorgfältige Kommentare zu bestimmten Ankündigungen, Papieren oder Artikeln enthält, die mehr Kontext darüber liefern, worauf es sich zu konzentrieren lohnt. Wenn ich jemanden finde, der etwas Interessantes geteilt hat, folge ich ihm und durchforste auch seine anderen Werke. Das ist nicht sehr anders als meine Methode, Musik zu entdecken. Ich finde diese Art des Sammelns tatsächlich sehr unterhaltsam und betrachte es nicht als "Arbeit". Ich bin in Science-Fiction-Geschichten aufgewachsen. Künstliche Intelligenz fasziniert mich seit meiner Kindheit, und es ist endlos faszinierend und ehrfurchtgebietend, mächtige KI in Echtzeit vor meinen Augen entstehen zu sehen, während meines Lebens. Ich hoffe, diese Liste gibt Ihnen einen Ausgangspunkt, um so begeistert zu sein wie ich. Links Ich habe die oben genannten Empfehlungen als Twitter-/X-Liste erstellt, die es Ihnen leicht machen sollte, all diese Personen zu folgen. Link zur Liste. Kommend: RSS-freundliche Liste. Industrie-Insider bewerten die Notwendigkeit, den KI-Fortschritt zu verfolgen, als kritisch. Ein fundiertes Verständnis der Technologie ist essenziell, um ihre Potenziale und Risiken richtig einzuschätzen. Unternehmen wie Google, Microsoft und Amazon investieren massiv in KI-Forschung und -Entwicklung, um ihre Wettbewerbsfähigkeit zu sichern. Ein gut informierter Nutzer oder Ingenieur kann die Chancen nutzen, ohne die Risiken zu ignorieren, und so einen fairen Vorteil erlangen.