Mit der explodierenden Beliebtheit der generativen künstlichen Intelligenz stehen mittlerweile viele Open-Supply-Modelle on-line zur Verfügung, damit jeder sie an seine Aufgaben anpassen kann, beispielsweise um Produktdarstellungen in einem bestimmten künstlerischen Stil zu erstellen.

Aber diese Modelle gelangen auch in die Hände ruchloser Akteure, die sie möglicherweise optimieren, um illegale Inhalte wie Hassreden oder Materials zum sexuellen Missbrauch von Kindern (CSAM) zu produzieren. Das ist ein wachsendes Drawback – das Nationale Zentrum für vermisste und ausgebeutete Kinder mehr als 1,5 Millionen Meldungen erhalten von KI-generiertem CSAM im Jahr 2025, ein Anstieg von 67.000 im Jahr 2024.

Normalerweise testen Ingenieure KI auf schädliche Fähigkeiten, indem sie das Modell ansteuern und seine Ergebnisse prüfen. Dies ist jedoch für CSAM unmöglich, da es in den USA unlawful ist, solche Inhalte zu generieren, unabhängig von der Absicht.

Um dieses Dilemma zu vermeiden und die KI-Sicherheit zu verbessern, hat sich ein Crew von MIT-Wissenschaftlern unter der Leitung des Doktoranden Vinith Suriyakumar und der außerordentlichen Professoren Ashia Wilson und Marzyeh Ghassemi mit Forschern von zusammengetan Dorn einen neuen Prüfansatz zu entwickeln, der ohne Aufforderung bestimmt, ob ein Modell CSAM erzeugen kann. Thorn ist eine gemeinnützige Kinderschutzorganisation, deren Mission es ist, die Artwork und Weise zu verändern, wie Kinder im digitalen Zeitalter vor sexuellem Missbrauch und Ausbeutung geschützt werden.

Ihre Technik untersucht, wie das Innenleben eines Modells angepasst wurde, generiert jedoch nie ein Ergebnis. Durch die Untersuchung versteckter Darstellungen kann zuverlässig geschlossen werden, ob ein Modell darauf spezialisiert wurde, schädliche Bilder zu erzeugen.

Beim Testen identifizierte das Prüfverfahren Modellvarianten, die darauf spezialisiert waren, CSAM mit 100-prozentiger Genauigkeit zu generieren. Eine Internet hosting-Plattform könnte diese Technik nutzen, um unsichere Modelle zu kennzeichnen und sie schnell zu entfernen oder deren Hochladen von vornherein zu verhindern.

„Dies eröffnet neue Möglichkeiten für Plattformen, die Open-Supply-Modelle hosten, und für Strafverfolgungsbehörden, tatsächlich zu testen, ob ein Modell in der Lage ist, CSAM zu generieren. Bisher hatten wir keine Möglichkeit, dies zu messen. Es battle ein riesiger blinder Fleck, den einige Leute ausnutzten. Jetzt können wir ein KI-Sicherheitsproblem angehen, das schwerwiegende unfavorable Auswirkungen hat“, sagt Vinith Suriyakumar, ein Doktorand der Elektrotechnik und Informatik (EECS) am MIT und Hauptautor einer Arbeit über diese Technik.

Suriyakamur und Wilson, der Lister Borthers Profession Develop Professor für EECS und Hauptforscher am Laboratory for Data and Resolution Techniques (LIDS), werden bei dem Papier von Lena Stempfle, einer MIT-Postdoktorandin, unterstützt; Ghassemi, außerordentlicher Professor für EECS und Mitglied des Institute of Medical Engineering Sciences (IMES) und des LIDS; und andere an der Boston College und Thorn. Das Papier wurde im Rahmen des Workshops „Reliable AI for Good“ auf der Worldwide Convention on Machine Studying im Rampenlicht präsentiert.

Prüfungsanpassungen

Neuere Techniken haben es Benutzern erleichtert, ein generatives KI-Modell durch einen als Feinabstimmung bezeichneten Prozess für ihre Aufgabe zu spezialisieren.

Anstatt das gesamte Modell anhand eines aufgabenspezifischen Datensatzes neu zu trainieren, können Einzelpersonen einen Algorithmus namens Low-Rank-Adaptation (LoRA) verwenden, um das Modell effizienter zu spezialisieren.

Dies hat zu einer Welle neuer generativer KI-Modellvarianten für verschiedene Zwecke geführt, beispielsweise zur Erstellung von Aquarellbildern, die eine künstlerische Bewegung nachahmen. Aber es hat böswilligen Akteuren auch ermöglicht, Modelle zu erstellen, die hochwertige CSAM- und andere schädliche Bilder generieren können.

Um ein Modell zu prüfen, fordern Ingenieure es normalerweise auf schädliche Inhalte auf und überprüfen seine Ergebnisse. Dieses manuelle Prüfverfahren ist jedoch nicht skalierbar. Darüber hinaus kann die wiederholte Generierung abscheulicher Bilder unfavorable psychologische Auswirkungen auf menschliche Beurteiler haben.

Diese Bewertungsmethode versagt schnell beim Testen von CSAM, dessen Generierung zu irgendeinem Zweck in den USA und vielen anderen internationalen Gerichtsbarkeiten unlawful ist.

„Wir befinden uns in dieser sehr schwierigen State of affairs, in der wir aufgrund des Gesetzes selbst nicht auf die De-facto-Bewertungsmittel zurückgreifen können. Wir mussten das gesamte Instrumentarium wegwerfen und einen anderen Ansatz wählen“, sagt Suriyakumar.

Nachdem die Forscher von diesem Rätsel erfahren hatten, schlossen sie sich mit Thorn zusammen, um dieses Drawback anzugehen.

Eine nicht generative Lösung

Anstatt sich auf die Ergebnisse zu konzentrieren, konzentrierten sich die Forscher auf die Änderungen, die ein LoRA-Algorithmus während der Feinabstimmung vornimmt.

Ihre Technik untersucht diese Modifikationen, sogenannte LoRA-Adapter, um festzustellen, ob ein Modell für eine schädliche Funktion spezialisiert wurde, ohne eine Ausgabe zu generieren.

Mithilfe einer Technik namens Gaußsches Sondieren füttern die Forscher das Modell mit einer Reihe zufälliger Datenpunkte und analysieren, wie es diese Daten innerhalb seiner mehrschichtigen internen Struktur manipuliert.

„Wir lassen das Modell nie bis zum Ende laufen oder fordern das Modell auf, additionally generieren wir nie Bilder“, erklärt Suriyakumar.

Die Forscher erfassen diese Änderungen zu mehreren Zeitpunkten innerhalb der inneren Struktur des Modells und mitteln sie, um zusammenzufassen, wie der LoRA-Adapter die Berechnung des Modells verändert hat. Sie empfanden diese Reaktionen als starkes Sign dafür, wie ein Modell spezialisiert wurde.

Sie testeten ihre Methode anhand von Variationen von drei Modelltypen und verglichen die Ergebnisse mit Floor-Reality-Daten von LoRA-Adaptern, die dafür bekannt sind, CSAM, andere schädliche Bilder und sichere Inhalte zu generieren.

Ihre Methode battle bei der Identifizierung von Modellen, die zur Generierung von CSAM angepasst wurden, zu 100 Prozent genau.

