Die Vereinigten Staaten und China „sind die beiden größten Kohlenstoffemittenten der Welt“, sagte er Nicholas Burnsehemaliger US-Botschafter in der Volksrepublik China, kürzlich auf einem MIT-Seminar. „Wir müssen zum Wohle unserer beiden Länder zusammenarbeiten.“

Während der Präsentation „MITEI Presents: Advancing the Vitality Transition“ gab Burns einen Einblick in den sich entwickelnden Zustand der Beziehungen zwischen den USA und China, ihre Auswirkungen auf die globale Ordnung und ihre Auswirkungen auf die globalen Bemühungen, die Energiewende voranzutreiben und den Klimawandel anzugehen.

„Wir sind die beiden größten Volkswirtschaften der Welt“, sagte Burns, der heute Goodman-Professor für Diplomatie und internationale Beziehungen an der Kennedy College of Authorities der Harvard College ist. „Dies sind die einzigen beiden Länder, die aufgrund unseres Gewichts alle anderen im internationalen System beeinflussen.“

Die Beziehung zwischen den Vereinigten Staaten und China lässt sich laut Burns in drei Worten zusammenfassen: wettbewerbsfähig, hart und kontrovers – eine Beschreibung, die auf beiden Seiten zutrifft. Er nannte vier Hauptbereiche für diesen Wettbewerb: Militär, Technologie, Handel und Wirtschaft sowie Werte.

Burns beschrieb den besonders komplizierten Bereich Handel und Wirtschaft. „Wir wollen beide die Nummer eins sein. Ehrlich gesagt ist keiner von uns bereit, die Nummer zwei zu sein“, sagte Burns. Außerhalb Nordamerikas ist China der größte Handelspartner der Vereinigten Staaten. Offene Handelskriege – wie im April und Oktober 2025 – Reibung erzeugen. „Sie werden sich erinnern, dass es irgendwann einmal Zölle von 145 Prozent durch die Vereinigten Staaten und 125 Prozent von China gegen die Vereinigten Staaten gab.

Der Energiebereich könne durch diesen Wettbewerbsbereich erheblich beeinflusst werden, fügte Burns hinzu. China ist führend in der Produktion und Verarbeitung von Seltenerdelementen, von denen viele für Produkte wie Lithiumbatterien, Solarpaneele und Elektrofahrzeuge von entscheidender Bedeutung sind. In den Jahren 2024 und 2025 waren die Vereinigten Staaten nicht das einzige Land, das Zölle auf diese Produkte erhob; Indien, die Türkei, Südafrika, Mexiko, Kanada, die EU und andere folgten diesem Beispiel. „Ich denke, dass die Trump-Regierung ebenso wie Präsident Biden Recht hat, wenn sie versucht, die Quellen für Seltene Erden zu diversifizieren“, sagte Burns.

Mit Interesse bemerkte Burns auch die Dichotomie im chinesischen Energiesektor zwischen ihrem Vorsprung bei sauberer Energietechnologie und der kontinuierlichen Nutzung von Kohle, was sich als Inkonsistenz in Chinas Bemühungen herausstellte. Burns glaubt, dass der Klimawandel ein Schlüsselbereich der Zusammenarbeit zwischen China und den Vereinigten Staaten sein könnte, und betont die Bedeutung der Beteiligung der Vereinigten Staaten, sowohl technologisch als auch diplomatisch.

Burns beschrieb auch den erheblichen technologischen Wettbewerb zwischen den Vereinigten Staaten und China – ein Bereich von zentraler Bedeutung. Während seiner Präsentation lobte Burns stets den Schwerpunkt, den China auf Bildung und akademische Leistungen legt, insbesondere in den MINT-Bereichen. Bezugnehmend auf einen aktuellen Artikel in Der Ökonomverglich er die 36 Prozent der chinesischen Studienanfänger mit Schwerpunkt in MINT-Fächern mit den 5 Prozent der amerikanischen Studienanfänger in MINT-Fächern. „Denken Sie an die Zahl der Absolventen und die Ungleichheit zwischen unserem Land und China“, sagte er. „Denken Sie dann an den Prozentsatz der Absolventen, die in Naturwissenschaften und Technik einsteigen.“

