Gabriele Farina wuchs in einer kleinen Stadt in einer hügeligen Weinregion Norditaliens auf. Keiner seiner Eltern hatte einen Hochschulabschluss, und obwohl beide überzeugt waren, „Mathe nicht zu verstehen“, sagt Farina, kauften sie ihm die Fachbücher, die er wollte, und hielten ihn nicht davon ab, die naturwissenschaftlich orientierte statt der klassischen Excessive Faculty zu besuchen.

Mit etwa 14 Jahren hatte sich Farina auf eine Idee konzentriert, die sich als grundlegend für seine Karriere erweisen sollte.

„Ich warfare schon sehr früh von der Idee fasziniert, dass eine Maschine Vorhersagen oder Entscheidungen so viel besser treffen könnte als Menschen“, sagt er. „Die Tatsache, dass von Menschen geschaffene Mathematik und Algorithmen Systeme schaffen können, die in gewisser Weise ihre Schöpfer übertreffen und dabei auf einfachen Bausteinen aufbauen, hat mich schon immer sehr beeindruckt.“

Im Alter von 16 Jahren schrieb Farina Code zur Lösung eines Brettspiels, das er mit seiner 13-jährigen Schwester spielte.

„Ich nutzte Spiel für Spiel, um den optimalen Zug zu berechnen und meiner Schwester zu beweisen, dass sie bereits verloren hatte, lange bevor einer von uns es selbst sehen konnte“, sagt Farina und fügt hinzu, dass seine Schwester von seinem neuen System weniger begeistert warfare.

Heute ist Farina Assistenzprofessorin am Division of Electrical Engineering and Laptop Science (EECS) des MIT und leitende Forscherin am Laboratory for Info and Determination Programs (LIDS). Farina kombiniert Konzepte aus der Spieltheorie mit Werkzeugen wie maschinellem Lernen, Optimierung und Statistik, um theoretische und algorithmische Grundlagen für die Entscheidungsfindung voranzutreiben.

Farina schrieb sich am Politecnico di Milano für das School ein und studierte Automatisierungs- und Steuerungstechnik. Mit der Zeit erkannte er jedoch, dass sein Interesse nicht nur darin bestand, „bekannte Techniken anzuwenden, sondern auch deren Grundlagen zu verstehen und zu erweitern“, sagt er. „Nach und nach wandte ich mich mehr und mehr der Theorie zu, wobei es mir immer noch sehr am Herzen lag, konkrete Anwendungen dieser Theorie zu demonstrieren.“

Farinas Berater am Politecnico di Milano, Nicola Gatti, Professorin und Forscherin für Informatik und Ingenieurwesen, führte Farina in Forschungsfragen der Computerspieltheorie ein und ermutigte ihn, sich für einen Doktortitel zu bewerben. Da er damals der erste in seiner unmittelbaren Familie warfare, der einen Hochschulabschluss erlangte und in Italien lebte, wo Doktorgrade anders gehandhabt werden, wusste Farina, so sagt er, nicht einmal, was ein Doktortitel sei.

Dennoch begann Farina einen Monat nach seinem Bachelor-Abschluss ein Doktoratsstudium in Informatik an der Carnegie Mellon College. Dort gewann er Auszeichnungen für seine Forschung und Dissertation sowie ein Fb Fellowship in Economics and Computation.

Als er seine Doktorarbeit abschloss, arbeitete Farina ein Jahr lang als wissenschaftlicher Mitarbeiter in den Basic AI Analysis Labs von Meta. Eines seiner Hauptprojekte warfare die Mitentwicklung von Cicero, einer KI, die in der Lage warfare, menschliche Spieler in einem Spiel zu schlagen, bei dem es darum geht, Allianzen zu bilden, zu verhandeln und zu erkennen, wenn andere Spieler bluffen.

Farina sagt: „Als wir Cicero entwickelten, haben wir es so konzipiert, dass es einer Allianz nicht zustimmen würde, wenn es nicht in seinem Interesse wäre, und es hat auch verstanden, ob ein Spieler wahrscheinlich lügt, weil es seinen eigenen Anreizen zuwiderlaufen würde, wenn er tun würde, was er vorgeschlagen hat.“

Ein Artikel aus dem Jahr 2022 im MIT Expertise Evaluate sagte, Cicero könnte einen Fortschritt in Richtung KI darstellen, die komplexe Probleme lösen kann, die Kompromisse erfordern.

Nach seinem Jahr bei Meta wechselte Farina an die MIT-Fakultät. Im Jahr 2025 wurde er mit dem CAREER Award der Nationwide Science Basis ausgezeichnet. Seine Arbeit – basierend auf der Spieltheorie und ihrer mathematischen Sprache, die beschreibt, was passiert, wenn verschiedene Parteien unterschiedliche Ziele haben, und der anschließenden Quantifizierung des „Gleichgewichts“, bei dem niemand einen Grund hat, seine Strategie zu ändern – zielt darauf ab, huge, komplexe reale Szenarien zu vereinfachen, bei denen die Berechnung eines solchen Gleichgewichts eine Milliarde Jahre dauern könnte.

„Ich erforsche, wie wir Optimierung und Algorithmen nutzen können, um diese stabilen Punkte tatsächlich effizient zu finden“, sagt er. „Unsere Arbeit versucht, neues Licht auf die mathematischen Grundlagen der Theorie zu werfen, diese komplexen dynamischen Systeme besser zu kontrollieren und vorherzusagen, und nutzt diese Ideen, um gute Lösungen für große Multi-Agenten-Interaktionen zu berechnen.“

Farina interessiert sich besonders für Situationen mit „unvollkommenen Informationen“, was bedeutet, dass einige Agenten über Informationen verfügen, die anderen Teilnehmern unbekannt sind. In solchen Szenarien haben Informationen einen Wert, und die Teilnehmer müssen bei der Nutzung der ihnen vorliegenden Informationen strategisch vorgehen, um sie nicht preiszugeben und ihren Wert zu mindern. Ein alltägliches Beispiel ist das Pokerspiel, bei dem Spieler bluffen, um Informationen über ihre Karten zu verbergen.

Laut Farina „leben wir heute in einer Welt, in der Maschinen viel besser bluffen können als Menschen.“

Eine State of affairs mit „riesigen Mengen unvollständiger Informationen“ hat Farina zu seinen Brettspiel-Anfängen zurückgebracht. Stratego ist ein militärisches Strategiespiel, das millionenschwere Forschungsanstrengungen inspiriert hat, um Systeme zu entwickeln, die menschliche Spieler besiegen können. Es erforderte komplexe Risikoberechnungen und Fehlleitungen oder Bluffs und warfare möglicherweise das einzige klassische Spiel, bei dem größere Anstrengungen nicht zu einer übermenschlichen Leistung geführt hatten, sagt Farina.