„Es gibt eine Menge Bedenken hinsichtlich der Kindersicherheit im Zusammenhang mit KI, und das sind echte Bedenken, die angegangen werden müssen. Viele Kinder werden durch KI-Deepfakes geschädigt. Wir haben gezeigt, dass Gaußsche Sondierungen ein sehr nützliches Werkzeug sein können, und wir hoffen, dass die Forschungsgemeinschaft diesem Drawback wirklich mehr Aufmerksamkeit schenkt“, sagt Wilson.

Wichtig ist, dass ihre Technik skalierbar ist und relativ kostengünstig zu implementieren wäre. Da jeden Monat Tausende von Modellvarianten on-line veröffentlicht werden, ist Skalierbarkeit von entscheidender Bedeutung, um Prüfern dabei zu helfen, schädliche Anpassungen zu entfernen, bevor sie weit verbreitet werden.

Die Gaußsche Sondierung ist außerdem robuster als einige andere Prüftechniken, da ein böswilliger Akteur das Innenleben des Basismodells sorgfältig ändern müsste, um einer Entdeckung zu entgehen.

Zukünftig wollen die Forscher ihre Technik anhand einer größeren Menge von Modellvarianten evaluieren und untersuchen, ob Gaußsche Untersuchungen schädliche Fähigkeiten in Basismodellen erkennen können, bevor diese angepasst werden.

„Jetzt haben wir einen technologischen Ansatz, um dieses Drawback teilweise anzugehen. Es wurden so viele Anstrengungen in diese Zusammenarbeit gesteckt, die es uns ermöglichten, ein wirklich schwieriges Drawback anzugehen, das so vielen Kindern auf nationaler und weltweiter Ebene schadet. Hoffentlich können wir in diesem Bereich einen transformativen Einfluss haben“, sagt Ghassemi.

Diese Arbeit wurde teilweise durch das Bridgewater AIA Labs Analysis Fellowship unterstützt.

Der Einsatz automatisierter Softwaresysteme, sogenannter KI-Agenten, hat in letzter Zeit explosionsartig zugenommen. Ein Bericht vom November 2025 von MIT Sloan College of Administration und Boston Consulting Group fanden heraus, dass 35 Prozent der befragten Unternehmen bereits KI-Agenten eingesetzt hatten, während weitere 44 Prozent planten, bald Agenten-KI zu implementieren.

Die Grundlagen und möglichen Auswirkungen dieser immer beliebter werdenden Instruments verstehenMIT-Nachrichten sprach mit Phillip Isola, einem außerordentlichen Professor am Fachbereich Elektrotechnik und Informatik (EECS) und Mitglied des Labors für Informatik und künstliche Intelligenz (CSAIL), der die Intelligenz von KI-Agenten sowie die zugrunde liegenden Modelle und Mechanismen untersucht, die Agenten-KI-Systeme antreiben.

Q: Was ist agentische KI und wie unterscheidet sie sich von generativen KI-Modellen wie ChatGPT und Claude?

A: Agentische KI ist KI, die in der Welt Maßnahmen ergreift. Bei diesen Aktionen kann es sich um eine physische Aktion wie die Robotermanipulation oder um eine digitale Aktion wie die Buchung eines Fluges handeln. Auf der anderen Seite denken wir, dass generative KI Geschichten, Gedichte, Kunst und Bilder erfindet, anstatt Maßnahmen für uns zu ergreifen.

Das Wort „Agent“ ist nur ein Markenname. Normalerweise handelt es sich dabei um KI, die Menschen dabei hilft, mit einer Anwendung, einer Web site oder der physischen Welt zu interagieren. Die meisten Agenten, denen wir heute begegnen, sind digitale Agenten, etwa Kundendienstmitarbeiter, mit denen Sie über Produktbeschwerden sprechen können.

Die meisten Unternehmen, die Agenten anbieten, verwenden dieselben wenigen KI-Modelle unter der Haube und geben ihnen die Möglichkeit, Maßnahmen zu ergreifen und sich daran zu erinnern, was passiert ist. Ein Agent beginnt mit einem grundlegenden generativen KI-System wie Claude im Kern. Dann legen Unternehmen unterschiedliche Hüllen um dieses Grundmodell für ihr Produkt oder ihre Anwendung. Diese Wrapper können spezifische Instruments sein, die der Agent verwenden kann, und diese Instruments hängen von der Anwendung ab. Möglicherweise hat der Agent Zugriff auf einen Taschenrechner, um mathematische Probleme zu lösen, oder möglicherweise hat er Zugriff auf eine kompliziertere Festplatte und ein Betriebssystem, damit er sich die Finanzdaten eines Unternehmens und vergangene Geschäftsverhandlungen merken kann.

Die größte Herausforderung bei der Entwicklung von Agenten-KI ist der Mangel an Trainingsdaten. Wenn ich ein System erstellen möchte, das on-line gehen und einen Flug für mich buchen kann, scheint das ziemlich einfach zu sein. Aber wir haben nicht viele Daten, die genau beschreiben, wie das geht – wo man die Maus bewegt, welche Tasten man anklickt, was man tut, wenn etwas schiefgeht, oder wie man jemanden anruft und über den Preis des Flugtickets verhandelt. Eine Möglichkeit, ein solches System zu trainieren, besteht darin, den KI-Agenten die Web sites der Fluggesellschaften besuchen zu lassen, Dinge auszuprobieren und zu sehen, was funktioniert und was nicht. Diese Umgebungen sind schwer zu modellieren, daher muss der Agent oft durch Versuch und Irrtum lernen.

Q: Was sind einige vielversprechende Anwendungen der Agenten-KI?

A: Ich denke, der Bereich, in dem wir den größten Erfolg hatten, waren Codierungsagenten. Dies ist etwas, das sich aus der generativen KI entwickelt hat. Menschen trainieren Sprachmodelle anhand von Code und können dann vorhersagen, was ein Mensch tun würde, um ein Codierungsproblem zu lösen. Darüber hinaus kann ein Agent dies lernen, indem er eine Feedbackschleife durchläuft, in der er verschiedene Lösungen ausprobiert und prüft, ob er die richtige Antwort gegeben hat. Solange er die Antwort überprüfen kann, kann der KI-Agent diese Versuch-und-Irrtum-Schleife durchlaufen, bis er eine gute Strategie gefunden hat.

Es besteht jedoch immer ein Gleichgewicht zwischen der Automatisierung der Entscheidungsfindung und der bloßen Unterstützung und Info von Menschen. Analytische KI-Methoden sind ebenso wie die Systeme, die dabei helfen, mögliche Ergebnisse von Entscheidungen vorherzusagen, nicht agentischer Natur, sondern für menschliche Entscheidungsträger sehr informativ. In Fällen, in denen viel auf dem Spiel steht oder die sicherheitskritisch sind, wie Medizin, Sicherheit, hochrangige Geschäftsrichtlinien usw., ist die Technologie möglicherweise nicht bereit für die vollständige Automatisierung dieser Prozesse durch KI, oder wir sind damit möglicherweise nicht einmal zufrieden.

Q: Gibt es Risiken, über die wir beim Einsatz von KI-Agenten nachdenken sollten?