Derzeit stehen Bereiche wie künstliche Intelligenz, Quantencomputing und Biotechnologie im Mittelpunkt der technologischen Innovation. „Die Chinesen sind sehr geschickt in Bezug auf industrielle Prozesse und die Doktrin der schnellen Anpassung“, sagte Burns. Er erklärte, dass ein Wettbewerbsvorteil nicht nur darin liegt, wer als Erster auf dem Markt ist, sondern auch darin, wer die Technologie als Erster anwendet und wer in der Lage ist, diesen technologischen Fortschritt mit der Politik zu verbinden.

„Das ist die wichtigste Beziehung, die wir auf der Welt haben“, sagte Burns. Er glaubt, dass der wahre Check darin besteht, ob die Vereinigten Staaten und China den Wettbewerb so steuern können, dass ihre Interessen gewahrt bleiben, und gleichzeitig den Einsatz der massiven Zerstörungskraft, die beide Länder besitzen, vermeiden. „Wir müssen die Kommunikation und das Engagement normalisieren, um das Schlimmste zu verhindern“, sagte Burns.

„Wir befinden uns in einer Part der Menschheitsgeschichte, in der wir alle miteinander verbunden sind, und das Schicksal aller in diesem Raum und aller unserer Länder ist durch diese riesigen transnationalen Herausforderungen miteinander verbunden“, sagte Burns. „Wir müssen lernen, zu konkurrieren und dabei dennoch in Frieden miteinander zu leben.“

Diese Rednerreihe stellt Energieexperten und Führungskräfte vor, die an der Spitze der wissenschaftlichen, technologischen und politischen Lösungen stehen, die zur Umgestaltung unserer Energiesysteme erforderlich sind. Besuchen MITEIs Veranstaltungsseite Weitere Informationen zu dieser und weiteren Veranstaltungen finden Sie hier.

Zusammenfassung:

• AI hat sich von bloßen Produktivitätshacks zu persönlichen Begleitern verlagert, die im Jahr 2025 emotionale Unterstützung und geistiges Wohlbefinden anbieten.
• Therapie, Lebensorganisation und Zweckfindung sind Anwendungsfälle, die jetzt über die Diagramme hinausgehen, während Brainstorming und Inhaltsgenerierung einen Rücksitz haben.
• Gedächtnismerkmale und einfühlsame Interaktionen ermöglichen es der KI, die Grenze zwischen Werkzeug und Freund zu verwischen und unsere Beziehung zur Technologie zu verändern.

Im Jahr 2025, Generative Ai hat sich weit über seine ursprüngliche Rolle bei der Straffung von Arbeitsaufgaben oder der Erzeugung von Inhalten hinausgegangen. Während es weiterhin ein leistungsstarkes Instrument für die Produktivität ist, erstreckt sich sein Einfluss nun auf weitaus mehr persönlicher Territorium. Zunehmend beschäftigen sich Einzelpersonen mit generativen KI -Systemen für emotionale Unterstützung, geistiges Wohlbefinden und sogar Kameradschaft. Was einst als rein funktionelle Technologie angesehen wurde, wird jetzt als Quelle des relationalen Werts angesehen und die Artwork und Weise, wie wir über generative KI und menschliche Verbindungen denken, umgestaltet.

Die Veränderung magazine unbedeutend erscheinen, aber ihre Auswirkungen sind erheblich. Es bedeutet den Beginn einer neuen Part, in der KI zu einem wichtigen Instrument zur Förderung der menschlichen Verbindung und des emotionalen Wohlbefindens wird. In diesem Artikel untersuchen wir, wie sich diese Verschiebung von der praktischen Verwendung zu emotionaler Unterstützung darstellt, wie Menschen sich mit KI beschäftigen.