Mit neuen Algorithmen und Schulungen, die weniger als 10.000 US-Greenback statt Millionen kosteten, konnten Farina und sein Forschungsteam den besten Spieler aller Zeiten schlagen – mit 15 Siegen, vier Unentschieden und einer Niederlage. Farina sagt, er sei begeistert, solche Ergebnisse so wirtschaftlich erzielt zu haben, und er hoffe, dass „diese neuen Techniken in zukünftige Pipelines integriert werden“, sagt er.

„Wir haben ständige Fortschritte bei der Entwicklung von Algorithmen gesehen, die trotz großer Aktionsräume oder unvollständiger Informationen strategisch argumentieren und fundierte Entscheidungen treffen können. Ich freue mich, dass diese Algorithmen in die umfassendere KI-Revolution, die um uns herum stattfindet, integriert werden.“

Heute sind in den Vereinigten Staaten 94 Kernreaktoren in Betrieb, mehr als in jedem anderen Land der Welt, und diese Blöcke liefern zusammen quick 20 Prozent des Stroms des Landes. Laut Dean Worth ist das eine große Errungenschaft, aber er glaubt, dass unser Land noch viel mehr Kernenergie braucht, insbesondere in einer Zeit, in der dringend nach Alternativen zu Kraftwerken auf Foundation fossiler Brennstoffe gesucht wird. Genau aus diesem Grund wurde er Nuklearingenieur – um sicherzustellen, dass die Nukleartechnologie in dieser Zeit großer Not den Anforderungen gewachsen ist.

„Kernenergie ist seit 60 Jahren ein enormer Teil der Energieinfrastruktur unseres Landes, und die Zahl der Menschen, die diese Infrastruktur unterhalten, ist unglaublich gering“, sagt Worth, Assistenzprofessor am MIT am Division of Nuclear Science and Engineering (NSE) und Atlantic Richfield Profession Improvement Professor für Energiestudien. „Indem Sie Nuklearingenieur werden, gehören Sie zu den ausgewählten Personen, die für die kohlenstofffreie Energieerzeugung in den Vereinigten Staaten verantwortlich sind.“

Das conflict eine Mission, an der er unbedingt teilnehmen wollte, und die Ziele, die er sich selbst setzte, waren alles andere als bescheiden: Er wollte dabei helfen, eine neue Klasse von Kernreaktoren zu entwerfen und einzuführen, die auf der Sicherheit, Wirtschaftlichkeit und Zuverlässigkeit der bestehenden Kernkraftwerksflotte aufbaute.

Worth ist von diesem Ziel nie abgewichen und hat dabei nur Ermutigung gefunden. Die Gemeinschaft der Nukleartechnik, sagt er, „ist klein, eng verbunden und sehr gastfreundlich. Sobald man sich darauf einlässt, sind die meisten Menschen nicht mehr geneigt, etwas anderes zu tun.“

Die Zusammenhänge zwischen physikalischen Prozessen beleuchten

In seinem ersten Forschungsprojekt als Pupil an der College of Illinois Urbana in Champaign untersuchte Worth die Sicherheit der Stahl- und Betonbehälter, in denen abgebrannte Reaktorbrennstäbe gelagert werden, nachdem sie normalerweise mehrere Jahre lang in Wassertanks abgekühlt wurden. Seine Analyse ergab, dass diese Lagerungsmethode recht sicher sei, allerdings bleibt die Frage, was letztlich mit diesen Brennstoffbehältern im Hinblick auf eine langfristige Entsorgung geschehen soll, hierzulande offen.

Nachdem er 2020 sein Graduiertenstudium an der College of Michigan begonnen hatte, widmete sich Worth einer anderen Forschungsrichtung, der er sich auch heute noch widmet. Bei diesem als Multiphysik-Modellierung bezeichneten Forschungsgebiet werden verschiedene physikalische Prozesse untersucht, die im Kern eines Kernreaktors ablaufen, um zu sehen, wie sie interagieren – eine Various zur Untersuchung dieser Prozesse einzeln.

Ein Schlüsselprozess, die Neutronik, betrifft die Artwork und Weise, wie Neutronen im Reaktorkern herumschwirren und die Kernspaltung verursachen, die den Strom erzeugt. Ein zweiter Prozess, Thermohydraulik genannt, beinhaltet die Kühlung des Reaktors, um die von Neutronen erzeugte Wärme abzuleiten. Eine multiphysikalische Simulation, die die Wechselwirkung dieser beiden Prozesse analysiert, könnte zeigen, wie sich die bei der Stromerzeugung des Reaktors abgeführte Wärme auf das Verhalten von Neutronen auswirkt, denn je heißer der Brennstoff ist, desto unwahrscheinlicher ist es, dass er eine Spaltung verursacht.

„Wenn Sie jemals Ihre Leistungsstufe ändern oder irgendetwas mit dem Reaktor tun möchten, ist die Temperatur des Brennstoffs ein entscheidender Faktor, den Sie kennen müssen“, sagt Worth. „Die multiphysikalische Modellierung ermöglicht es uns, die Spaltungsneutronenprozesse mit einer thermischen Eigenschaft, der Temperatur, zu korrelieren. Dies kann uns wiederum dabei helfen, vorherzusagen, wie sich der Reaktor unter verschiedenen Bedingungen verhalten wird.“

Die Multiphysik-Modellierung für Leichtwasserreaktoren, die heute mit Kapazitäten in der Größenordnung von 1.000 Megawatt betrieben werden, sei ziemlich intestine etabliert, sagt Costs. Aber die Methoden zur Modellierung fortschrittlicher Reaktoren – kleine modulare Reaktoren (SMRs mit Kapazitäten von etwa 20 bis 300 MW) und Mikroreaktoren (mit einer Nennleistung von 1 bis 20 MW) – sind weitaus weniger fortgeschritten. Nur eine sehr kleine Anzahl dieser Reaktoren ist heute in Betrieb, aber Worth konzentriert seine Bemühungen auf sie, da sie das Potenzial haben, Strom kostengünstiger und sicherer zu erzeugen, und weil sie hinsichtlich Leistung und Größe flexibler sind.

Obwohl multiphysikalische Simulationen der Nukleargemeinschaft eine Fülle von Informationen geliefert haben, können sie Supercomputer erfordern, um gekoppelte und äußerst schwierige nichtlineare Gleichungen zu lösen oder Näherungslösungen dafür zu finden. In der Hoffnung, den Rechenaufwand erheblich zu reduzieren, erforscht Worth aktiv Ansätze der künstlichen Intelligenz, die ähnliche Antworten liefern und gleichzeitig diese aufwändigen Gleichungen ganz umgehen könnten. Das ist ein zentrales Thema seiner Forschungsagenda, seit er im September 2025 an die MIT-Fakultät kam.

Eine entscheidende Rolle für künstliche Intelligenz

Insbesondere künstliche Intelligenz und Methoden des maschinellen Lernens sind intestine darin, in Daten verborgene Muster zu finden, etwa Korrelationen zwischen Variablen, die für den Betrieb eines Kernkraftwerks entscheidend sind. Worth sagt zum Beispiel: „Wenn Sie mir die Leistungsstufe Ihres Reaktors mitteilen, könnte diese (KI) Ihnen sagen, wie hoch die Brennstofftemperatur ist und Ihnen sogar die dreidimensionale Temperaturverteilung in Ihrem Kern sagen.“ Und wenn dies ohne die Lösung komplizierter Differentialgleichungen möglich wäre, könnten die Rechenkosten erheblich gesenkt werden.