A: Ein großes Risiko besteht darin, dass es oft sehr einfach ist, Agenten dazu zu bringen, bestimmte Arbeiten für Sie zu erledigen. Mit Coding-Agenten können Sie „Vibe-Code“ erstellen und den Agenten einfach bitten, einen Code für Sie zu erstellen, sodass Sie die harte Arbeit nicht selbst erledigen müssen. Da es so einfach ist, besteht ein großes Risiko, dass die Leute sich nicht genügend Mühe geben, um zu überprüfen, ob es das Richtige tut. Es werden Fehler auftreten, personal Daten werden durchgesickert – das passiert bereits.

Agenten sind nicht perfekt in dem Sinne, dass sie möglicherweise Fehler machen, weil sie nicht intestine ausgebildet sind und nicht wissen, was sie tun sollen. Aber selbst wenn sie sehr kompetent sind, könnte der KI-Agent einen Fehler machen, weil der Mensch einen Fehler gemacht hat, wenn ein Mensch sie nicht richtig nutzt oder ihm eine zu vage Anweisung gibt. Wenn die Menschen weniger daran beteiligt sind, alle Konsequenzen zu durchdenken, sind wir meiner Meinung nach möglicherweise anfälliger für solche Fehler.

Ein weiterer Aspekt ist das Risiko einer Dequalifizierung. Es ist unklar, wie weit das gehen wird, aber wenn wir uns darauf verlassen, dass Agenten unsere Hausaufgaben, unsere Codierung und unsere Mathematik erledigen, verlieren wir möglicherweise die Fähigkeit, dies selbst zu tun, und wir verlieren diese Fähigkeit möglicherweise zu früh, weil die Technologie noch nicht bereit ist, diese Prozesse vollständig zu automatisieren.

Q: Wie sieht die Zukunft der Agenten-KI aus?

A: Was wir heute als „Agentische KI“ bezeichnen, bezieht sich auf große Sprachmodelle, die Werkzeuge zur Interaktion mit digitalen und physischen Systemen nutzen. Eine offensichtliche Einschränkung besteht darin, dass diese unter der Haube die Architektur eines Sprachmodells haben und auf Textdaten trainiert werden. Um noch leistungsfähigere KI-Agenten zu entwickeln, müssen wir möglicherweise Movies, physikalische Kräfte, Zeitreihen, Radarscans und andere Modalitäten modellieren. Wir benötigen möglicherweise Modelle mit grundlegend unterschiedlichen Architekturen, die kontinuierliche Daten, hochdimensionale Daten, stochastische Daten usw. verarbeiten können.

Aber andererseits könnte ein extrem gutes Codierungsmodell vielleicht als Puppenspieler für die Schnittstelle zu Sensoren, Aktoren und Internet-APIs fungieren? Sobald Sie ein superintelligentes Denksystem haben, das Mathematik, Sprache und Code versteht, können Sie ihm vielleicht eine Kamera und eine Tastatur geben und es wird herausfinden, was im räumlichen Bereich zu tun ist. Wird die nächste KI-Welle nur Claude mit Sensoren, Aktoren und Werkzeugen sein, oder wird es etwas sein, das von Grund auf neu entwickelt wurde? Das ist die große Frage, mit der sich viele Leute in der KI derzeit auseinandersetzen.

Die Untersuchung der Genexpression in den Zellen eines Krebspatienten kann klinischen Biologen helfen, den Ursprung des Krebses zu verstehen und den Erfolg verschiedener Behandlungen vorherzusagen. Aber Zellen sind komplex und bestehen aus vielen Schichten. Daher hat die Artwork und Weise, wie der Biologe Messungen durchführt, Einfluss darauf, welche Daten er erhalten kann. Beispielsweise könnte die Messung von Proteinen in einer Zelle andere Informationen über die Auswirkungen von Krebs liefern als die Messung der Genexpression oder der Zellmorphologie.

Es spielt eine Rolle, wo in der Zelle die Informationen herkommen. Um jedoch vollständige Informationen über den Zustand der Zelle zu erhalten, müssen Wissenschaftler oft viele Messungen mit unterschiedlichen Techniken durchführen und diese einzeln analysieren. Methoden des maschinellen Lernens können den Prozess beschleunigen, aber bestehende Methoden fassen alle Informationen aus jeder Messmodalität zusammen, was es schwierig macht herauszufinden, welche Daten aus welchem ​​Teil der Zelle stammen.

Um dieses Drawback zu lösen, haben Forscher des Broad Institute of MIT und Harvard sowie der ETH Zürich/Paul Scherrer Institute (PSI) ein auf künstlicher Intelligenz basierendes Framework entwickelt, das lernt, welche Informationen über den Zustand einer Zelle über verschiedene Messmodalitäten hinweg geteilt werden und welche Informationen für einen bestimmten Messtyp einzigartig sind.

Durch die Ermittlung, welche Informationen aus welchen Zellteilen stammen, bietet der Ansatz eine ganzheitlichere Sicht auf den Zustand der Zelle und macht es für einen Biologen einfacher, das vollständige Bild der zellulären Interaktionen zu erkennen. Dies könnte Wissenschaftlern helfen, Krankheitsmechanismen zu verstehen und das Fortschreiten von Krebs, neurodegenerativen Erkrankungen wie Alzheimer und Stoffwechselerkrankungen wie Diabetes zu verfolgen.

„Wenn wir Zellen untersuchen, reicht eine Messung oft nicht aus, deshalb entwickeln Wissenschaftler neue Technologien, um verschiedene Aspekte von Zellen zu messen. Obwohl wir viele Möglichkeiten haben, eine Zelle zu betrachten, haben wir am Ende des Tages nur einen zugrunde liegenden Zellzustand. Indem wir die Informationen aus all diesen Messmodalitäten auf intelligentere Weise zusammenführen, könnten wir ein umfassenderes Bild vom Zustand der Zelle erhalten“, sagt Hauptautor Xinyi Zhang SM ’22, PhD ’25, ein ehemaliger Doktorand an der MIT-Abteilung für Elektrotechnik und Informatik (EECS) und Mitglied des Eric and Wendy Schmidt Middle am Broad Institute of MIT und Harvard, der jetzt Gruppenleiter bei AITHYRA in Wien, Österreich, ist.

Zhang wird in einem Vortrag über die Arbeit von GV Shivashankar unterstützt, Professor am Departement Gesundheitswissenschaften und Technologie der ETH Zürich und Leiter des Labors für Multiscale Bioimaging am PSI; und leitende Autorin Caroline Uhler, Professorin für EECS und das Institute for Information, Methods, and Society (IDSS) am MIT, Mitglied des MIT-Labors für Informations- und Entscheidungssysteme (LIDS) und Direktorin des Eric and Wendy Schmidt Middle am Broad Institute. Die Forschung erscheint heute in Naturinformatik.

Manipulation mehrerer Messungen

Es gibt viele Werkzeuge, mit denen Wissenschaftler Informationen über den Zustand einer Zelle erfassen können. Sie können beispielsweise die RNA messen, um zu sehen, ob die Zelle wächst, oder sie können die Chromatinmorphologie messen, um zu sehen, ob die Zelle mit externen physikalischen oder chemischen Signalen umgeht.

