Hallo Leute, willkommen zum regelmäßigen KI-Newsletter von Tech. Wenn Sie ihn jeden Mittwoch in Ihrem Posteingang haben möchten, melden Sie sich hier an.
Diese Woche haben zwei Startups, die Tools zum Generieren und Vorschlagen von Code entwickeln – Magic und Codeium – zusammen fast eine halbe Milliarde Dollar im KI-Bereich eingesammelt. Das waren selbst für KI-Sektor-Verhältnisse hohe Summen, insbesondere wenn man bedenkt, dass Magic noch kein Produkt auf den Markt gebracht oder Umsatz generiert hat.
Warum also die Begeisterung der Investoren? Nun, Programmieren ist kein einfaches – oder billiges – Geschäft. Und sowohl Unternehmen als auch einzelne Entwickler suchen nach Möglichkeiten, die mühsameren Prozesse rund um das Programmieren zu rationalisieren.
Einer Umfrageverbringt der durchschnittliche Entwickler fast 20 % seiner Arbeitswoche damit, bestehenden Code zu warten, anstatt etwas Neues zu schreiben. In einem separaten Studiegaben Unternehmen an, dass sie durch übermäßige Code-Wartung (einschließlich der Behebung technischer Schulden und der Korrektur von Code mit schlechter Leistung) jährlich 85 Milliarden US-Dollar an verpassten Chancen verlieren.
KI-Tools können hier helfen, glauben viele Entwickler und Unternehmen. Und Berater sind sich einig. In einer Studie für 2023 Berichtschrieben Analysten von McKinsey, dass Entwickler mithilfe von KI-Codierungstools in der Lage seien, in der Hälfte der Zeit neuen Code zu schreiben und vorhandenen Code in rund zwei Dritteln der Zeit zu optimieren.
Eine KI-Programmierung ist kein Allheilmittel. Der McKinsey-Bericht stellte auch fest, dass bestimmte, komplexere Arbeitslasten – wie solche, die die Vertrautheit mit einem bestimmten Programmier-Framework erfordern – nicht unbedingt von KI profitieren. Tatsächlich brauchten Junior-Entwickler länger einige Aufgaben mit KI zu erledigen, im Vergleich zu ohne, so die Co-Autoren des Berichts.
„Das Feedback der Teilnehmer zeigt, dass die Entwickler die Tools aktiv iterierten, um [high] Qualität, was darauf hindeutet, dass die Technologie am besten dazu verwendet wird, Entwickler zu unterstützen, anstatt sie zu ersetzen“, schrieben die Co-Autoren und machten deutlich, dass KI kein Ersatz für Erfahrung ist. „Um die Codequalität aufrechtzuerhalten, müssen Entwickler letztlich die Attribute verstehen, die Qualitätscode ausmachen, und das Tool zu den richtigen Ergebnissen anregen.“
KI-Codierungstools haben auch ungelöste Sicherheits- und IP-bezogene Probleme. Einige Analysen zeigen, dass die Tools zu Folgendem geführt haben: mehr fehlerhafter Code in den letzten Jahren in Codebasen gepusht. Codegenerierende Tools, die auf urheberrechtlich geschütztem Code trainiert wurden, sind inzwischen erwischt diesen Code auf eine bestimmte Art und Weise wiederzugeben, was ein Haftungsrisiko für die Entwickler darstellt, die ihn verwenden.
Dies tut der Begeisterung der Entwickler – und auch ihrer Arbeitgeber – für die KI-Programmierung jedoch keinen Abbruch.
Der mehrheitlich der Entwickler (über 97 %) gaben in einer GitHub-Umfrage von 2024 an, dass sie KI-Tools in irgendeiner Form übernommen haben. Laut derselben Umfrage fördern 59 % bis 88 % der Unternehmen die Verwendung unterstützender Programmiertools – oder erlauben sie inzwischen.
Daher ist es nicht allzu überraschend, dass der Markt für KI-Codierungstools bis 2032 einen Wert von rund 27 Milliarden US-Dollar erreichen könnte (pro Polaris Research) – insbesondere wenn, wie Gartner sagt voraus75 % der Entwickler von Unternehmenssoftware nutzen bis 2028 KI-Codierungsassistenten.