Worth untersucht mehrere Anwendungen, bei denen KI besonders nützlich sein könnte, beispielsweise die Unterstützung beim Entwurf neuartiger Reaktortypen. „Wir könnten uns dann auf die in den letzten 50 Jahren entwickelten Sicherheitsrahmen verlassen, um eine Sicherheitsanalyse des vorgeschlagenen Entwurfs durchzuführen“, sagt er. „Auf diese Weise wird die KI nicht direkt mit sicherheitskritischen Dingen interagieren.“ Seiner Ansicht nach bestünde die Aufgabe der KI darin, etablierte Verfahren zu ergänzen, anstatt sie zu ersetzen, und dabei zu helfen, bestehende Wissenslücken zu schließen.

Wenn einem maschinellen Lernmodell eine ausreichende Datenmenge zum Lernen zur Verfügung gestellt wird, kann es uns helfen, die Beziehung zwischen wichtigen physikalischen Prozessen besser zu verstehen – wiederum ohne nichtlineare Differentialgleichungen lösen zu müssen.

„Indem wir diese Beziehungen genau festlegen, können wir bereits im Anfangsstadium bessere Designentscheidungen treffen“, sagt Worth. „Und wenn diese Technologie entwickelt und eingesetzt wird, kann KI uns dabei helfen, intelligentere Steuerungsentscheidungen zu treffen, die es uns ermöglichen, unsere Reaktoren sicherer und wirtschaftlicher zu betreiben.“

Der Gemeinschaft etwas zurückgeben, die ihn gefördert hat

Einfach ausgedrückt besteht eines seiner Hauptziele darin, die Vorteile der KI in die Nuklearindustrie zu bringen, und er betrachtet die Möglichkeiten als enorm und weitgehend ungenutzt. Worth glaubt auch, dass er als Professor am MIT intestine positioniert ist, um uns der nuklearen Zukunft, die er sich vorstellt, näher zu bringen. Aus seiner Sicht arbeitet er nicht nur an der Entwicklung der nächsten Era von Reaktoren, sondern auch an der Vorbereitung der nächsten Era von Führungskräften auf diesem Gebiet.

Worth lernte einige potenzielle Mitglieder dieser „nächsten Era“ in einem Designkurs kennen, mit dem er letzten Herbst gemeinsam unterrichtete Curtis Smithder KEPCO-Professor für die Praxis der Nuklearwissenschaft und -technik. Für Worth dauerte diese Einführung nur ein paar Monate, aber sie conflict lang genug, um zu entdecken, dass MIT-Studenten außergewöhnlich motiviert, fleißig und fähig sind. Es überrascht nicht, dass es sich hierbei um dieselben Eigenschaften handelt, die er bei den Studenten seines Forschungsteams zu finden hofft.

Worth erinnert sich lebhaft an die Unterstützung, die er bei seinen ersten, zaghaften Schritten auf diesem Gebiet erhielt. Nachdem er nun vom Studenten zum Professor aufgestiegen ist und sich dabei ein umfangreiches Wissen angeeignet hat, möchte er, dass seine Studenten „dasselbe Gefühl erleben, das ich hatte, als ich das Fach betrat“. Über seine spezifischen Ziele zur Verbesserung der Konstruktion und des Betriebs von Kernreaktoren hinaus sagt Worth: „Ich hoffe, die gleiche unterhaltsame und gesunde Umgebung aufrechtzuerhalten, die meine Liebe zur Kerntechnik überhaupt erst hervorgebracht hat.“

Gesponserte Inhalte

Die neuen Erkenntnisse von Gartner „5 Vital Shifts D&A Leaders Should Make to Drive Analytics and AI Success“ liefern wichtige, evidenzbasierte Leitlinien für Chief Knowledge & Analytics Officers, Datenleiter und alle, die dafür verantwortlich sind, Analysen und KI vom Versprechen zum Geschäftswert zu machen.

Was Sie entdecken werden:

• Die fünf notwendigen Veränderungen: Erfahren Sie, welche entscheidenden Veränderungen D&A-Führungskräfte benötigen, um echte Analyse- und KI-Ergebnisse zu erzielen – bevor es zu spät ist.
• Vom Risiko zum Vertrauen: Finden Sie heraus, wie Sie Ihr Unternehmen von der KI-Skepsis zu einer Vertrauensbasis bewegen können, die die Akzeptanz und den Wert beschleunigt.
• Enterprise-First-Denkweise: Erfahren Sie, warum es nicht nachhaltig ist, Analysen und KI als Kostenstellen zu behandeln, und wie Sie die Diskussion über geschäftliche Auswirkungen neu gestalten können.
• Governance für Wachstum: Entdecken Sie, wie Sie von chaotischen Analyseumgebungen zu einer robusten, skalierbaren Governance übergehen.
• Einfluss im großen Maßstab: Verstehen Sie, warum die Beeinflussung von Entscheidungen und Verhaltensweisen im gesamten Unternehmen der neue Maßstab für D&A-Führung ist.

Diese Erkenntnisse geben Ihnen umsetzbare Schritte, um:

• Bauen Sie Vertrauen auf und fördern Sie die Einführung von KI in Ihrem gesamten Unternehmen
• Richten Sie D&A-Initiativen an den Geschäftsprioritäten aus, um einen nachhaltigen Wert zu erzielen
• Gehen Sie von technologieorientierten zu geschäftsorientierten Lösungen über
• Beeinflussen Sie Ergebnisse, die über Ihren direkten Einfluss hinausgehen

Sind Sie bereit, sich Ihren Platz am Führungstisch zu sichern?
Greifen Sie jetzt auf die kostenlosen Erkenntnisse von Gartner zu und erfahren Sie, wie Sie die Veränderungen bewirken können, die für den Erfolg von Analysen und KI am wichtigsten sind.

Laden Sie die kostenlosen Gartner-Einblicke herunter Hier.

Eine neue Initiative, die die seismische Überwachung und Prognose mit Echtzeit revolutionieren soll, kommt Superior Machine Studying (ML) Technologien in das Gebiet West Texas/New Mexico.

Der Technologiefonds des US Division of Vitality (DOE) hat dem Lawrence Livermore Nationwide Laboratory (LLNL) 1,8 Millionen US -Greenback an Finanzmittel ausgezeichnet.

Das Projekt ist als Wiederverbindung bekannt oder die Echtzeit-induzierte Seismizität prognostiziert lernende seismische Kataloge. Die Initiative befasst sich mit der Untergrundergieindustrie, die einen wachsenden Bedarf an fortschrittlichen seismischen Überwachungs- und Prognosesystemen haben, die potenzielle induzierte Seismizität effizient identifizieren und mildern können.