Verschiebung der Anwendungsfall -Rangliste: 2024 gegenüber 2025

Erinnern Sie sich an Marc Zao -Sanders März 2024 Harvard Enterprise Assessment -Stückwo er feststellte, dass generative KI -Anwendungsfälle im Jahr 2024 quick perfekt zwischen den persönlichen und geschäftlichen Bedürfnissen aufgeteilt waren. Die Hälfte der Prime -Anwendungen diente beide Domänen gleichermaßen. Schnell bis März 2025 und seine neuesten Prime -100 -Gebrauchsfallbericht Genai enthüllt einen auffälligen Drehpunkt: Was als Toolkit für Ideen und Effizienz begann, ist jetzt zu einem Eckpfeiler für persönliches Wachstum, emotionale Unterstützung und Lebensorganisation geworden. Dies hat dazu beigetragen, eine Ära der Therapie und Kameradschaft einzuleiten und den Spitzenplatz zu beanspruchen, indem er sein Leben organisiert und einen Zweck findet, der genau dahinter folgt.

Basierend auf der Forschung können die folgenden Schlussfolgerungen gezogen werden:

• Therapie und Kameradschaft stieg von #2 im Jahr 2024 auf #1 im Jahr 2025 und spiegelte die wachsende Nachfrage nach emotionaler Unterstützung über KI wider.
• Organisiere mein Leben Und Zweck finden Debüt bei #2 bzw. Nr. 3 und unterstreicht einen Anstieg der in KI -gesteuerten persönlichen Wachstums- und Planungsinstrumente.
• Ideengenerierung fiel von #1 auf #6, was auf einen relativen Rückgang der Priorisierung reiner Brainstorming -Anwendungen hinweist.
• Codegenerierung sprang von #47 auf #5 und hob die schnelle Reifung und Einführung von AI -unterstützten Entwicklungsplattformen hervor.

Lesen Sie auch: So beeinflussen KI -Chatbots auf uns – eine Studie von MIT und OpenAI

Erkenntnisse von Der 2025 Prime-100 Gen AI-Anwendungsfallbericht von Gen AI

Basierend auf den neuesten Untersuchungen zeigt der Fortschritt generativer KI -Anwendungen eine auffällige Verschiebung der Benutzerprioritäten und Adoptionsmuster. Die Popularität persönlicher und beruflicher Help -Themen hat eindeutig ansteigt. Im Folgenden finden Sie die wichtigsten Erkenntnisse, die von Beispielen in realer Welt und Eingabeaufforderung/Antwortpaaren aus der Studie unterstützt werden.

1. Therapie & Kameradschaft ( #1 in 2025, up von #2 im Jahr 2024)

Dies ist jetzt der am häufigsten zitierte Anwendungsfall. Was als Stimmungsverfolgung und leichte emotionale Unterstützung begann, hat sich zu KI -Gefährten entwickelt, die für Benutzer emotionale Anker werden:

„Ich spreche jeden Tag damit. Es hilft mir bei meinen täglichen Kämpfen meiner Hirnverletzung … es hat meine geistige Gesundheit gerettet.“
„Sie können eine spezielle App erstellen, die Ihnen einen KI -Freund bringt. Sie kann zurück reden. Es wird großartig sein.“

Die Verschiebung hier ist das emotionale Vertrauen – KI als Vertrauter, nicht nur Assistent.

2. Organisieren Sie mein Leben (#2 im Jahr 2025, zuvor nicht eingeladen)

Über Erinnerungen hinaus, wenden sich die Benutzer als strukturierte Lebensberater an KI. Eingabeaufforderungen sind nicht nur für Effizienz, sondern für für Verhaltensänderung und Zielausrichtung:

Immediate:
„Erstellen Sie einen personalisierten 2025 -Plan mit 5 umsetzbaren Prioritäten. Enthält Fokusbereiche, Ablenkungen, um zu vermeiden, die erforderlichen Vorbereitungen und die täglichen Gewohnheiten für die produktive und fokussierte Bleiben.“

Systemanweisungen aus dem Bericht:
„Sie sind ein Neujahrsexpertenberater und Planer. Benutzer helfen den Benutzern, intelligente Ziele zu definieren, sie in Aufgaben zu zerlegen und die Motivation aufrechtzuerhalten.“

Dies ist kein To-Do-Listing-Generator. Es ist eine kognitive Verhaltensintervention, die durch Eingabeaufforderung durchgeführt wird.