Der Markt ist bereits heiß. Generative AI-Coding-Startups ErkenntnisPoolside und Anysphere haben im vergangenen Jahr Mammutrunden abgeschlossen – und GitHubs KI-Codierungstool Copilot hat über 1,8 Millionen zahlende Nutzer. Die Produktivitätssteigerungen, die die Tools liefern konnten, reichten aus, um Investoren – und Kunden – davon zu überzeugen, ihre Mängel zu ignorieren. Aber wir werden sehen, ob sich der Trend hält – und wie lange genau.
Nachricht
„Emotion AI“ zieht Investitionen an: Julie schreibt, wie sich einige Risikokapitalgeber und Unternehmen zur „Emotions-KI“, der ausgefeilteren Variante der Stimmungsanalyse, hingezogen fühlen und welche Probleme dies mit sich bringen könnte.
Warum Heimroboter immer noch Mist sind: Brian untersucht, warum viele Versuche mit Heimrobotern so spektakulär gescheitert sind. Es liege am Preis, an der Funktionalität und an der Wirksamkeit, sagt er.
Amazon stellt Gründer von Covariant ein: Zum Thema Roboter: Letzte Woche stellte Amazon Gründer des Robotik-Startups Covariant zusammen mit „etwa einem Viertel“ der Mitarbeiter des Unternehmens. Außerdem unterzeichnete das Unternehmen eine nicht exklusive Lizenz zur Nutzung der KI-Robotikmodelle von Covariant.
NightCafe, der OG-Bildgenerator: Ihr ergebener Diener hat NightCafe porträtiert, einen der ursprünglichen Bildgeneratoren und einen Marktplatz für KI-generierte Inhalte. Trotz Moderationsproblemen ist es immer noch aktiv und erfolgreich.
Mitten in der Reise geht es um die Hardware: NightCafe-Konkurrent Midjourney steigt in die Hardwarebranche ein. Das Unternehmen gab dies in einem Beitrag auf X bekannt; sein neues Hardware-Team werde in San Francisco ansässig sein, hieß es.
SB 1047 verabschiedet: Der kalifornische Landtag hat gerade den KI-Gesetzentwurf SB 1047 verabschiedet. Max schreibt darüber, warum einige hoffen, dass der Gouverneur ihn nicht unterzeichnen wird.
Google führt Wahlschutzmaßnahmen ein: Google bereitet sich auf die US-Präsidentschaftswahlen vor, indem es Sicherheitsvorkehrungen für weitere seiner generativen KI-Apps und -Dienste einführt. Als Teil der Beschränkungen werden die meisten KI-Produkte des Unternehmens nicht auf wahlbezogene Themen reagieren.
Apple und Nvidia könnten in OpenAI investieren: Nvidia und Apple sind Berichten zufolge in Gesprächen, um zur nächsten Finanzierungsrunde von OpenAI beizutragen – einer Runde, die den Wert des ChatGPT-Herstellers auf 100 Milliarden US-Dollar steigern könnte.
Forschungspapier der Woche
Wer braucht eine Game-Engine, wenn er KI hat?
Forscher der Universität Tel Aviv und DeepMind, Googles Forschungs- und Entwicklungsabteilung für künstliche Intelligenz, haben letzte Woche GameNGen vorgestellt, ein KI-System, das das Spiel Doom mit bis zu 20 Bildern pro Sekunde simulieren kann. Das Modell wurde anhand von umfangreichem Filmmaterial des Doom-Gameplays trainiert und kann den nächsten „Spielzustand“ effektiv vorhersagen, wenn ein Spieler den Charakter in der Simulation „steuert“. Es handelt sich um ein in Echtzeit generiertes Spiel.
GameNGen ist nicht das erste Modell, das dies tut. OpenAIs Sora kann Spiele simulieren, darunter Minecraft, und eine Gruppe von Universitätsforschern hat Anfang des Jahres eine Atari-Spiel simulierende KI vorgestellt. (Andere Modelle dieser Art reichen von Weltmodelle Zu SpielGAN und Googles eigene Genie.)