Traditionelle seismische Verarbeitungstechniken haben häufig in lauten industriellen Umgebungen zu kämpfen, was zu Verzögerungen und Ungenauigkeiten bei der Erkennung von Ereignissen führt. Um diese Einschränkungen zu überwinden, entwickeln LLNL und seine Associate eine Echtzeit-ML-Pipeline, die sich nahtlos in die operative Prognose des DOE-Toolkits (Orion) induziert.

Vorab-Schätzungen werden auch durch die Entwicklung hochpräziser historischer seismischer Ereigniskataloge angesprochen. Diese Kataloge werden wertvolle Einblicke in die lokale und regionale seismische Aktivität liefern, sodass die Betreiber vor Beginn der Operationen besser verstehen und mildern können.

Die ML-basierten Instruments, die über diese Initiative entwickelt werden, bieten den Betrieben kostengünstige, fortschrittliche Überwachungs- und Prognosefunktionen, die von Instrumental Software program Applied sciences, Inc. (ISTI) angeboten werden. Diese Lösungen sollen die Leistung bei der Erkennung von seismischen Ereignissen verbessern und sicherstellen, dass sich die Betreiber auf genaue und zeitnahe Informationen verlassen können, um kritische Entscheidungen zu treffen.

Die Wiederverbindungsinitiative hat auch weitreichende Auswirkungen und Vorteile für industrielle Aktivitäten, bei denen Flüssigkeiten aus der Unterseite injiziert oder hergestellt werden, sagte Kayla Kroll, ein LLNL-Seismologe und der Hauptforscher des Projekts.

„Dieses Projekt soll den Betreibern helfen, mit Vertrauen zu überwachen. Die Betreiber in allen Sektoren können von einer verbesserten seismischen Überwachungsfunktionen und Prognosen profitieren und eine proaktive Minderung ermöglichen“, sagte sie.

Das TCF wird vom DOE Workplace of Expertise Commercialization verwaltet und das Projekt wird vom Büro für fossile Energie und Kohlenstoffmanagement finanziert.

Das Projekt „Vorhersage in Echtzeitprognosen der induzierten Seismizität mit der Erkennung und dem Standort für maschinelle Lernbasis“ wird voraussichtlich progressive Lösungen für die Verwaltung der induzierten Seismizität liefern. Diese Fortschritte werden kritische Industrien unterstützen, einschließlich Kohlenstoffspeicher, Öl- und Gasproduktion und geothermischer Energie.

Zu den Partnern zählen das Oak Ridge Nationwide Laboratory, Isti, die Livermore Lab Basis und mehrere örtliche Neighborhood Schools – darunter das Southeast New Mexico Faculty, das Midland Faculty und das Odessa Faculty in Texas.

„Unser Ziel ist es, die betriebliche Sicherheit zu identifizieren und zu verbessern und das Vertrauen der Öffentlichkeit in Energietechnologien zu stärken“, sagte Kroll. „Es ist unbedingt zu verstehen, wie seismische Aktivitäten erkannt, klassifiziert und prognostiziert werden, um sicherzustellen, dass die Betreiber proaktiv Risiken verwalten können.

„Die Entwicklung der Belegschaft im Energiesektor ist auch kritisch. Unsere Associate des Neighborhood Faculty spielen bereits eine Schlüsselrolle bei der Verbindung von Studenten mit zukünftigen Karrieremöglichkeiten und inspirieren Sie die nächste Technology von MINT -Führungskräften. Wir freuen uns, sie als Mitarbeiter dieses Projekts zu haben“, sagte Kroll.

Die Schools veranstalten eine Reihe von Vitality Workforce-Veranstaltungen mit praktischen Workshops und Expertenpanels, die die Gemeinde über aufstrebende Energieindustrien und Karrieremöglichkeiten informieren sollen. Bezahlte Sommerpraktikumsmöglichkeiten für Faculty -Studenten bei LLNL werden auch über den philanthropischen Associate des Labors, die Livermore Lab Basis, eine gemeinnützige Organisation von 501 (c) (3) zur Unterstützung der grundlegenden Wissenschafts- und Forschungsinitiativen von LLNL erhältlich sein.

Der Neighborhood Faculty Outreach ist im Herbst 2025 ausgelöst. Zu den Fakultätsvorführungen gehören Joshua Hardt vom Odessa Faculty und Richard Wiedenmann vom Southeast New Mexico Faculty.

„Diese Partnerschaft mit LLNL wird die Gemeinschaft in West Texas mit wesentlichen Werkzeugen und Daten ausstatten und unser Engagement für seismische Wissenschaft und Sicherheit verbessern“, sagte Joshua Hardt, Professor am Odessa Faculty. „Ich freue mich zu sehen, wie dieses erhöhte Bewusstsein über unsere lokale Geowissenschaften den öffentlichen Diskurs auslösen wird.“

Ein weiterer Fakultätsleiter für das Programm, Richard Wiedenmann, Professor am Southeast New Mexico Faculty, sagte: „Dieses Projekt ist für die Gemeinde wichtig, um die Öffentlichkeit über unsere häufigen Erdbeben aufzuklären. Dies wird auch den Studenten unseres Faculty in Wissenschaft, Ingenieurwesen, Personalentwicklung und anderen Programmen zugute kommen.“

Die DOE TCF zielt darauf ab, die Kommerzialisierung von DOE Nationwide Lab, Plant und Standort -Technologien zu unterstützen und das Ökosystem der Nationwide Lab Commercialization aufzubauen.

Bei LLNL wird der Technologietransfer durch öffentlich-private Partnerschaften wie diese sowie TCF-Zuschüsse durch das Innovation and Partnerships Workplace (IPO) des Labors des Labors erleichtert. IPO unterstützt die wirtschaftliche Wettbewerbsfähigkeit der USA und die nationale Sicherheit durch Lizenzpartnerschaften, die das geistige Eigentum von LLNL nutzen.

Am 6. Mai feierte das AVT-Konsortium (Superior Car Expertise) von MIT AGELAB, Teil des MIT Heart for Transportation and Logistics, 10 Jahre seiner globalen Zusammenarbeit mit akademischer Industrie. AVT wurde mit dem Ziel gegründet, neue Daten zu entwickeln, die zu Automobilherstellern, Lieferanten und Versicherern der realen Welt beitragen, wie Fahrer zunehmend ausgefeiltere Fahrzeugtechnologien wie assistierendes und automatisiertes Fahren verwenden und auf die Angewandte Einblicke beschleunigen, um das Design und die Entwicklung voranzutreiben. Die Feierveranstaltung brachte Stakeholder aus der gesamten Branche für eine Reihe von Keynote -Adressen und Podiumsdiskussionen zu kritischen Themen zusammen, die für die Branche und ihre Zukunft von Bedeutung sind, darunter künstliche Intelligenz, Automobiltechnologie, Kollisionsreparatur, Verbraucherverhalten, Nachhaltigkeit, Fahrzeugsicherheit und globale Wettbewerbsfähigkeit.