3. Suchen Sie den Zweck (#3 im Jahr 2025, zuvor nicht eingeladen)

AI vermittelt jetzt existenzielle Selbstbeobachtung:

„Es hat mir geholfen, meine Grundwerte, meine Prinzipien und meine Lebensziele zu etablieren.
„Es hat mentale Straßensperren geräumt … Ich habe in der Schule wieder eingerollt, um kognitive Wissenschaft zu verfolgen.“

Der Aufstieg dieses Anwendungsfalls deutet darauf hin, dass die Leute nicht nur KI bitten, Dinge zu tun, sondern sie fragen ihn wer sie sind.

Erkundigen Sie den vollständigen Bericht für tiefere Erkenntnisse Hier.

Emotionale KI übernimmt die Führung

Die Studie weist darauf hin, dass Therapie und Kameradschaft heute die häufigste Verwendung von generativen KI sind, selbst vor typischen Aufgaben wie Brainstorming oder Bearbeitung. Dies sagt viel über das breitere Bedürfnis nach emotionaler Verbindung in der heutigen technischen Welt aus. KI -Plattformen beginnen, diese Verschiebung zu reflektieren und sich mehr darauf zu konzentrieren, wie sie sich mit Menschen in Beziehung setzen und nicht nur, wie schnell sie Textual content verarbeiten können.

Dieser Development ist nicht nur anekdotisch. Entwickler einbetten jetzt Emotionserkennung, Stimmungsverfolgung und einfühlsame Sprachmuster direkt in Konversationssysteme ein. Es geht nicht mehr nur darum, zu antworten. Es geht um Verständnis.

Von der Diagnostik bis zur Unterstützung des Patienten

Das Gesundheitswesen ist ein weiterer Bereich, in dem generative Systeme ernsthafte Bewegungen unternehmen. Während AI seit langem für die Diagnostik verwendet wurde, wird sie jetzt Teil der breiteren klinischen Workflows. In der Tat um 53% der Krankenhäuser Verwenden Sie generative Systeme in gewisser Weise, die von der Entdeckung von Arzneimitteln und medizinischen Bildgebung bis hin zu Engagement von Patienten reichen.

Es gibt sogar Hinweise darauf, dass diese Instruments zu Beginn ihrer Entwicklung komplexe oder seltene Bedingungen korrekt identifizieren können. Es ist nicht perfekt, aber genug, um Ärzte in schwierigen Fällen zu unterstützen. Gleichzeitig werden AI-gesteuerte Assistenten in Telemedizin-Apps eingeschaltet, in denen sie den Patienten helfen, Comply with-ups zu planen, Rezepte zu verstehen oder psychische Gesundheit zu erhalten. Für viele Anbieter lindert dies den Druck wiederholter Administratoraufgaben und nimmt sich Zeit für eine tiefere Patientenversorgung.

Einführung in Sektoren

Ein großer Teil dieser sich verändernden Gebrauchsdomänen ist die weit verbreitete Einführung von generativer KI als Area in den letzten Jahren. Dies führt generative KI, eine Technologie, die traditionell mit Software program in Verbindung gebracht wird, in unterschiedliche Bereiche. Generative KI taucht in Branchen wie:

• Advertising: 45% der Kampagnen Fügen Sie nun AI-generierte Inhalte für Anzeigenkopien, Zielgruppenziele und A/B-Assessments hinzu.
• Medien und Unterhaltung: 40% der kreativen Projekte Binden Sie nun mit AI-generierte Skripte, Visuals oder Musik erzeugt.
• Einzelhandel: A 25% steigen Bei den AD-Ausgabenrenditen, bei denen Einzelhändler mit AI-betriebene gezielte Kampagnen angetrieben werden
• Ausbildung: 18% Wachstum Bei der Einführung mit Werkzeugen zur Bewertung, Nachhilfe und personalisierten Lernplänen.