„Wenn Wissenschaftler eine multimodale Analyse durchführen, sammeln sie Informationen mithilfe mehrerer Messmodalitäten und integrieren sie, um den zugrunde liegenden Zustand der Zelle besser zu verstehen. Einige Informationen werden nur von einer Modalität erfasst, während andere Informationen von mehreren Modalitäten gemeinsam genutzt werden. Um vollständig zu verstehen, was in der Zelle passiert, ist es wichtig zu wissen, woher die Informationen stammen“, sagt Shivashankar.

Für Wissenschaftler besteht die einzige Möglichkeit, dies zu klären, oft darin, mehrere Einzelexperimente durchzuführen und die Ergebnisse zu vergleichen. Dieser langsame und umständliche Prozess schränkt die Menge der Informationen ein, die sie sammeln können.

In der neuen Arbeit haben die Forscher ein Framework für maschinelles Lernen entwickelt, das speziell versteht, welche Informationen sich zwischen verschiedenen Modalitäten überschneiden und welche Informationen für eine bestimmte Modalität einzigartig sind, aber nicht von anderen erfasst werden.

„Als Benutzer können Sie einfach Ihre Zelldaten eingeben und Sie erfahren automatisch, welche Daten geteilt werden und welche Daten modalitätsspezifisch sind“, sagt Zhang.

Um dieses Framework aufzubauen, überlegten die Forscher die typische Artwork und Weise, wie maschinelle Lernmodelle zur Erfassung und Interpretation multimodaler zellulärer Messungen konzipiert sind.

Normalerweise verfügen diese als Autoencoder bezeichneten Methoden über ein Modell für jede Messmodalität, und jedes Modell codiert eine separate Darstellung der von dieser Modalität erfassten Daten. Die Darstellung ist eine komprimierte Model der Eingabedaten, die alle irrelevanten Particulars verwirft.

Die MIT-Methode verfügt über einen gemeinsamen Darstellungsraum, in dem Daten kodiert werden, die sich zwischen mehreren Modalitäten überschneiden, sowie über separate Räume, in denen eindeutige Daten aus jeder Modalität kodiert werden.

Im Wesentlichen kann man es sich wie ein Venn-Diagramm von Mobilfunkdaten vorstellen.

Die Forscher verwendeten außerdem ein spezielles zweistufiges Trainingsverfahren, das ihrem Modell dabei hilft, die Komplexität zu bewältigen, die mit der Entscheidung verbunden ist, welche Daten über mehrere Datenmodalitäten hinweg gemeinsam genutzt werden. Nach dem Coaching kann das Modell erkennen, welche Daten geteilt werden und welche einzigartig sind, wenn es mit Zelldaten gefüttert wird, die es noch nie zuvor gesehen hat.

Daten unterscheiden

Bei Checks an synthetischen Datensätzen erfasste das Framework bekannte gemeinsame und modalitätsspezifische Informationen korrekt. Als sie ihre Methode auf reale Einzelzelldatensätze anwendeten, unterschied sie umfassend und automatisch zwischen der Genaktivität, die gemeinsam von zwei Messmodalitäten wie Transkriptomik und Chromatinzugänglichkeit erfasst wurde, und identifizierte gleichzeitig korrekt, welche Informationen nur von einer dieser Modalitäten stammten.

Darüber hinaus identifizierten die Forscher mit ihrer Methode, welche Messmodalität einen bestimmten Proteinmarker erfasste, der auf DNA-Schäden bei Krebspatienten hinweist. Zu wissen, woher diese Informationen stammen, würde einem klinischen Wissenschaftler helfen, zu bestimmen, welche Technik er zur Messung dieses Markers verwenden sollte.

„Es gibt zu viele Modalitäten in einer Zelle und wir können sie unmöglich alle messen, additionally brauchen wir ein Vorhersagetool. Aber dann ist die Frage: Welche Modalitäten sollten wir messen und welche Modalitäten sollten wir vorhersagen? Unsere Methode kann diese Frage beantworten“, sagt Uhler.

Zukünftig wollen die Forscher das Modell in die Lage versetzen, besser interpretierbare Informationen über den Zustand der Zelle zu liefern. Sie möchten außerdem zusätzliche Experimente durchführen, um sicherzustellen, dass zelluläre Informationen korrekt entwirrt werden, und das Modell auf ein breiteres Spektrum klinischer Fragestellungen anwenden.

„Es reicht nicht aus, nur die Informationen aus all diesen Modalitäten zu integrieren“, sagt Uhler. „Wir können viel über den Zustand einer Zelle lernen, wenn wir die verschiedenen Modalitäten sorgfältig vergleichen, um zu verstehen, wie verschiedene Komponenten von Zellen sich gegenseitig regulieren.“

Diese Forschung wird zum Teil vom Eric and Wendy Schmidt Middle am Broad Institute, dem Schweizerischen Nationalfonds, den US Nationwide Institutes of Well being, dem US Workplace of Naval Analysis, AstraZeneca, dem MIT-IBM Watson AI Lab, der MIT J-Clinic for Machine Studying and Well being und einem Simons Investigator Award finanziert.

Können KI-Procuring-Agenten über das Versenden von Produktlinks hinausgehen und tatsächlich vertrauenswürdige Käufe Ende-zu-Ende in einem Chat abschließen? Common Commerce Protocol (UCP) ist Googles neuer offener Commonplace für Agent Commerce. Es gibt KI-Agenten und Händlersystemen eine gemeinsame Sprache, sodass eine Einkaufsabfrage von der Produktfindung zu einer authentifizierten Bestellung übergehen kann, ohne dass für jeden Einzelhändler und jede Oberfläche individuelle Integrationen erforderlich sind.

Welches Drawback löst UCP??

Heutzutage hören die meisten KI-Einkaufserlebnisse bei der Empfehlung auf. Der Agent aggregiert Hyperlinks, Sie kümmern sich um Bestandsprüfungen, Gutscheincodes und Checkout-Abläufe auf separaten Web sites. Das Entwicklungsteam von Google beschreibt dies als einen N-by-N-Integrationsengpass. Jede neue Konversationsoberfläche erfordert separate Arbeit von jedem Händler und Zahlungsanbieter.

UCP fasst das auf eine Abstraktion zusammen. Plattformen wie Gemini oder AI Mode in Search integrieren sich einmalig in das Protokoll. Unternehmen legen ihr Handelsverhalten hinter UCP offen. Zahlungsdienstleister und Anmeldeinformationsanbieter integrieren sich auf der Zahlungsebene. Das gleiche Protokoll kann viele Branchen wie Einkaufen, Reisen oder Dienstleistungen unterstützen.

Rollen und Kernbausteine

Das UCP-Kernkonzeptdokument definiert vier Hauptakteure:

• Plattform, additionally der Agent oder die Anwendung, die die Benutzerreise orchestriert. Beispiele hierfür sind KI-Einkaufsassistenten und Suchoberflächen.
• Unternehmen, bei dem es sich um den Händler oder Dienstleister und den eingetragenen Händler handelt.
• Credential Supplier, der Zahlungsinstrumente und persönliche Daten wie Adressen verwaltet.
• Zahlungsdienstleister, der Autorisierungen, Buchungen und Abrechnungen verarbeitet.