Bryan Reimer, Gründer und Co-Direktor des AVT-Konsortiums, eröffnete das Ereignis, indem er feststellte, dass AVT im Laufe des Jahrzehnts Hunderte von Terabyte von Daten gesammelt und mit seinen über 25 Mitgliedsorganisationen gesprochen hat, unterstützte die strategischen und politischen Initiativen der Mitglieder, die die Auswahl der Auswahl ausgewählten Outcomes in den Breemendous-Initiativen in den Automotern ausgewählt haben. Er stellte fest, dass aktuelle Chancen und Herausforderungen für die Branche abgelenktes Fahren, mangelnde Verbrauchervertrauen und Bedenken hinsichtlich der Transparenz bei assistiven und automatisierten Fahrfunktionen sowie hohe Verbrauchererwartungen an Fahrzeugtechnologie, Sicherheit und Erschwinglichkeit umfassen. Wie wird die Industrie reagieren? Die wichtigsten anwesenden Spieler waren belastet.

In einem leistungsstarken Austausch der Fahrzeugsicherheitsregulierung, John Bozzella, Präsident und CEO der Alliance for Automotive Innovation, und Mark Rosekind, ehemaliger Chief Security Innovation Officer von Zoox, ehemaliger Administrator der Nationwide Freeway Site visitors Security Administration, und ehemaliger Mitglied des Nationwide Transportation Security Board, herausgeforderten Industrie und Regierung, um einen strategischeren, datenbedingten und kollaborativen Sicherheitsansatz zu verfolgen. Sie behaupteten, dass sich die Regulierung neben Innovation entwickeln muss, nicht nach Jahrzehnten zurückbleiben. Bozzella appellierte an die anwesenden Autohersteller und nannte den Erfolg freiwilliger Verpflichtungen zur automatischen Notbremsung als Modell für zukünftige Fortschritte. „Das ist ein Weg, um etwas Wichtiges und Wirkungsvolles vor der Regulierung zu tun.“ Sie setzten sich für gemeinsame Datenplattformen, anonyme Berichterstattung und eine gemeinsame regulatorische Sicht ein, die Sicherheitsgrundlagen festlegt und gleichzeitig Raum zum Experimentieren lässt. Die 40.000 jährliche Bedarfswartung von Straßenvertretern – was benötigt wird, ist eine Entfernung von taktischen Korrekturen in Richtung einer systemischen Sicherheitsstrategie. „Sicherheit verzögert wird Sicherheit verweigert“, erklärte Rosekind. „Sagen Sie mir, wie Sie die Sicherheit verbessern werden. Lassen Sie uns explizit sein.“

Kathy Abbott, Chefwissenschaftlicher und technischer Berater für die Federal Aviation Administration, ließ sich von der vorbildlichen Sicherheitsaufzeichnungen der Luftfahrt inspirieren, was auf eine Kultur der strengen Regulierung, der kontinuierlichen Verbesserung und der gemeinsamen Sektordatenaustausch hinwies. Das Modell der Aviation, das auf hochqualifiziertem Private und strengen Vorhersehbarkeitsstandards basiert, steht im Gegensatz zu dem fragmentierten Ansatz in der Automobilindustrie. Die Keynote betonte, dass eine Grundlage der Sicherheitskultur – eine Erkenntnis, dass technologische Fähigkeiten allein keine Rechtfertigung für die Bereitstellung haben – die Autoindustrie vorantreiben muss. So wie die Luftfahrt nicht das Fehlen eines Erfolgs mit Erfolg gleichgibt, muss die Fahrzeugsicherheit ganzheitlich und proaktiv gemessen werden.

Mit assistivem und automatisiertem Fahren in der Branche, Pete Bigelow von Automobilnachrichten bot eine pragmatische Diagnose. Mit Unternehmen wie Ford und Volkswagen, die von vollständigen Autonomieprojekten wie Argo AI zurücktreten, konzentriert sich die Branche nun auf die Technologien der Stufe 2 und 3, die sich auf assistiertes und automatisches Fahren beziehen. Tesla, GM und Mercedes experimentieren mit Abonnementmodellen für Fahrerhilfesysteme, doch die Verwirrung der Verbraucher bleibt hoch. JD Energy berichtet, dass viele Fahrer die Unterschiede zwischen L2 und L2+nicht erfassen oder ob diese Technologien Sicherheits- oder Komfortmerkmale bieten. Die Sicherheitsvorteile haben sich noch nicht in reduzierten Verkehrstodesfällen manifestiert, die seit 2020 um 20 Prozent gestiegen sind. Die wiederkehrende Herausforderung: L3 -Systeme fordern, dass menschliche Fahrer bei technischen Schwierigkeiten übernehmen, obwohl der Fahrerausgleich ihr Hauptvorteil ist und möglicherweise die Ergebnisse verschlechtert. Bigelow zitierte ein Zitat von Bryan Reimer als eines der besten, die er in seiner Karriere erhalten hat: „Die Systeme der Stufe 3 sind ein Ingenieurstraum und die nächste Yacht eines Klägers.

In Bezug auf die Auswirkungen der KI auf die Automobilindustrie unterstrich Mauricio Muñoz, Senior Analysis Engineer bei AI Sweden, dass die Automobilindustrie trotz der transformativen Automobilindustrie von AI nicht auf allgemeine AI-Megatrends angewiesen ist, um domänenspezifische Herausforderungen zu lösen. Während Landmark -Erfolge wie Alphafold die Fähigkeiten von KI demonstrieren, erfordern Automobilanwendungen Domänenkompetenz, Datensouveränität und gezielte Zusammenarbeit. Energiebeschränkungen, Datenfeuerwalls und die hohen Kosten der AI-Infrastruktur stellen alle Einschränkungen dar, was es entscheidend macht, dass Unternehmen zielgerichtete Forschung finanzieren, die die Kosten senken und die Durchsetzungstreue verbessern können. Muñoz warnte, dass die Aufregung, obwohl es sich gibt, zwar in Höhe von künstlicher Superintelligenz bis 2028 vorhanden ist, der echte Fortschritt organisatorische Ausrichtung und ein tiefes Verständnis des Automobilkontexts, nicht nur der Rechenleistung.

Hami Ebrahimi von der Kollision von Caliber und Mike Nelson von Nelson Regulation untersuchte die unbeabsichtigten Folgen der Fortschritte der Fahrzeugtechnologie: Spiraling Reparaturkosten, Arbeitskräfte und mangelnde Reparaturstandards. Die Diskussionsteilnehmer warnten, dass selbst geringfügige Reparaturen für fortschrittliche Fahrzeuge jetzt kostspielige und komplexe Sensor -Neukalibrierungen erfordern – verstärkt durch inkonsistente Herstelleranleitungen und keine eindeutigen Verbraucherwarnungen, wenn Systeme nicht kalibriert werden. Das Gremium forderte eine stärkere Standardisierung, Verbraucherausbildung und reparaturfreundliches Design. Wenn die Versicherungsprämien steigen und mehr Menschen auf Versicherungsansprüche verzichten, bedroht die mangelnde Koordination zwischen Autoherstellern, Aufsichtsbehörden und Dienstleister die Sicherheit der Verbraucher und untergräbt das Vertrauen. Die Gruppe warnte, dass die Funktion der Systeme der Systeme, die die Systeme zuverlässig und erschwinglich funktionieren, zuverlässig und erschwinglich funktionieren.