Aber GameNGen ist in Bezug auf seine Leistung einer der bisher beeindruckendsten Versuche zur Spielsimulation. Das Modell ist nicht ohne große Einschränkungen, nämlich grafische Störungen und die Unfähigkeit, sich mehr als drei Sekunden Spielverlauf zu „merken“ (was bedeutet, dass GameNGen eigentlich kein funktionsfähiges Spiel erstellen kann). Aber es könnte ein Schritt in Richtung völlig neuer Arten von Spielen sein – wie prozedural generierte Spiele auf Steroiden.
Modell der Woche
Wie mein Kollege Devin Coldewey bereits früher schrieb, übernimmt die künstliche Intelligenz den Bereich der Wettervorhersage, von einer schnellen Frage wie „Wie lange wird dieser Regen anhalten?“ über eine 10-Tage-Vorhersage bis hin zu Vorhersagen auf Jahrhundertebene.
Aurora, eines der neuesten Modelle auf dem Markt, ist das Produkt der KI-Forschungsorganisation von Microsoft. Aurora wurde anhand verschiedener Wetter- und Klimadatensätze trainiert und kann mit relativ wenigen Daten auf spezifische Prognoseaufgaben abgestimmt werden, behauptet Microsoft.
„Aurora ist ein maschinelles Lernmodell, das atmosphärische Variablen wie die Temperatur vorhersagen kann“, so Microsoft erklärt auf der GitHub-Seite des Modells. „Wir bieten drei spezialisierte Versionen an: eine für Wettervorhersagen mit mittlerer Auflösung, eine für Wettervorhersagen mit hoher Auflösung und eine für die Vorhersage von Luftverschmutzung.“
Auroras Leistung scheint im Vergleich zu anderen Modellen zur Atmosphärenverfolgung recht gut zu sein. (In weniger als einer Minute kann es eine fünftägige globale Luftverschmutzungsvorhersage oder eine zehntägige hochauflösende Wettervorhersage erstellen.) Aber es ist nicht immun gegen die halluzinatorischen Tendenzen anderer KI-Modelle. Aurora kann Fehler machen, weshalb Microsoft warnt, dass es nicht „von Personen oder Unternehmen zur Planung ihrer Operationen verwendet werden sollte“.
Wundertüte
Letzte Woche, Inc. gemeldet dass Scale AI, das Startup für die Kennzeichnung von KI-Daten, zahlreiche Annotatoren entlassen hat – also Leute, die für die Kennzeichnung der Trainingsdatensätze zur Entwicklung von KI-Modellen verantwortlich sind.
Zum Zeitpunkt der Veröffentlichung gab es noch keine offizielle Ankündigung. Aber ein ehemaliger Mitarbeiter sagte gegenüber Inc., dass bis zu Hunderte entlassen wurden. (Scale AI bestreitet dies.)
Die meisten Annotatoren, die für Scale AI arbeiten, sind nicht direkt bei dem Unternehmen angestellt. Sie werden vielmehr von einer Tochtergesellschaft von Scale oder einem Drittunternehmen angeheuert, was ihnen weniger Arbeitsplatzsicherheit bietet. Labeler erhalten manchmal lange Zeit keine Arbeit. Oder sie werden kurzerhand von der Plattform von Scale geworfen, wie es Vertragspartnern in Thailand, Vietnam, Polen und Pakistan passiert ist. kürzlich.
Zu den Entlassungen letzte Woche sagte ein Scale-Sprecher gegenüber Tech, dass das Unternehmen Vertragsarbeiter über ein Unternehmen namens HireArt einstellt. „Diese Personen [i.e., those who lost their jobs] waren Mitarbeiter von HireArt und erhielten von HireArt bis zum Monatsende Abfindungen und COBRA-Leistungen. Letzte Woche wurden weniger als 65 Personen entlassen. Wir haben diese Vertragsbelegschaft aufgebaut und sie im Zuge der Weiterentwicklung unseres Betriebsmodells in den letzten neun Monaten auf die entsprechende Größe gebracht. In den Vereinigten Staaten wurden weniger als 500 Personen entlassen.“
Es ist ein wenig schwierig, genau zu analysieren, was Scale AI mit dieser sorgfältig formulierten Aussage meint, aber wir untersuchen das. Wenn Sie ein ehemaliger Mitarbeiter von Scale AI oder ein Auftragnehmer sind, der kürzlich entlassen wurde, kontaktieren Sie uns auf die Art und Weise, die Ihnen am besten passt.