Zusätzlich zu diesen Rollen führt UCP drei grundlegende Konstrukte ein:

• Funktionen wie Checkout, Identitätsverknüpfung und Bestellung.
• Erweiterungen wie Rabatte, Erfüllung oder AP2-Mandate, die eine Funktion über eine erweitern extends Feld.
• Dienste, die Funktionen an Transporte wie REST API, Mannequin Context Protocol und Agent2Agent binden.

Das GitHub-Repo listet vier erste Schlüsselfunktionen für den Einkauf auf:

• Checkout verwaltet Checkout-Sitzungen, Warenkorbinhalte, Gesamtbeträge und Steuern.
• Id Linking verwendet OAuth 2.0, sodass Agenten im Namen von Benutzern agieren können.
• Die Bestellung gibt Lebenszyklusereignisse für Versand, Retouren und Rückerstattungen aus.
• Fee Token Trade koordiniert den Token- und Anmeldeinformationsaustausch zwischen Zahlungsdienstleistern und Anmeldeinformationsanbietern.

Handelslebenszyklus für einen KI-Agenten

Der Google-Referenzimplementierung und das Beispiel-Repository verwendet einen einfachen Speicher, um den UCP-Fluss zu veranschaulichen.

Ein typischer Agenten-Checkout sieht so aus:

1. Der Agent ruft das Unternehmensprofil ab /.well-known/ucpentdeckt das dev.ucp.purchasing.checkout und zugehörige Erweiterungen verfügbar sind, und löst Schemata für diese Funktionen auf.
2. Wenn der Benutzer ein Konto verknüpft hat, führt der Agent eine Identitätsverknüpfung mit OAuth 2.0-Bereichen durch, die Checkout- und Bestelllesevorgänge für diesen Händler ermöglichen.
3. Der Agent ruft die Checkout-Funktion mithilfe der REST- oder MCP-Bindung auf und übergibt dabei Werbebuchungen, die Käuferregion und jeden erforderlichen Kontext. Der Server gibt ein Checkout-Objekt mit Einzelposten, Gesamtsummen und Optionen für die Kandidatenerfüllung zurück.
4. Der Agent wendet Rabatte oder Treuevorteile an, indem er Erweiterungen aufruft, die das zusammengesetzte Checkout-Schema ändern, und fordert dann den Benutzer auf, die endgültige Bestellung zu bestätigen.
5. Die Zahlung wird über einen Zahlungsabwickler weitergeleitet, der ein bestimmtes Zahlungsinstrumentschema versteht, beispielsweise eine tokenisierte Karte. Sobald der Zahlungsdienstleister die Transaktion autorisiert, erstellt das Unternehmen einen Auftrag.
6. Die Bestellfunktion gibt Webhook-Ereignisse für Versand- und Postkaufanpassungen aus, die der Agent in der Konversation präsentieren kann.

Aus Benutzersicht bleibt der gesamte Ablauf in einem einzigen Gespräch mit klaren Einwilligungsschritten.

Transporte, Zahlungen und Sicherheit

Die Spezifikation definiert eine Transportschicht mit Bindungen für REST, Mannequin Context Protocol, Agent2Agent und einem eingebetteten Protokoll, das tiefgreifend angepasste Händler-Checkout-Erlebnisse ermöglicht und gleichzeitig UCP-Datenstrukturen verwendet.

Für Zahlungen lässt sich UCP in das Agent Funds Protocol integrieren. Die Zahlungsarchitektur trennt Zahlungsinstrumente von Zahlungsabwicklern und verwendet Mandate, die auf einen bestimmten Checkout-Hash beschränkt sind. Dieses Design unterstützt den verbindlichen Nachweis und reduziert das Risiko der Token-Wiedergabe, was wichtig ist, wenn Agenten Zahlungen ohne den Benutzer direkt im Browser ausführen.

Anmeldeinformationsanbieter stellen Token aus und speichern vertrauliche Kartendaten oder Adressen. Zahlungsdienstleister verbrauchen diese Token und kommunizieren mit Kartennetzwerken. UCP behält diese Rollen explizit bei und verwendet überprüfbare Anmeldeinformationen und Signaturen, sodass sowohl Agenten als auch Unternehmen über kryptografische Beweise dafür verfügen, was autorisiert wurde.

Wichtige Erkenntnisse

• UCP ist ein offener Commonplace und eine Open-Supply-Spezifikation von Google, die eine gemeinsame Handelssprache für KI-Agenten, Unternehmen, Zahlungsanbieter und Anmeldeinformationsanbieter während der gesamten Einkaufsreise definiert.
• Das Protokoll wurde gemeinsam mit Partnern wie Shopify, Etsy, Wayfair, Goal und Walmart entwickelt und wird bereits von mehr als 20 Ökosystemteilnehmern unterstützt, darunter Visa, Mastercard, Stripe, PayPal, Greatest Purchase, The Residence Depot, Macy’s und Zalando.
• UCP modelliert den Handel durch auffindbare Funktionen wie Checkout, Id Linking und Order sowie erweiterbare Module für Rabatte, Erfüllung und Abonnements, wobei Händler und Agenten eine gemeinsame Funktion aushandeln, die dynamisch über gehostete Profile festgelegt wird .well-known/ucp.
• Das Protokoll ist transportunabhängig und unterstützt REST, JSON RPC, Mannequin Context Protocol und Agent2Agent, sodass dieselben Fähigkeitsschemata für Backend-Dienste, MCP-Device-Aufrufe in LLM-Agenten und Agent-zu-Agent-Netzwerke wiederverwendet werden können, ohne dass die Geschäftslogik neu geschrieben werden muss.
• Zahlungen in UCP sind in das Agent Funds Protocol und ein modulares Zahlungsabwicklungsdesign integriert, das Zahlungsinstrumente von Abwicklern trennt und kryptografisch nachweisbare Mandate verwendet, sodass Agenten den Zahlungsvorgang autonom ausführen und gleichzeitig einen klaren Nachweis der Benutzereinwilligung gewährleisten können.

---

Schauen Sie sich das an GitHub-Repo Und Technische Particulars. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 100.000+ ML SubReddit und Abonnieren Unser E-newsletter. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Schauen Sie sich unsere neueste Model von an ai2025.deveine auf das Jahr 2025 ausgerichtete Analyseplattform, die Modelleinführungen, Benchmarks und Ökosystemaktivitäten in einen strukturierten Datensatz umwandelt, den Sie filtern, vergleichen und exportieren können.

Wie erstellen Sie zuverlässige KI-Agenten, die sich in Ihre bestehenden Go-Dienste integrieren lassen, ohne einen separaten Sprachstapel zu benötigen? Google hat gerade veröffentlicht Agent Improvement Equipment für Go. Go-Entwickler können jetzt KI-Agenten mit demselben Framework erstellen, das bereits Python und Java unterstützt, und dabei alles innerhalb einer vertrauten Go-Toolchain und eines vertrauten Bereitstellungsmodells behalten.

Für KI-Entwickler und Backend-Entwickler, die Go bereits für Dienste nutzen, schließt dies eine Lücke. Sie benötigen keinen separaten Python-basierten Stack mehr für Agenten. Sie können Agentenlogik, Orchestrierung und Software-Nutzung direkt im Go-Code ausdrücken und dieselben Agenten dann in Vertex AI Agent Builder und Agent Engine verschieben, wenn Sie für die Produktion bereit sind.