Während das Reparaturpanel die dringenden Herausforderungen von heute betonte, schauten andere Redner in die Zukunft. Hondas Ryan Harty zum Beispiel hob den aggressiven Vorstoß des Unternehmens auf Nachhaltigkeit und Sicherheit hervor. Honda strebt keine Umweltauswirkungen und Nullverkehrsfälle an, wobei die Pläne für 2040 zu 100 Prozent elektrisch sind und in der Energiespeicherung und bei der Integration der sauberen Stromversorgung führen. Das Unternehmen hat Instruments entwickelt, um junge Fahrer zu coachen, und investiert in die Ladeinfrastruktur, die nutzverwalte Batterieverbrauch und die grün-Wasserstoffspeicherung. „Was Verbraucher auf dem Markt kaufen, bestimmt, was die Hersteller herstellen“, stellte Harty fest und unterstreicht die Bedeutung der Ausrichtung der Produktstrategie mit der Benutzernachfrage und der Umweltverantwortung. Er betonte, dass die Hersteller nur so schnell dekarbonisieren können, wie es die Branche zulässt, und betonte die Notwendigkeit, von kostenbasiert zu Produktstrategien auf Lebenszyklus zu wechseln.

Schließlich umfasste ein Panel, an dem Laura Chace aus seiner Amerika, Jon Demerly von Qualcomm, Brad Stertz von Audi/VW Group, und Anant Thaker von Aptiv die nah-, mittlere und langfristige Zukunft der Fahrzeugtechnologie umfasste. Die Diskussionsteilnehmer betonten, dass sich die Erwartungen der Verbraucher, die Infrastrukturinvestitionen und die Regulierungsmodernisierung zusammen entwickeln müssen. Trotz des Rekordrads für Todesfälle und anhaltend abgelenktes Fahren bleiben Merkmale wie Schulbuserkennung und Stoppschildwarnungen aufgrund von Skepsis und Kosten nicht ausreichend. Die Diskussionsteilnehmer betonten, dass wir Systeme für proaktive Sicherheit anstelle einer reaktiven Reaktion entwerfen müssen. Die langsame Integration der digitalen Infrastruktur – Sensoren, Edge Computing, Datenanalyse – stammt nicht nur von technischen Hürden, sondern auch von Beschaffungs- und Richtlinienherausforderungen.

Reimer schloss die Veranstaltung ab, indem er die Branchenführer aufforderte, den Verbraucher in allen Gesprächen neu zu zentrieren-von der Erschwinglichkeit bis zur Wartung und Reparatur. Angesichts der steigenden Eigentumskosten, des wachsenden Vertrauens in der Technologie und der Fehlausrichtung zwischen Innovation und Verbraucherwert hängt die Zukunft der Mobilität vom Wiederaufbau von Vertrauen und der Umgestaltung der Wirtschaft der Industrie ab. Er forderte die globale Zusammenarbeit, eine größere Standardisierung und die transparente Innovation, die Verbraucher verstehen und leisten können. Er betonte, dass die globale Wettbewerbsfähigkeit und die öffentliche Sicherheit beide im Gleichgewicht hängen. Wie Reimer bemerkte, „Erfolg wird durch Partnerschaften zwischen Industrie, Wissenschaft und Regierung -, die auf gemeinsame Investitionen, kulturelle Veränderungen und eine kollektive Bereitschaft zur Priorisierung des Öffentlichkeit hinarbeiten.

Das Folgende ist eine gemeinsame Ankündigung der MIT Microsystems Expertise Laboratories und GlobalFoundries.

MIT und GlobalFoundries (GF), ein führender Hersteller von wesentlichen Halbleitern, hat eine neue Forschungsvereinbarung angekündigt, die gemeinsam Fortschritte und Innovationen zur Verbesserung der Leistung und Effizienz kritischer Halbleitertechnologien verfolgt. Die Zusammenarbeit wird von den Microsystems Expertise Laboratories (MITL) von MIT und dem Forschungs- und Entwicklungsteam von GF, GF Labs, geleitet.

Mit einem ersten Forschungsfokus auf künstliche Intelligenz und anderer Anwendungen wird erwartet, dass die ersten Projekte die differenzierte Siliziumphotonik-Technologie von GF (RF SOI) monolithisch integrieren, CMOs (komplementäre Metalloxid-Halbleiter) und OPTICAL Merkmale auf einer einzelnen Chip-Häufigkeit, die sich auf eine einzelne Chip-HOW-Faktor-Faktor-Faktor-Faktor-Faktor-Zentren und die Stromausfälle und die Wirkungsgrad für Daten auswirken. Stromverbrauch für intelligente Geräte am Rande.

„Die Zusammenarbeit zwischen MIT MTL und GF veranschaulicht die Macht der Zusammenarbeit der akademischen Industrie bei der Bewältigung der dringendsten Herausforderungen in der Halbleiterforschung“, sagt Tomás Palacios, MTL-Direktor und Clarence J. Lebel Professor für Elektrotechnik und Informatik. Palacios wird als Leiter der MIT -Fakultät für diese Forschungsinitiative dienen.

„Indem wir die weltbekannten Fähigkeiten von MIT mit den führenden Halbleiterplattformen der GF zusammenbringen, sind wir positioniert, um erhebliche Forschungsentwicklungen in den wesentlichen Chip-Technologien von GF für KI voranzutreiben“, sagt Gregg Bartlett, Chief Expertise Officer bei GF. „Diese Zusammenarbeit unterstreicht unser Engagement für Innovation und unterstreicht unser Engagement für die Entwicklung der nächsten Era von Talenten in der Halbleiterindustrie. Gemeinsam werden wir transformative Lösungen in der Branche erforschen. “

„Integrierte Schaltungstechnologien sind das Kern, das ein breites Spektrum von Anwendungen vorantreibt, die von mobilen Computing- und Kommunikationsgeräten bis hin zu Automobil-, Energie- und Cloud -Computing reichen“, sagt Anantha P. Chandrakasan, Dekanin der College of Engineering, Chief Innovation und Technique Officer des MIT sowie der Vannevar -Bush -Professor für Elektrotechnik und Informatik. „Diese Zusammenarbeit ermöglicht es der außergewöhnlichen Forschungsgemeinschaft von MIT, die breite Palette von Experten von GlobalFoundries und fortschrittliche Prozesstechnologien von Branchendomänen zu nutzen, um aufregende Innovationen in der Mikroelektronik in allen Bereichen zu fördern, während wir unsere Studenten darauf vorbereiten, die führenden Rollen in der Arbeitskräfte der Zukunft zu übernehmen.“

Das neue Forschungsabkommen wurde bei einer Unterzeichnungserklärung auf dem Campus am MIT formalisiert. Es baut auf der erfolgreichen Vergangenheit von GF und den laufenden Engagements mit der Universität auf. GF ist in der Microsystems Industrial Group von MTL tätig, die Industrie und Wissenschaft zusammenbringt, um Forschung zu beteiligen. Die MIT -Fakultät sind aktive Teilnehmer am GF College Partnership Program, das sich auf gemeinsame Halbleiterforschung und Prototyping konzentriert. Darüber hinaus arbeiten GF und MIT an mehreren Initiativen zur Entwicklung von Workforce -Entwicklung zusammen, darunter in der Northeast Microelectronics Coalition, einem US -Verteidigungsministerium, einem Microelectronics Commons -Hub des US -Verteidigungsministeriums.

