Kai

@kaidu
16 Followers
30 Following
106 Posts
Developer of the SIRIUS software for analyzing tandem mass spectrometry data. Bioinformatics and Metabolomics.
Show threadKai8h ago
@evawolfangel To be fair: Nvidia profitiert vermutlich wirklich von open source. Die großen Player wie Google, Amazon, OpenAI wollen ja selbst ihre Abhängigkeit von NVIDIA verringern (bzw. Google hat das mit seinen TPUs ja schon).
Show threadKai1d ago

@evawolfangel Die Beschwichtigungen, das alles sei nur ein Rechte- und Konfigurationsproblem, halte ich auch für zu kurz gedacht.

LLMs verarbeiten Text. Sie unterscheiden nicht zwischen "authorisiertem" Text und externen Nutzereingaben. Selbst wenn man irgendwelche künstlichen Sonderzeichen einfügen würde, um zwischen beidem zu unterscheiden, so könnte man erst im Finetuning solche Nuancen einfügen. Das Modell kann aber jederzeit in sein Pretraining-Verhalten zurückfallen.

Show threadKai1d ago
@evawolfangel Ich bekam auf LinkedIn auch dutzendfach Beiträge selbsternannter Experten, die laut beklagten wie es denn sein kann, dass eine Zukunftstechnologie wie Openclaw in Europa entwickelt wird, die Europäer aber mal wieder nur die Risiken sehen. Allerdings hab ich mir abgewöhnt auf solche Bullshitposts zu antworten, da jede Interaktion ja nur deren Reichweite erhöht. Daher Danke für diesen informativen Artikel der zeigt, warum Bedenken First hier durchaus angebracht ist.
Show threadKai5d ago
@nielso Danke für die Erläuterung. Wenn so viele Streams nicht berücksichtigt werden, wäre das ja mal ein Punkt an dem man ansetzen sollte.
Das Bezahlsystem erscheint mir generell etwas undurchsichtig. Was ist z.B. mit Hörspielen, von denen es ja auch etliche auf Spotify gibt, die man im Gegensatz zu Musik aber in der Regel nur einmal anhört?
Show threadKai6d ago
@tagesschau Weiterhin wird als Argument angebracht, dass die Algorithmen ja entscheiden würden was ein Nutzer hört. Nur hängt das doch sehr stark von den Hörgewohnheiten der Nutzer ab. Manche nutzen eigene Playlists, andere das Spotify Radio. Weiter unten wird angemerkt, dass man auf Spotify angewiesen ist um Reichweite zu erzeugen, da viele Künstler nur über Spotify in die Feeds der Nutzer geraten. Aber das heißt doch gerade, dass die Algorithmen nicht nur die großen Künstler bevorzugen.
Show threadKai6d ago
@tagesschau Irgendwie verstehe ich due Logik nicht ganz: im Artikel steht dass alle Einnahmen in einen Topf kommen und danach auf die Künstler verteilt werden, basierend darauf wie oft diese gehört werden.
Nun fordern Künstler aber dass für jeden Nutzer separat dessen Abogebühren auf die Künstler verteilt werden die dieser Nutzer hört. Nur... wo ist da der Unterschied? Ob ich jetzt alles zusammenrechne oder pro Nutzer abrechne läuft doch auf dasselbe hinaus.
Show threadKaiMar 11

@evawolfangel Danke für die Einordnung.

Gleichzeitig liest man dass Meta Moltbook gekauft hat. Man kann mit Scam offenbar viel Geld verdienen 😬

KaiMar 10
NFDI4ChemMar 9

Why spend vast sums on commercial chemistry software? We want digital sovereignty for science. NFDI4Chem and FID Chemistry are planning an open-source alternative for drawing chemical structures.

Your voice counts:

Help us determine the real needs of the community.
Let's shape the future of structure representation together.

👉 Participate here: https://t1p.de/p5b9p

#OpenSource #Research #DigitalSovereignty #Chemistry #NFDI

Show threadKaiFeb 16
@Okuna @evawolfangel das kannte ich noch nicht, danke. Es wird schon seit langem versucht Diffusion basierte LLMs zu bauen, bisher ist da aber nichts aus der Konzeptionsphase rausgekommen und auch Apples Modell ist ja eher ein kleines Testmodel und nichts für den ernsthaften Gebrauch. Tokenbasierte Autoregressive Modelle sind meiner Meinung nach auf lange Sicht eine Sackgasse. Ob Diffusion da besser ist, k.a. Das wird die Zeit zeigen.
Show threadKaiFeb 16
@Okuna @evawolfangel weiß nicht was du mit "codieren" meinst, aber Diffusion ist eine Form von generativen Modellen (die sind meistens entweder Diffusion/Flowmatching bei Bildern, Musik, Filmen etc. oder Autoregressiv bei Texten). Transformer ist die darunter liegende Architektur. Auch Diffusion Modelle sind heute fast alle Transformers basiert (kommt aber immer auf die Modalität an)