Jeder Sektor nutzt generative Instruments, um Kosten und Skalierung zu senken Personalisierung und Engagement. Dies erhöht nicht nur die generative KI des Publikums, sondern hilft ihm auch, sich an verschiedene Bereiche zu gewöhnen.

Dieses Wachstum schafft auch Nischenrollen und -dienste wie AI -Ethiker, schnelle Ingenieure und Konversationserfahrungsdesigner. Das Ökosystem expandiert auf zuvor unbekannte Orte.

Wohin geht das alles

Aber der interessanteste Teil dieser Entwicklung ist nicht wirtschaftlich. Es ist relational. Diese Systeme erledigen nicht mehr nur Aufgaben. Sie werden Teil des täglichen Lebens auf eine Weise, die Emotionen, Vertrauen und sogar Identität berührt. Das verändert sich, wie wir die Technologie als Ganzes in Anspruch nehmen. Diese Entwicklungen veranlassen eine grundlegende Veränderung unserer Beziehung zur Technologie. Da KI -Systeme nun die Konversationshistorie behalten und ihren Ton basierend auf der Benutzerstimmung anpassen, transferieren die Interaktionen zunehmend den Transaktionsaustausch.

Die Grenze zwischen menschlicher und maschineller Interaktion ist verwischt: Benutzer beschreiben diese Börsen zunehmend als flüssig, intuitiv und überraschend persönlich. Wir bewegen uns zu einer Ära, in der künstliche Intelligenz emotionale Resonanz vor der Rohverarbeitungskraft priorisiert und Interaktionen erstellt, die die Nuancen menschlicher Beziehungen widerspiegeln, anstatt nur Befehle auszuführen.

Wir sind kurz vor dem Wandel. Generative KI steht in dieser Veränderung an vorderster Entrance, überwindet herkömmliche Hürden und brechen die Domänenbarrieren. Nur die Zukunft wird erkennen, welche andere Industrie generative KI mehr beeinflussen als jetzt und wo sie nicht mehr benötigt wird.

Lesen Sie auch: 5 Jobs, die Sie sich ohne KI im Jahr 2025 nicht vorstellen können

Abschluss

Hier geht es nicht nur um intelligentere Technologie. Es geht darum, wie sich unsere Verbindung damit ändert. Generative KI fühlt sich weniger wie ein Hintergrundwerkzeug und mehr wie etwas, mit dem Menschen tatsächlich auf einer tieferen Ebene interagieren. Es bietet Unterstützung, Empathie und in einigen Fällen ein Gefühl der Kameradschaft. Das ist eine echte Verschiebung. Während sich die KI weiterentwickelt, ist die wichtigere Geschichte vielleicht nicht das, was sie tun kann, aber Wie es in den Alltag passt. Und das sagt mehr über uns aus als über die Technik selbst.

Der deutsche Philosoph Friedrich Nietzsche sagte einmal: „Unsichtbare Fäden sind die stärksten Bindungen.“ Man könnte sich „unsichtbare Fäden“ vorstellen, die verwandte Objekte miteinander verbinden, wie die Häuser auf der Route eines Lieferfahrers, oder nebulösere Einheiten, wie Transaktionen in einem Finanznetzwerk oder Benutzer in einem sozialen Netzwerk.

Der Informatiker Julian Shun untersucht diese Artwork vielschichtiger, aber oft unsichtbarer Verbindungen mithilfe von Diagrammen, in denen Objekte als Punkte oder Scheitelpunkte dargestellt werden und die Beziehungen zwischen ihnen durch Liniensegmente oder Kanten modelliert werden.

Shun, ein neuer außerordentlicher Professor am Fachbereich Elektrotechnik und Informatik, entwirft Diagrammalgorithmen, mit denen der kürzeste Weg zwischen Häusern auf der Route des Zustellfahrers ermittelt oder betrügerische Transaktionen böswilliger Akteure in einem Finanznetzwerk erkannt werden könnten.