Künstliche Intelligenz ist in Geschäfts- und Finanzgeschäften, in der medizinischen Versorgung, in der Technologieentwicklung, in der Forschung und vielem mehr unverzichtbar geworden. Ohne es zu merken, verlassen sich Verbraucher auf KI, wenn sie ein Video streamen, On-line-Banking betreiben oder eine On-line-Suche durchführen. Hinter diesen Fähigkeiten stehen weltweit mehr als 10.000 Rechenzentren, von denen jedes ein riesiges Lager mit Tausenden von Computerservern und anderer Infrastruktur zum Speichern, Verwalten und Verarbeiten von Daten ist. Mittlerweile gibt es in den Vereinigten Staaten über 5.000 Rechenzentren und jeden Tag werden neue gebaut – in den USA und weltweit. Oftmals drängen sich Dutzende Menschen direkt in der Nähe ihres Wohnorts zusammen, angezogen von der Politik, die Steuererleichterungen und andere Anreize bietet, sowie von scheinbar reichlich vorhandenem Strom.

Und Rechenzentren verbrauchen große Mengen Strom. Laut dem Electrical Energy Analysis Institute verbrauchten US-Rechenzentren im Jahr 2023 mehr als 4 Prozent des gesamten Stroms des Landes, und bis 2030 könnte dieser Anteil auf 9 Prozent ansteigen. Ein einzelnes großes Rechenzentrum kann so viel Strom verbrauchen wie 50.000 Haushalte.

Der plötzliche Bedarf an so vielen Rechenzentren stellt eine enorme Herausforderung für die Technologie- und Energiebranche, die politischen Entscheidungsträger der Regierung und die alltäglichen Verbraucher dar. Forscher und Fakultätsmitglieder der MIT Power Initiative (MITEI) erforschen mehrere Facetten dieses Issues – von der Strombeschaffung über die Netzverbesserung bis hin zu Analysetools, die die Effizienz steigern, und mehr. Rechenzentren sind schnell zum Energieproblem unserer Zeit geworden.

Unerwartete Nachfrage bringt unerwartete Lösungen

Mehrere Unternehmen, die Rechenzentren zur Bereitstellung von Cloud-Computing- und Datenverwaltungsdiensten nutzen, kündigen einige überraschende Schritte zur Bereitstellung all dieser Elektrizität an. Zu den Vorschlägen gehören der Bau eigener kleiner Kernkraftwerke in der Nähe ihrer Rechenzentren und sogar die Wiederinbetriebnahme eines der unbeschädigten Kernreaktoren auf Three Mile Island, der seit 2019 geschlossen ist. (Ein anderer Reaktor in diesem Kraftwerk schmolz 1979 teilweise ab, was das Schlimmste im Land verursachte Die Notwendigkeit, KI mit Strom zu versorgen, führt bereits zu Verzögerungen bei der geplanten Abschaltung einiger Kohlekraftwerke und zu steigenden Preisen für Privatkunden. Die Erfüllung der Anforderungen von Rechenzentren belastet nicht nur die Stromnetze, sondern behindert auch den Übergang zu sauberer Energie, der zur Eindämmung des Klimawandels erforderlich ist.

Aus stromtechnischer Sicht gibt es viele Aspekte des Rechenzentrumsproblems. Hier sind einige, auf die sich MIT-Forscher konzentrieren, und warum sie wichtig sind.

Ein beispielloser Anstieg der Stromnachfrage

„In der Vergangenheit conflict die Datenverarbeitung kein bedeutender Stromverbraucher“, sagt William H. Inexperienced, Direktor des MITEI und Hoyt C. Hottel-Professor am MIT Division of Chemical Engineering. „Strom wurde für den Betrieb industrieller Prozesse und den Betrieb von Haushaltsgeräten wie Klimaanlagen und Lampen verwendet, und in jüngerer Zeit auch für den Betrieb von Wärmepumpen und das Laden von Elektroautos. Doch plötzlich wird der Stromverbrauch für Pc im Allgemeinen und für Rechenzentren im Besonderen zu einem gigantischen neuen Bedarf, mit dem niemand gerechnet hat.“

Warum fehlt es an Weitsicht? Normalerweise steigt die Nachfrage nach elektrischer Energie um etwa ein halbes Prozent professional Jahr, und die Energieversorger bauen neue Stromerzeuger ein und tätigen bei Bedarf weitere Investitionen, um die erwartete neue Nachfrage zu decken. Aber die jetzt in Betrieb genommenen Rechenzentren führen zu beispiellosen Nachfragesprüngen, die die Betreiber nicht vorhergesehen haben. Darüber hinaus ist die neue Nachfrage konstant. Es ist von entscheidender Bedeutung, dass ein Rechenzentrum seine Dienste jeden Tag rund um die Uhr bereitstellt. Es darf keine Unterbrechungen bei der Verarbeitung großer Datenmengen, dem Zugriff auf gespeicherte Daten und dem Betrieb der Kühlgeräte geben, die erforderlich sind, damit alle überfüllten Pc ohne Überhitzung arbeiten.

Darüber hinaus kann es ein Downside sein, selbst wenn genügend Strom erzeugt wird, ihn dorthin zu bringen, wo er benötigt wird, erklärt Deepjyoti Deka, ein MITEI-Forscher. „Bei einem Netz handelt es sich um einen netzweiten Betrieb, und der Netzbetreiber verfügt möglicherweise an einem anderen Standort oder sogar an einem anderen Ort im Land über ausreichende Stromerzeugung, aber die Leitungen verfügen möglicherweise nicht über ausreichende Kapazität, um den Strom dorthin zu transportieren, wo er benötigt wird.“ Daher müssen die Übertragungskapazitäten ausgebaut werden – und das sei ein langsamer Prozess, sagt Deka.