Was das Agent Improvement Equipment bietet?

Das Agent Improvement Equipment (ADK) ist ein Open-Supply-Framework für die Entwicklung und Bereitstellung von KI-Agenten. Es ist für Gemini und Google Cloud optimiert, das Design ist jedoch modellunabhängig und bereitstellungsunabhängig.

In der Praxis bietet Ihnen ADK:

• Ein Code-First-Programmiermodell, bei dem Agentenverhalten, Instruments und Orchestrierung in normalen Quelldateien gespeichert sind
• Workflow-Agenten für den sequenziellen, parallelen und schleifenartigen Kontrollfluss innerhalb eines Agentensystems
• Ein umfangreiches Software-Ökosystem mit integrierten Instruments, benutzerdefinierten Funktionstools, OpenAPI-Instruments, Google Cloud-Instruments und Ökosystem-Instruments
• Bereitstellungspfade, die lokale Ausführungen, Container, Cloud Run und Vertex AI Agent Engine abdecken
• Integrierte Bewertungs- und Sicherheitsmuster, integriert mit Vertex AI Agent Builder

Für einen Entwickler verwandelt ADK einen Agenten in einen normalen Dienst. Sie führen es lokal aus, prüfen Ablaufverfolgungen und stellen es in einer verwalteten Laufzeit bereit, anstatt es als einmaliges Skript zu behandeln, das ein LLM aufruft.

Welche ADK für Go fügt hinzu?

Die Go-Model behält die gleichen Kernfunktionen wie die Python- und Java-SDKs bei, stellt sie jedoch über eine idiomatische Go-API bereit. Das Google AI-Workforce beschreibt ADK für Go als eine idiomatische und leistungsstarke Möglichkeit, Agenten zu erstellen, die Go-Parallelität und starke Typisierung nutzen.

Hier sind einige wichtige Punkte:

• ADK for Go wird mit installiert go get google.golang.org/adk
• Das Projekt ist Open Supply und wird unter gehostet github.com/google/adk-go
• Es unterstützt den Aufbau, die Evaluierung und den Einsatz hochentwickelter KI-Agenten mit Flexibilität und Kontrolle
• Es verwendet dieselben Abstraktionen für Agenten, Instruments und Workflows wie die anderen ADK-Sprachen

Dies bedeutet, dass ein Go-Dienst Agentenverhalten einbetten kann, ohne die Sprache zu wechseln. Sie können eine Multi-Agent-Architektur erstellen, in der jeder Agent eine Go-Komponente ist, die mit anderen Agenten zusammenarbeitet, die dasselbe Framework verwenden.

Unterstützung des A2A-Protokolls in Go

ADK for Go wird mit nativer Unterstützung für das Agent2Agent-Protokoll oder A2A ausgeliefert.

Das A2A-Protokoll definiert eine Möglichkeit für Agenten, andere Agenten über eine Standardschnittstelle anzurufen. In der Go-Model betont Google, dass ein primärer Agent Aufgaben orchestrieren und an spezialisierte Subagenten delegieren kann. Diese Subagenten können lokal oder als Distant-Bereitstellungen ausgeführt werden. A2A hält diese Interaktionen sicher und undurchsichtig, sodass ein Agent für die Teilnahme keinen internen Speicher oder proprietäre Logik offenlegen muss.

Google hat außerdem ein A2A Go SDK zum A2A-Hauptprojekt beigetragen. Dies gibt Go-Entwicklern einen Einstiegspunkt auf Protokollebene, wenn sie Agenten benötigen, die mit anderen Laufzeiten und Frameworks zusammenarbeiten, die ebenfalls A2A unterstützen.

MCP Toolbox für Datenbanken und Instruments

Ein wichtiges Element im offiziellen Google-Ankündigung ist eine native Integration mit MCP Toolbox for Databases. Darin heißt es, dass ADK Go über diese Toolbox sofort einsatzbereite Unterstützung für mehr als 30 Datenbanken bietet.

MCP Toolbox for Databases ist ein Open-Supply-MCP-Server für Datenbanken. Es kümmert sich um Verbindungspooling, Authentifizierung und andere Anliegen und stellt Datenbankoperationen mithilfe des Mannequin Context Protocol als Instruments zur Verfügung.

Innerhalb von ADK bedeutet das:

• Sie registrieren MCP Toolbox for Databases als MCP-Software-Anbieter
• Der Agent ruft Datenbankoperationen über MCP-Instruments auf, anstatt Roh-SQL zu erstellen
• Die Toolbox erzwingt eine Reihe sicherer, vordefinierter Aktionen, die der Agent ausführen kann

Dies passt zum ADK-Modell für Instruments im Allgemeinen, bei dem Agenten eine Mischung aus integrierten Instruments, Google Cloud-Instruments, Ökosystem-Instruments und MCP-Instruments verwenden, die alle in der Dokumentation zum Vertex AI Agent Builder beschrieben sind.

Integration mit Vertex AI Agent Builder und Agent Engine

ADK ist das primäre Framework, das im Vertex AI Agent Builder zum Aufbau von Multi-Agent-Systemen unterstützt wird.

Die neuesten Agent Builder-Updates beschreiben einen Construct-Pfad, bei dem Sie:

1. Entwickeln Sie den Agenten lokal mit ADK, jetzt einschließlich ADK für Go
2. Verwenden Sie den ADK-Schnellstart und die Entwicklungsoberfläche, um den Agent mit mehreren Instruments zu testen
3. Stellen Sie den Agenten als verwaltete Laufzeit in der Vertex AI Agent Engine bereit

Für Go-Groups bedeutet dies, dass die in Diensten und Infrastruktur verwendete Sprache jetzt über den gesamten Agentenlebenszyklus hinweg verfügbar ist, von der lokalen Entwicklung bis zur verwalteten Produktionsbereitstellung.

Mit dieser Einführung wird das Agent Improvement Equipment für Go als praktische Brücke zwischen KI-Agenten und vorhandenen Go-Diensten positioniert, wobei dasselbe Open-Supply-Code-First-Toolkit verwendet wird, das Python- und Java-Agenten zugrunde liegt. Es bringt A2A-Protokollunterstützung und MCP Toolbox for Databases in eine native Go-Umgebung, abgestimmt auf Vertex AI Agent Builder und Vertex AI Agent Engine für Bereitstellung, Evaluierung und Beobachtbarkeit. Insgesamt macht diese Model Go zu einer erstklassigen Sprache für die Erstellung produktionsbereiter, interoperabler KI-Agenten im Google-Ökosystem.

---

Schauen Sie sich das an Repo, Proben Und Technische Particulars. Schauen Sie sich gerne bei uns um GitHub-Seite für Tutorials, Codes und Notebooks. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 100.000+ ML SubReddit und Abonnieren Unser Publication. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Bis zum heutigen Tag erinnere ich mich, dass ich in unserer Kursarbeit wiederkehrende neuronale Netzwerke gestoßen habe. Sequenzdaten erregen Sie zunächst, aber dann setzt Verwirrung bei der Unterscheidung zwischen den mehreren Architekturen ein. Ich fragte meinen Berater: „Soll ich ein LSTM oder eine Gru für dieses NLP -Projekt verwenden?“ Seine vorzeitige „Es kommt darauf an“ nichts, um meine Verwirrung zu beurteilen. Nach vielen Experimenten und unzähligen Projekten hat mein Verständnis in Bezug auf die vorbildlichen Bedingungen für jede Architektur erheblich gereift. Wenn Sie mit einer ähnlichen Entscheidung konfrontiert sind, haben Sie Ihren Platz gefunden. Lassen Sie uns LSTMS und GRUS ausführlich untersuchen, um Ihnen bei der Entscheidung für Ihr nächstes Projekt zu helfen.