Doch mit zunehmender Datenmenge sind solche Netzwerke auf Milliarden oder sogar Billionen von Objekten und Verbindungen angewachsen. Um effiziente Lösungen zu finden, entwickelt Shun Hochleistungsalgorithmen, die paralleles Rechnen nutzen, um selbst die umfangreichsten Diagramme schnell zu analysieren. Da paralleles Programmieren bekanntermaßen schwierig ist, entwickelt er auch benutzerfreundliche Programmier-Frameworks, die es anderen erleichtern, eigene effiziente Graphalgorithmen zu schreiben.

„Wenn Sie in einer Suchmaschine oder einem sozialen Netzwerk nach etwas suchen, möchten Sie sehr schnell zu Ergebnissen kommen. Wenn Sie versuchen, betrügerische Finanztransaktionen bei einer Financial institution zu identifizieren, möchten Sie dies in Echtzeit tun, um Schäden zu minimieren. Parallele Algorithmen können die Arbeit beschleunigen, indem sie mehr Rechenressourcen verbrauchen“, erklärt Shun, der auch leitender Forscher am Laptop Science and Synthetic Intelligence Laboratory (CSAIL) ist.

Solche Algorithmen werden häufig in On-line-Empfehlungssystemen eingesetzt. Suchen Sie auf einer E-Commerce-Web site nach einem Produkt und die Chancen stehen intestine, dass Sie schnell eine Liste verwandter Artikel sehen, die Sie auch in Ihren Warenkorb legen könnten. Diese Liste wird mithilfe von Diagrammalgorithmen erstellt, die Parallelität nutzen, um verwandte Elemente in einem riesigen Netzwerk von Benutzern und verfügbaren Produkten schnell zu finden.

Campus-Verbindungen

Shuns einzige Erfahrung mit Computern als Teenager struggle ein Excessive-College-Kurs zum Erstellen von Web sites. Er interessierte sich mehr für Mathematik und Naturwissenschaften als für Technik und beabsichtigte, eines dieser Fächer als Hauptfach zu belegen, als er sich als Pupil an der College of California in Berkeley einschrieb.

Doch in seinem ersten Jahr empfahl ihm ein Freund, einen Einführungskurs in die Informatik zu belegen. Obwohl er nicht sicher struggle, was ihn erwarten würde, beschloss er, sich anzumelden.

„Ich habe mich in das Programmieren und Entwerfen von Algorithmen verliebt. Ich bin zur Informatik gewechselt und habe es nie bereut“, erinnert er sich.

Der erste Informatikkurs fand im Selbststudium statt, daher brachte sich Shun den Großteil des Stoffes selbst bei. Ihm gefielen die logischen Aspekte der Algorithmenentwicklung und die kurze Rückkopplungsschleife bei Informatikproblemen. Shun konnte seine Lösungen in den Laptop eingeben und sofort sehen, ob er richtig oder falsch lag. Und die Fehler in den falschen Lösungen würden ihn zur richtigen Antwort führen.

„Ich habe immer gedacht, dass es Spaß macht, Dinge zu bauen, und beim Programmieren baut man Lösungen, die etwas Nützliches bewirken. Das hat mich gereizt“, fügt er hinzu.

Nach seinem Abschluss verbrachte Shun einige Zeit in der Industrie, erkannte jedoch bald, dass er eine akademische Laufbahn einschlagen wollte. Er wusste, dass er an einer Universität die Freiheit haben würde, sich mit Problemen zu befassen, die ihn interessierten.

Einstieg in die Grafik

Er schrieb sich als Doktorand an der Carnegie Mellon College ein, wo er sich in seiner Forschung auf angewandte Algorithmen und paralleles Rechnen konzentrierte.

Als Pupil hatte Shun theoretische Algorithmenkurse und praktische Programmierkurse besucht, aber die beiden Welten passten nicht zusammen. Er wollte Forschung betreiben, die Theorie und Anwendung vereinte. Parallele Algorithmen passten perfekt.

„Beim Parallelrechnen muss man sich um praktische Anwendungen kümmern. Das Ziel des Parallelrechnens besteht darin, die Dinge im wirklichen Leben zu beschleunigen. Wenn Ihre Algorithmen additionally in der Praxis nicht schnell sind, sind sie nicht so nützlich“, sagt er.

