@alineblankertz@indieweb.social
Post #1395542
2026-04-16 19:07 UTC
Replies (7)
-
@alineblankertz@indieweb.social 2026-04-16 19:10
Ich bin immer wieder überrascht, wie skeptisch Menschen ggü. demokratischer Organisierung sind, wenn es um Wirtschaft geht. Daher frech ein Selbstzitat: “Was wir durch Vergesellschaftung gewinnen, ist, dass wir überhaupt wieder gesellschaftlich gestalten können. Im Moment läuft es danach, wie am meisten Geld für die Anteilseignenden herausspringt. Wenn wir an Demokratie glauben, müssen wir auch daran glauben, dass wir gesellschaftliche Infrastrukturen danach gestalten können.”
-
@Life_is@no-pony.farm 2026-04-16 19:19
@alineblankertz@indieweb.social @malteengeler@legal.social @netzpolitik_feed@chaos.social @RedScout24@mastodon.social KI, das bedeutete mal Prolog, Lisp, CLOS5. Expertensysteme, menschliche Knowledge Engineers. Dann kamen endliche Automaten, neuronale Netze, Big Data, ML. Dann LLMs und GPT und python. das ist keine Intelligenz, das ist monsterrechenpower. menschliche Intelligenz entsteht im kopf im gehirn. das gehirn verbraucht 20% des gesamt energieumsatzes eines menschen. aber eben nicht 20 millionen prozent in einer million rechenzentren in einer erdumlaufbahn. wenn KI KI wäre, würde sie weniger strom, wasser, zerschnittene eingescante bücher verbrauchen, nicht mehr.
-
@ronnylam@mastodon.social 2026-04-17 08:26
@alineblankertz @malteengeler @netzpolitik_feed @RedScout24 I totally agree, but... https://www.ft.com/content/addbcf9e-d352-417b-af1c-ab1acae35771?syn-25a6b1a6=1
-
@schoenix@troet.cafe 2026-04-17 08:36
@alineblankertz @malteengeler @netzpolitik_feed @RedScout24 ich sehe das etwas anders, weil ich denke, dass diese Technologie zu nützlich ist (alleine schon als besseres Mensch-Maschine-Interface) um sie einfach abzulehnen. Wie wäre es mit eben einer vergesellschafteten KI, oder eben lokal laufenden kleinen (vielleicht P2P vernetzten) Systemen?
-
@JonKo@toot.community 2026-04-17 10:06
@alineblankertz @malteengeler @netzpolitik_feed @RedScout24 Ich glaube, es braucht dann aber einen neuen Begriff für die Art von KI die demnach unerwünscht ist. Wenn man Begriffe verwendet, die viel zu breit sind, kommen dann reflexartig solche Gegenbeispiele: https://github.com/leela-zero/leela-zero
-
@stefanwagner@mastodon.acm.org 2026-04-17 10:26
@alineblankertz @malteengeler @netzpolitik_feed @RedScout24 Ich habe das Argument, dass KI nur autoritär geht nicht verstanden. Einmal wird gesagt, dass „große Datenmodelle“ der Fokus ist. Dann geht es um Immoscout. Ich bin sehr verwirrt von diesen Text. Nicht falsch verstehen: Ich finde Kritik an vielen Aspekten moderner KI richtig und wichtig. In diesem Artikel wird mir aber zu wenig wirklich argumentiert. Eine breite Technologie einfach generell abzulehnen ist mir zu pauschal.
-
@LordCaramac@discordian.social 2026-04-17 21:17
@alineblankertz @malteengeler @netzpolitik_feed @RedScout24 Es kommt immer darauf an, wovon wir reden, wenn wir "KI" sagen. Es gibt zahlreiche neuronale Netz-Modelle, die kompakt genug sind, um auf Consumer-Hardware zu laufen. Es gibt auch die Möglichkeit, sehr kleine neuronale Netze selbst auf der eigene Maschine zu trainieren, wenn man genug Plattenplatz für die Trainingsdaten frei hat; größere Netze können kollaborativ trainiert werden, d.h. die Rechner von vielen Freiwiliigen überall auf der Welt teilen sich die Arbeit, indem sie, wenn sie laufen, aber gerade nicht ausgelastet sind, ungenutzte CPU- und/oder GPU-Zyklen für KI-Trainingsaufgaben nutzen. Hinzu kommen kompakte Modelle, die von KI-Firmen trainiert worden sind, aber unter freier Linzenz gratis runterzuladen sind. Solche Modelle können auch auf normalen PCs laufen. Solche Modelle gehen auch nicht mehr weg, selbst wenn alle KI-Firmen pleitegehen, und zahlreiche Entwickler und Hobbyisten optimieren solche Modelle oder trainieren LoRAs dafür; ein LoRA ist eine Art Patch für ein neuronales Netz, mit dem diesem zusätzliche Fähigkeiten oder Informationen hinzugefügt werden können. Es werden auch "destillierte" Versionen von KIs von allerlei Leuten gebaut, die noch einmal wesentlich kleiner sind, dabei zwar etwas an Qualität einbüßen, dafür aber auf noch kleineren Maschinen lauffähig sind, teilweise sogar auf älteren Smartphones oder auf Einplatinencomputern wie der Raspberry-Pi-Serie. Es ist gut, wenn die KI-Blase platzt und haufenweise KI-Firmen in die Pleite rutschen, aber solange es leistungsfähige Computer in Privatbesitz gibt, wird der gegenwärtige Stand des Maschinenlernens bleiben. KI geht nicht mehr weg, auch wenn sie vermutlich wirtschaftlich bald eine weit kleinere Rolle spielen wird, als vom gegenwärtigen Hype vorausgesagt/erhofft. KI ist ja nicht komplett nutzlos, nur sind die gegenwärtigen GANs, Diffusionsmodelle, Transformer/LLMs, Weltmodelle usw. weit weniger nützlich, als das Marketing behauptet. Wenn die Blase platzt, können wir in aller Ruhe gucken, was wir mit den ML-Modellen anfangen können. KI ist zuallererst ein lose verbundenes Bündel von Forschungsgebieten aus der Informatik, das sich damit beschäftigt, Aufgaben zu lösen, für welche Menschen ihre Intelligenz einsetzen. Aus Sicht der KI-Forschung sind LLMs höchstinteressante Experimente, und auch wenn irgendwann (hoffentlich bald) keine neuen Riesenmodelle mehr trainiert werden, kann man immer noch etliches aus den bereits existierenden lernen. Nach dem Platzen der KI-Blase ist mit einem neuen KI-Winter zu rechnen, wo die KI-Forschung unter Unterfinanzierung leiden dürfte, aber das, was es jetzt bereits an Modellen gibt, geht deshalb ja nicht mehr weg, und begrenzte Mittel verhindern auch die Entstehung neuer gigantischer Moloch-Modelle, die ohne riesige Rechenzentren gar nichts können.