Ingenieure, die komplexe Systeme wie Automotoren und Computer entwerfen, haben komplexe Kenntnisse zur Analyse und Fehlersuche. Solange sie verlässlich arbeiten, zeigen sie ein Verhalten, das dem von Black Boxes ähnelt, deren technische Details für die Allgeminheit weder wichtig, noch eingängig sind.
Im Gegensatz dazu verwenden große Sprachmodelle (LLMs) wie GPT-4 Milliarden von simulierten Neuronen, um aus umfangreichen Datensätzen Muster zu erlernen. LLMs werden im Umgang mit Texten geschult und nehmen unterschiedliche Aufgaben an, wie zum Beispiel Gespräche, Texterstellung, Programmierung und Übersetzung. LLMs unterscheiden sich von technischen Systemen dadurch, dass sie nicht explizit programmiert wurden. Sie verursachen häufig unvorhergesehene Ergebnisse, die als „Halluzinationen“ bezeichnet werden, ohne dass die Gründe dafür klar erkennbar und deren Hergang nachvollziehbar sind.
Trotz dieser Herausforderungen ist das Ziel der anhaltenden Forschung, die Transparenz und Zuverlässigkeit von LLM zu steigern. Hierfür sind weitere Verfahren notwendig, um verlässliche Ausgaben von Halluzinationen unterscheiden zu können und der Technik eventuelle Fehlverhalten auszulernen.
Anleger, die an hochwertigen europäischen Aktien interessiert sind, und Urlauber, die in diesem Sommer eine Reise nach Europa planen, profitieren von dieser Situation in zweierlei Hinsicht. Die europäischen Aktien lagen in verschiedenen Zeiträumen deutlich hinter dem amerikanischen S&P 500 zurück, obwohl die auf Europa fokussierten Indizes in letzter Zeit Höchststände erreichten.
User von Nextwiser könnten von einem Aufschwung von Technologieaktien, die sich in Weiterentwicklung von Künstlicher Intelligenz engagieren, über ein Investment in iShares NASDAQ 100 UCITS ETF USD (Acc) profitieren.