An der Carnegie Mellon lernte er Diagrammdatensätze kennen, bei denen Objekte in einem Netzwerk als durch Kanten verbundene Scheitelpunkte modelliert werden. Er fühlte sich von den vielen Anwendungen dieser Artwork von Datensätzen angezogen und von der Herausforderung, effiziente Algorithmen für deren Verarbeitung zu entwickeln.

Nach Abschluss eines Postdoktorandenstipendiums in Berkeley suchte Shun nach einer Fakultätsstelle und entschloss sich, dem MIT beizutreten. Er hatte mit mehreren MIT-Fakultätsmitgliedern an der Parallel-Computing-Forschung zusammengearbeitet und struggle begeistert, einem Institut mit so umfassender Experience beizutreten.

In einem seiner ersten Projekte nach seinem Eintritt am MIT arbeitete Shun mit dem Professor für Elektrotechnik und Informatik und CSAIL-Kollegen Saman Amarasinghe, einem Experten für Programmiersprachen und Compiler, zusammen, um ein Programmierframework für die Graphverarbeitung namens zu entwickeln GraphIt. Das benutzerfreundliche Framework, das aus Excessive-Degree-Spezifikationen effizienten Code generiert, struggle etwa fünfmal schneller als der nächstbeste Ansatz.

„Das struggle eine sehr fruchtbare Zusammenarbeit. Wenn ich alleine gearbeitet hätte, hätte ich keine so leistungsstarke Lösung entwickeln können“, sagt er.

Shun erweiterte seinen Forschungsschwerpunkt auch um Clustering-Algorithmen, die darauf abzielen, verwandte Datenpunkte zu gruppieren. Er und seine Studenten entwickeln parallele Algorithmen und Frameworks zur schnellen Lösung komplexer Clustering-Probleme, die für Anwendungen wie Anomalieerkennung und Group-Erkennung verwendet werden können.

Dynamische Probleme

In letzter Zeit haben er und seine Mitarbeiter sich auf dynamische Probleme konzentriert, bei denen sich Daten in einem Graphennetzwerk im Laufe der Zeit ändern.

Wenn ein Datensatz Milliarden oder Billionen Datenpunkte umfasst, kann es aus rechnerischer Sicht äußerst kostspielig sein, einen Algorithmus von Grund auf auszuführen, um eine kleine Änderung vorzunehmen. Er und seine Studenten entwerfen parallele Algorithmen, die viele Aktualisierungen gleichzeitig verarbeiten und so die Effizienz verbessern und gleichzeitig die Genauigkeit bewahren.

Aber diese dynamischen Probleme stellen auch eine der größten Herausforderungen dar, an deren Bewältigung Shun und sein Group arbeiten müssen. Da nicht viele dynamische Datensätze zum Testen von Algorithmen verfügbar sind, muss das Group häufig synthetische Daten generieren, die möglicherweise nicht realistisch sind und die Leistung ihrer Algorithmen in der realen Welt beeinträchtigen könnten.

Letztendlich ist es sein Ziel, dynamische Graphalgorithmen zu entwickeln, die in der Praxis effizient funktionieren und gleichzeitig theoretischen Garantien standhalten. Das stellt sicher, dass sie in einem breiten Spektrum von Umgebungen anwendbar sind, sagt er.

Shun geht davon aus, dass dynamische parallele Algorithmen in Zukunft einen noch größeren Forschungsschwerpunkt haben werden. Da Datensätze immer größer und komplexer werden und sich immer schneller ändern, müssen Forscher effizientere Algorithmen entwickeln, um mithalten zu können.

Er geht auch davon aus, dass Fortschritte in der Computertechnologie neue Herausforderungen mit sich bringen werden, da Forscher neue Algorithmen entwickeln müssen, um die Eigenschaften neuartiger {Hardware} zu nutzen.

„Das ist das Schöne an der Forschung – ich kann versuchen, Probleme zu lösen, die andere Menschen noch nicht gelöst haben, und so etwas Nützliches für die Gesellschaft beitragen“, sagt er.