Forschungsergebnisse zeigen, dass die Kombination von Sprachmodellen mit herkömmlichen Algorithmen bessere Ergebnisse liefert als LLM allein, Google stellt ein Tool zur Erstellung von KI-Anwendungen ohne Code vor und OpenAI verschärft die Sicherheitsstandards. Hier ist eine Zusammenfassung der KI-Highlights der letzten Woche.

Die Highlights der Woche:

  • Hybride KI-Systeme, die LLM mit klassischen Algorithmen kombinieren, schneiden besser ab als reine Sprachmodelle
  • Google Cloud führt Gemini API Expander für die Entwicklung von KI-Anwendungen ohne Programmierkenntnisse ein
  • OpenAI veröffentlicht Sicherheitsstandards für die Skalierung von Modellen auf menschliche Intelligenz
  • Microsoft veröffentlicht Tool zur automatischen Erkennung von Sicherheitslücken in KI-Systemen
  • Neue Studie zeigt, dass KI das Sterberisiko mit 75% Genauigkeit vorhersagen kann

Hybride KI-Systeme schneiden besser ab als reine Sprachmodelle

Forscher stellen zunehmend fest, dass die Kombination großer Sprachmodelle mit traditionellen Algorithmen bessere Ergebnisse liefert als LLM allein. Hybride Systeme verwenden LLM für die Verarbeitung natürlicher Sprache und herkömmliche Algorithmen für Aufgaben, die präzise Berechnungen oder die Bearbeitung strukturierter Daten erfordern. Dieser Ansatz zeigt eine überlegene Leistung bei der Lösung komplexer Aufgaben wie mathematischer Schlussfolgerungen und wissenschaftlicher Simulationen, bei denen reine LLMs oft versagen. Der Übergang zu hybriden Architekturen stellt einen bedeutenden Wandel bei der Entwicklung von KI-Systemen dar.

Google Cloud führt Gemini API Expander ein

Google Cloud hat Gemini API Expander eingeführt, ein Tool, das es Unternehmen ermöglicht, KI-Anwendungen zu erstellen, ohne dafür programmieren zu müssen. Die Plattform nutzt Transfer Learning, um die vortrainierten Modelle von Gemini an spezifische geschäftliche Anwendungsfälle anzupassen. Eine neue Prompt Shield-Funktion bietet Schutz vor Prompt-Injection-Angriffen, während eine aktualisierte RAG API die Genauigkeit der Dokumentensuche verbessert. Das Unternehmen kündigte außerdem die allgemeine Verfügbarkeit des Gemini 1.5 Flash-Modells und die Erweiterung des Kontextfensters auf 2 Millionen Token an, was die Verarbeitung großer Dokumente ermöglicht.

OpenAI stärkt Sicherheitsstandards

OpenAI hat neue Sicherheitsstandards veröffentlicht, die darauf abzielen, die mit der Entwicklung von Modellen, die zu menschlicher Intelligenz fähig sind, verbundenen Risiken zu beherrschen. Der Rahmen umfasst eine obligatorische Bewertung der Modellfähigkeiten vor der Ausbildung, die Festlegung von Grenzen für die autonome Replikation und die Festlegung von Verfahren zur Abschaltung hochentwickelter Systeme. Das Unternehmen kündigte auch die Einsetzung eines Sicherheitsbeirats an, der sich aus externen Experten zusammensetzt und die Umsetzung der Richtlinie überwachen soll. Dieser Schritt spiegelt die wachsende Besorgnis über die potenziellen Risiken von superintelligenten KI-Systemen wider.

Microsoft veröffentlicht KI-Tool zur Erkennung von Sicherheitslücken

Microsoft hat ein neues Sicherheitstool vorgestellt, das automatisch Schwachstellen in KI-Systemen aufspüren kann. Das Tool nutzt eine Kombination aus statischer Codeanalyse und dynamischen Tests, um Sicherheitslücken in KI-Anwendungen aufzudecken. Das Tool ist in der Lage, gängige Probleme wie Prompt Injection, Data Poisoning und Modellinversionsangriffe zu erkennen. Das Unternehmen hat außerdem eine Reihe von Best Practices für die Absicherung von KI-Anwendungen veröffentlicht, darunter Empfehlungen für die Kontrolle des Zugriffs auf Modelle und die Überwachung auf ungewöhnliches Verhalten.

KI sagt Sterblichkeit mit 75% Genauigkeit voraus

Eine neue Studie, die in Nature veröffentlicht wurde, zeigt, dass ein KI-Modell, das auf der Grundlage von routinemäßigen Krankenakten trainiert wurde, das Sterberisiko mit 75% Genauigkeit vorhersagen kann. Das System analysiert Daten wie Blutdruck, Cholesterinspiegel und Lebensstil ohne Zugang zu expliziten Diagnosen. Das Modell übertraf herkömmliche, in der klinischen Praxis eingesetzte Prognoseinstrumente und war in der Lage, Hochrisikopatienten Monate vor möglichen gesundheitlichen Komplikationen zu identifizieren. Dieser Ansatz könnte die Präventivmedizin revolutionieren, auch wenn er ethische Fragen zum Datenschutz und zur Verwendung sensibler Daten aufwirft.

The Batch – DeepLearning.Ai by Andrew Ng / gnews.cz – GH