Simon DückertVon Anfang an war die #lernOS Convention ein Ort, an dem sich die Community trifft, sich bestärkt und gehenseitig beim Lernen hilft. Gerade in diesen turbulenten Zeiten ist Gemeinschaft wichtig. Am 1./2. Juli treffen wir uns wieder: https://cogneon.de/loscon25
@haraldschirmer ... oder ihr nehmt die #lernOS Smart Cards von der #loscon24, dann muss man nichtmal das Smartphone rausholen :)
Am 5.7. gleich nach der #loscon24 war ich auf dem #RadikalArbeiten Sommercamp von Markus eingeladen, einen Vortrag mit dem Titel "Zurück in die Zukunft der Arbeit" zu halten. Habe darin die "Wurzel der Arbeit" freigelegt, in dem ich die für mich wichtigsten Stationen im 20. Jahrhundert besprochen habe.
Viel Spaß damit und gerne Feedback & Teilen 😎
1️⃣ Youtube: https://youtu.be/gixIEuf64sg
2️⃣ Podcast: https://podcasts.cogneon.io/@kclo/episodes/zuruck-in-die-zukunft-der-arbeit-mit-simon-duckert (und überall, wo es Podcasts gibt)
DoSchu#frischgebloggt • Wie lerne ich neue Tools kennen, ohne in ein ›RabbitHole‹, ein Zeitloch zu versinken?
Bei der Erforschung von Lösungen rund um generative Künstliche Intelligenz geschieht das recht schnell.
Die Lösung: ›RabbitHole DeepDive‹-Sessions, wie ich sie taufte. Und ich freue mich, wie gut die Methode ankommt.
#TIL ein #PromptBattle, wie das bei der #loscon24 (https://www.youtube.com/watch?v=Nwz0WBeg1Zg&t=3281s&pp=ygUVY29nbmVvbiBwcm9tcHQgYmF0dGxl), kann man auch ganz leicht online durchführen: https://community.cogneon.de/t/prompt-battle-online-durchfuehren/4040 - ausführliche Doku folgt.
loscon24 Prompt Battle (loscon24)
#Podcast Tipp im #LatentSpace Podcast: wer sich mal in Tiefe für das Training von LLMs am Beispiel #Llama3 interessiert hört: https://podcasts.apple.com/de/podcast/latent-space-the-ai-engineer-podcast-practitioners/id1674008350?i=1000663106957 - schönes Zitat: "The internet is full of shit" 😂 #GenAI #kimooc24 #loscon24
Latent Space: The AI Engineer Podcast — Practitioners talking LLMs, CodeGen, Agents, Multimodality, AI UX, GPU Infra and al: Llama 2, 3 & 4: Synthetic Data, RLHF, Agents on the path to Open Source AGI auf Apple Podcasts
Sendung Latent Space: The AI Engineer Podcast — Practitioners talking LLMs, CodeGen, Agents, Multimodality, AI UX, GPU Infra and al, Folge Llama 2, 3 & 4: Synthetic Data, RLHF, Agents on the path to Open Source AGI – 23. Juli 2024
Christian"Wenn DATEV wüßte, was DATEV weiß" und noch viel mehr rund um meine Plattformen des Lernens aus dieser Woche. #Christianlernt #DATEVlernt #DATEVistbunt #DATEVlerntweiter #Veränderungsoptimismus #Multitransformation #doITwithEmpathy #ExploreTheBigPicture #KIMOOC24 #loscon24 #DATEVCoCreationCamp #DATEVDigiCamp #reflectandlearn https://www.linkedin.com/posts/christian-kaiser-datev_christianlernt-datevlernt-datevistbunt-activity-7220298887587110912-tDtE?utm_source=share&utm_medium=member_ios
Freitag ist #lernOS Tag mit mit dem Abschluss der Nachbereitung der #loscon24 komme ich auch heute wieder zu den Kernthemen. Bereite heute das Kernteam-Treffen am Nachmittag vor (https://github.com/cogneon/lernos-core/wiki) und setze die Community Call Termine für das 2. Halbjahr auf.
Mixed Emotions, Radikal Arbeiten, dem Big Picture, der Wirkung von Dialogformaten dokumentiert in einer Audiografie #Christianlernt #DATEVlernt #DATEVistbunt #DATEVlerntweiter #Veränderungsoptimismus #Multitransformation #doITwithEmpathy #ExploreTheBigPicture #KIMOOC24 #loscon24 #DATEVCoCreationCamp #DATEVDigiCamp #reflectandlearn https://www.linkedin.com/posts/christian-kaiser-datev_christianlernt-datevlernt-datevistbunt-activity-7217762200722026498-B6tm?utm_source=share&utm_medium=member_ios
Jan BretschneiderWenn LLMs "Bullshitter" sind, und wenn LLMs in deinem Job hilfreich sind, was sagt das über die Erwartungen an deine Arbeit?
Vgl. Hicks, M.T., Humphries, J. & Slater, J. ChatGPT is bullshit. Ethics Inf Technol 26, 38 (2024). https://doi.org/10.1007/s10676-024-09775-5
ChatGPT is bullshit - Ethics and Information Technology
Recently, there has been considerable interest in large language models: machine learning systems which produce human-like text and dialogue. Applications of these systems have been plagued by persistent inaccuracies in their output; these are often called “AI hallucinations”. We argue that these falsehoods, and the overall activity of large language models, is better understood as bullshit in the sense explored by Frankfurt (On Bullshit, Princeton, 2005): the models are in an important way indifferent to the truth of their outputs. We distinguish two ways in which the models can be said to be bullshitters, and argue that they clearly meet at least one of these definitions. We further argue that describing AI misrepresentations as bullshit is both a more useful and more accurate way of predicting and discussing the behaviour of these systems.