LSTM -Architektur: Speicher mit feiner Kontrolle

Langes Kurzzeitgedächtnis (LSTM) Networks entstanden 1997 als Lösung für das verschwindende Gradientenproblem in traditionellen RNNs. Ihre Architektur dreht sich um eine Speicherzelle, die Informationen über lange Zeiträume aufrechterhalten kann, die von drei Toren regiert werden:

1. Vergessen Sie Tor: Entscheidet, welche Informationen aus dem Zellzustand abwerfen sollen
2. Eingabetor: Entscheidet, welche Werte aktualisiert werden sollen
3. Ausgangstor: Steuert, welche Teile des Zellzustands ausgegeben werden

Diese Tore geben LSTMs eine bemerkenswerte Kontrolle über den Informationsfluss und ermöglichen es ihnen, langfristige Abhängigkeiten in Sequenzen zu erfassen.

Gru Architektur: Elegante Einfachheit

Gated Recurrent Items (GRUS), die 2014 eingeführt wurde, rationalisieren das LSTM -Design gleichzeitig und halten Sie einen Großteil seiner Wirksamkeit beibehalten. Grus Function nur zwei Tore:

1. Tor zurücksetzen: Bestimmt, wie man neue Eingaben mit vorherigen Speicher kombiniert
2. Replace Gate: Kontrolliert, welche Informationen von früheren Schritten abgehalten werden sollen und was aktualisiert werden soll

Diese vereinfachte Architektur macht Grus rechnerisch leichter, während er sich gleichzeitig mit dem verschwundenen Gradientenproblem effektiv befasst.

Leistungsvergleiche: Wenn jede Architektur glänzt

Recheneffizienz

Grus gewinnen für:

• Projekte mit begrenzten Rechenressourcen
• Echtzeit-Anwendungen, bei denen Inferenzgeschwindigkeit wichtig ist
• Bereitstellungen für cell oder Edge Computing
• Größere Chargen und längere Sequenzen auf fester {Hardware}

Die Zahlen sprechen für sich: Grus Trainieren Sie in der Regel 20-30% schneller als äquivalente LSTM-Modelle aufgrund ihrer einfacheren internen Struktur und weniger Parametern. Während eines kürzlich durchgeführten Textklassifizierungsprojekts zu Verbraucherüberprüfungen beobachtete ich Trainingszeiten von 3,2 Stunden für ein LSTM -Modell gegenüber 2,4 Stunden für eine vergleichbare GRU für dieselbe {Hardware} – ein sinnvoller Unterschied, wenn Sie mehrere experimentelle Designs durchführen.

Umgang mit langen Sequenzen

LSTMS gewinnen für:

• Sehr lange Sequenzen mit komplexen Abhängigkeiten
• Aufgaben, die eine präzise Speicherkontrolle erfordern
• Probleme, bei denen das Vergessen spezifischer Informationen kritisch ist

Nach meiner Erfahrung mit Finanzzeitreihen, die mehrere Jahre täglicher Daten umfassen, übertrafen LSTMs den Grus, wenn sie Tendencies prognostizierten, die von saisonalen Mustern ab mehr als 6 Monaten abhing. Die separate Speicherzelle in LSTMS bietet eine zusätzliche Kapazität, um wichtige Informationen über längere Zeiträume aufrechtzuerhalten.

Trainingsstabilität

Grus gewinnen für:

• Kleinere Datensätze, bei denen Überanpassung ein Downside darstellt
• Projekte, die eine schnellere Konvergenz erfordern
• Anwendungen, bei denen das Hyperparameter -Tuning -Finances begrenzt ist

Ich habe festgestellt, dass Grus während des Trainings oft schneller konvergiert und manchmal in 25% weniger Epochen als LSTMs eine akzeptable Leistung erzielt. Dies macht experimentelle Zyklen schneller und produktiver.

Modellgröße und Bereitstellung

Grus gewinnen für:

• Umgebungen von Gedächtnisbeschränken
• Modelle, die an Kunden geliefert werden müssen
• Anwendungen mit strengen Latenzanforderungen

Ein produktionsbereites LSTM-Sprachmodell I, das für eine Kundendienstanwendung erstellt wurde, benötigte 42 MB Speicher, während die GRU-Model nur 31 MB benötigte-eine Reduzierung von 26%, die die Bereitstellung für Edge-Geräte erheblich praktischer machte.

Aufgabenspezifische Überlegungen

Verarbeitung natürlicher Sprache

Bei den meisten NLP-Aufgaben mit moderaten Sequenzlängen (20-100 Token) können Grus beim schnelleren Coaching häufig gleich oder besser als LSTMs abschneiden. Bei Aufgaben, die eine sehr lange Dokumentanalyse oder ein komplexes Sprachverständnis beinhalten, können LSTMs jedoch einen Vorteil haben.

Während eines kürzlich durchgeführten Projekts zur Analyse von Sentiment fand mein Staff praktisch identische F1 -Scores zwischen den GRU- und LSTM -Modellen (0,91 gegenüber 0,92), aber der GRu -trainierte in ungefähr 70% der Fälle.

Zeitreihenprognose

Für die Prognose mit mehreren saisonalen Mustern oder sehr langfristigen Abhängigkeiten tendieren LSTMs tendenziell aus. Ihre explizite Speicherzelle hilft, komplexe zeitliche Muster zu erfassen.

In einem Prognoseprognoseprognose für Einzelhandelsbedarf reduzierte LSTMS den Vorhersagefehler um 8% im Vergleich zu Grus bei der Arbeit mit 2+ Jahren täglicher Verkaufsdaten mit wöchentlicher, monatlicher und jährlicher Saisonalität.

Spracherkennung

Bei Spracherkennungsanwendungen mit moderaten Sequenzlängen funktionieren Grus häufig besser, vergleichbar mit LSTMs und gleichzeitig rechnerisch effizienter.

Beim Aufbau eines Schlüsselwort-Recognizing-Methods erreichte meine GRU-Implementierung eine Genauigkeit von 96,2% gegenüber 96,8% für das LSTM, jedoch mit 35% schnellerer Schlussfolgerung-ein Kompromiss, der sich für die Echtzeitanwendung lohnt.

Praktischer Entscheidungsrahmen

Betrachten Sie bei der Entscheidung zwischen LSTMS und GRUS die folgenden Fragen:

1. Ressourcenbeschränkungen: Sind Sie durch Berechnungs-, Speicher- oder Bereitstellungsanforderungen begrenzt?
   • Wenn ja → Grus betrachten
   • Wenn keine → eine der Architektur funktionieren kann
2. Sequenzlänge: Wie lange dauert Ihre Eingabebedingungen?
   • Kurz bis mittel (<100 Schritte) → Grus oft ausreichend
   • Sehr lang (Hunderte oder Tausende von Schritten) → LSTMs können besser abschneiden
3. Problemkomplexität: Battet Ihre Aufgabe sehr komplexe zeitliche Abhängigkeiten?
   • Einfache bis mäßige Komplexität → Grus wahrscheinlich angemessen
   • Hochkomplexe Muster → LSTMs können einen Vorteil haben
4. Datensatzgröße: Wie viel Trainingsdaten haben Sie?
   • Begrenzte Daten → Grus könnten besser verallgemeinern
   • Viele Daten → Beide Architekturen können intestine funktionieren
5. Experimentierbudget: Wie viel Zeit haben Sie für die Modellentwicklung?
   • Begrenzte Zeit → Beginnen Sie mit Grus für eine schnellere Iteration
   • Ausreichende Zeit → Testen Sie beide Architekturen

Hybridansätze und moderne Alternativen

Die LSTM vs. Gru -Debatte verpasst manchmal einen wichtigen Punkt: Sie sind nicht darauf beschränkt, nur eine zu verwenden! In mehreren Projekten habe ich Erfolg mit hybriden Ansätzen gefunden:

• Verwenden von GRU für Codierung und LSTMs für die Dekodierung in Sequenz-zu-Sequenz-Modellen
• Stapeln verschiedener Schichttypen (z. B. Gru -Ebenen für die anfängliche Verarbeitung, gefolgt von einer LSTM -Schicht für die endgültige Speicherintegration)
• Ensemble -Methoden, die Vorhersagen aus beiden Architekturen kombinieren

Es ist auch erwähnenswert NLP Aufgaben, obwohl wiederkehrende Modelle für die Zeitreihenanalyse und Szenarien, in denen Aufmerksamkeitsmechanismen rechenintensiv sind, von hoher Relevanz sind.

Abschluss

Das Verständnis ihrer relativen Stärken sollte Ihnen helfen, das richtige für Ihren Anwendungsfall auszuwählen. Meine Richtlinie wäre, Grus zu verwenden, da sie einfacher und effizienter sind und nur dann zu LSTMs umsteigen, wenn es Hinweise darauf gibt, dass sie die Leistung für Ihre Anwendung verbessern würden.

Oft bewirken gute Function -Engineering, Datenvorverarbeitung und Regularisierungsregelmäßigkeit mehr Einfluss auf die Modellleistung als die bloße Auswahl der Architektur zwischen beiden. Verbringen Sie additionally Ihre Zeit damit, sofortige Fakten zu erhalten, bevor Sie sich Sorgen darüber machen, ob LSTM oder Gru verwendet wird. Beachten Sie in beiden Fällen, wie die Entscheidung getroffen wurde und was die Experimente ergeben. Ihr zukünftiges Selbst (und Teamkollegen) wird es Ihnen danken, wenn Sie Monate später über das Projekt zurückblicken!

Rund 200 Mitarbeiter von Google DeepMind, der KI-Forschungsabteilung von Google, haben Alarm geschlagen wegen der Militärverträge des Unternehmens. Laut Zeit, Sie haben Google aufgefordert, die Zusammenarbeit mit Militärorganisationen einzustellen, da sie der Ansicht sind, dass dieser Einsatz ihrer Technologie gegen die ethischen Regeln von Google für KI verstößt.

Eine kurze Erinnerung: Als Google DeepMind 2014 übernahm, battle das Labor versprach, dass seine KI-Technologie nicht für militärische oder Überwachungszwecke eingesetzt würde. DeepMind operierte jahrelang einigermaßen unabhängig. Als jedoch die KI-Konkurrenz zunahm, wurde DeepMind stärker in Google integriert. Im Jahr 2023 fusionierte es mit Google Mind und rückte damit näher an Googles Hauptaktivitäten heran.

Die umstrittenen Verträge: Projekt Nimbus & mehr

Im Mittelpunkt stehen die Cloud-Dienste von Google, darunter die von DeepMind entwickelte KI, die an Regierungen und Militärs verkauft wurden. Der umstrittenste Vertrag ist das Projekt Nimbus, ein Deal mit der israelischen Regierung. Dieser Vertrag wurde kritisiert, weil er das israelische Militär unterstützt, das an Operationen in Gaza beteiligt ist.

Mitarbeiter von DeepMind befürchten, dass die Zusammenarbeit mit Militärorganisationen gegen die KI-Prinzipien von Google verstößt. Diese Prinzipien sollen sicherstellen, dass KI ethisch und verantwortungsbewusst eingesetzt wird. Sie besagen, dass KI keinen Schaden anrichten oder für Waffen oder Überwachungsmaßnahmen eingesetzt werden darf, die gegen die Menschenrechte verstoßen.

Der Transient der Mitarbeiter

Am 16. Mai 2024 schickten die Mitarbeiter einen Transient, in dem sie ihre Bedenken äußerten. In dem Transient heißt es, dass sie zwar nicht auf bestimmte Konflikte oder Regierungen abzielen, aber besorgt sind über den Einsatz von KI im Militär Einstellungen. Es wird argumentiert, dass eine solche Einmischung DeepMinds Engagement für ethische KI schadet.

In dem Transient werden drei Hauptmaßnahmen gefordert:

1. Untersuchung: Sehen Sie sich an, wie die Technologie von DeepMind von Militärorganisationen eingesetzt wird.
2. Beendigung: Beenden Sie den Zugriff auf die DeepMind-Technologie für Militärkunden.
3. Führung: Ein neues Gremium soll die zukünftige militärische Nutzung der DeepMind-Technologie verhindern.

Reaktion und Frustrationen des Unternehmens

Google antwortete, dass es seinen KI-Prinzipien folge und dass das Projekt Nimbus die Bereitstellung von Cloud-Diensten für israelische Ministerien und nicht direkt für das Militär beinhalte. Google behauptet, dass diese Dienste nicht für smart militärische oder geheime Zwecke bestimmt seien.

Die Unterzeichner des Briefes argumentieren jedoch, dass die Antwort von Google unklar sei und nicht auf ihre Bedenken eingehe, dass das Unternehmen mit seiner Technologie Überwachung und Gewalt unterstütze.

Die Mitarbeiter sind über die mangelnde Reaktion von Google auf ihren Transient frustriert und haben den Eindruck, dass die Unternehmensleitung ihre Anliegen nicht wirksam berücksichtigt hat.

Bei einer Bürgerversammlung im Juni versicherte Lila Ibrahim, Chief Working Officer von DeepMind, den Mitarbeitern, dass DeepMind keine KI für Waffen oder Massenüberwachung entwickeln werde. Sie betonte Googles Engagement für verantwortungsvolle KI, was ihrer Aussage nach der Grund dafür battle, dass sie dem Unternehmen beigetreten und dort geblieben sei.

Diese Scenario bei Google DeepMind spiegelt eine größere Debatte in der Technologiebranche über den Einsatz fortschrittlicher Technologien in militärischen Anwendungen wider. Da die KI-Technologie immer weiter fortschreitet, stehen Unternehmen wie Google vor der Herausforderung, Geschäftsinteressen mit ethischen Verantwortlichkeiten in Einklang zu bringen. Der Ausgang dieses Streits könnte wichtige Richtlinien für die zukünftige Entwicklung und Nutzung von KI setzen.