Dann gibt es noch die „Verbindungswarteschlange“. Manchmal kann das Hinzufügen eines neuen Benutzers (einer „Final“) oder eines neuen Mills zu einem bestehenden Netz zu Instabilitäten oder anderen Problemen für alle anderen bereits im Netz befindlichen Personen führen. In diesem Fall kann es zu Verzögerungen bei der Inbetriebnahme eines neuen Rechenzentrums kommen. Ausreichende Verzögerungen können dazu führen, dass neue Lasten oder Generatoren in der Schlange stehen und warten müssen, bis sie an der Reihe sind. Derzeit ist ein Großteil der Verbindungswarteschlange bereits mit neuen Photo voltaic- und Windprojekten gefüllt. Die Verzögerung beträgt nun etwa fünf Jahre. Ein Downside, das angegangen werden muss, besteht darin, den Bedarf neu installierter Rechenzentren zu decken und gleichzeitig sicherzustellen, dass die Servicequalität anderswo nicht beeinträchtigt wird.

Suche nach sauberen Stromquellen

Um die Herausforderung noch weiter zu erschweren, haben sich viele Unternehmen – darunter sogenannte „Hyperscaler“ wie Google, Microsoft und Amazon – öffentlich dazu verpflichtet, innerhalb der nächsten 10 Jahre Netto-CO2-Emissionen von Null zu erreichen. Viele haben durch den Abschluss von „Stromabnahmeverträgen“ Fortschritte bei der Verwirklichung ihrer Ziele für saubere Energie gemacht. Sie unterzeichnen einen Vertrag über den Kauf von Strom beispielsweise von einer Photo voltaic- oder Windkraftanlage und stellen manchmal auch die Finanzierung für den Bau der Anlage bereit. Doch angesichts des extremen Strombedarfs eines Rechenzentrums stößt dieser Ansatz für den Zugang zu sauberer Energie an seine Grenzen.

Unterdessen verzögert der steigende Stromverbrauch in vielen Bundesstaaten die Schließung von Kohlekraftwerken. Es gibt einfach nicht genügend erneuerbare Energiequellen, um sowohl die Hyperscaler als auch die bestehenden Nutzer, einschließlich einzelner Verbraucher, zu versorgen. Daher werden konventionelle Anlagen, die mit fossilen Brennstoffen wie Kohle betrieben werden, mehr denn je benötigt.

Während die Hyperscaler nach sauberen Energiequellen für ihre Rechenzentren suchen, könnte eine Choice darin bestehen, eigene Wind- und Solaranlagen zu bauen. Allerdings würden solche Anlagen nur zeitweise Strom erzeugen. Da eine unterbrechungsfreie Stromversorgung erforderlich ist, müsste das Rechenzentrum teure Energiespeicher vorhalten. Sie könnten sich stattdessen auf Erdgas- oder Dieselgeneratoren für die Notstromversorgung verlassen – diese Geräte müssten jedoch mit Geräten zum Auffangen der Kohlenstoffemissionen sowie einem nahegelegenen Standort zur dauerhaften Entsorgung des abgeschiedenen Kohlenstoffs gekoppelt werden.

Aufgrund dieser Komplikationen wenden sich mehrere Hyperscaler der Kernenergie zu. Wie Inexperienced feststellt: „Kernenergie ist intestine auf den Bedarf von Rechenzentren abgestimmt, da Kernkraftwerke zuverlässig und ohne Unterbrechung viel Strom erzeugen können.“

In einem vielbeachteten Schritt unterzeichnete Microsoft im September einen Vertrag über den Kauf von Strom für 20 Jahre, nachdem Constellation Power einen der unbeschädigten Reaktoren seines inzwischen geschlossenen Kernkraftwerks auf Three Mile Island, dem Ort des vielbeachteten Atomunfalls im Jahr, wieder in Betrieb genommen hatte 1979. Wenn die Aufsichtsbehörden dies genehmigen, wird Constellation diesen Reaktor bis 2028 ans Netz bringen, wobei Microsoft den gesamten Strom, den er produziert, kauft. Amazon einigte sich außerdem auf den Kauf von Strom aus einem anderen Kernkraftwerk, dem aufgrund finanzieller Schwierigkeiten die Schließung drohte. Und Anfang Dezember veröffentlichte Meta eine Ausschreibung, um Kernenergieentwickler zu identifizieren, die dem Unternehmen dabei helfen sollen, seinen KI-Bedarf und seine Nachhaltigkeitsziele zu erfüllen.

Andere nukleare Nachrichten konzentrieren sich auf kleine modulare Kernreaktoren (SMRs), fabrikgefertigte, modulare Kraftwerke, die in der Nähe von Rechenzentren installiert werden könnten, möglicherweise ohne die Kostenüberschreitungen und Verzögerungen, die beim Bau großer Anlagen oft auftreten. Google hat kürzlich eine Flotte von SMRs bestellt, um den für seine Rechenzentren benötigten Strom zu erzeugen. Der erste soll bis 2030 und der Relaxation bis 2035 fertiggestellt sein.

Einige Hyperscaler setzen auf neue Technologien. Beispielsweise verfolgt Google geothermische Projekte der nächsten Technology, und Microsoft hat einen Vertrag über den Kauf von Strom aus dem Fusionskraftwerk eines Startups ab 2028 unterzeichnet – obwohl die Fusionstechnologie noch nicht demonstriert wurde.

Reduzierung des Strombedarfs

Andere Ansätze zur Bereitstellung ausreichend sauberen Stroms konzentrieren sich darauf, das Rechenzentrum und die darin untergebrachten Abläufe energieeffizienter zu gestalten, um die gleichen Rechenaufgaben mit weniger Strom ausführen zu können. Der Einsatz schnellerer Computerchips und die Optimierung von Algorithmen, die weniger Energie verbrauchen, tragen bereits dazu bei, die Belastung und damit auch die entstehende Wärme zu reduzieren.

Eine andere Idee, die derzeit ausprobiert wird, besteht darin, Rechenaufgaben an Zeiten und Orte zu verlagern, an denen kohlenstofffreie Energie im Netz verfügbar ist. Deka erklärt: „Wenn eine Aufgabe nicht sofort, sondern bis zu einer bestimmten Frist erledigt werden muss, kann sie dann verzögert oder in ein Rechenzentrum anderswo in den USA oder im Ausland verlegt werden, wo Strom reichlicher, billiger und/oder verfügbar ist? Reiniger? Dieser Ansatz ist als „Carbon-Conscious Computing“ bekannt.“ „Wir sind uns noch nicht sicher, ob jede Aufgabe problemlos verschoben oder verzögert werden kann“, sagt Deka. „Wenn Sie an eine generative KI-basierte Aufgabe denken, kann diese dann leicht in kleine Aufgaben aufgeteilt werden, die in verschiedene Teile des Landes gebracht, mit sauberer Energie gelöst und dann wieder zusammengeführt werden können? Wie hoch sind die Kosten für eine solche Aufgabenteilung?“

Dieser Ansatz wird natürlich durch das Downside der Verbindungswarteschlange begrenzt. In einer anderen Area oder einem anderen Bundesstaat ist es schwierig, Zugang zu sauberer Energie zu erhalten. Es gibt jedoch Bestrebungen, den Regulierungsrahmen zu lockern, um sicherzustellen, dass kritische Verbindungsleitungen schneller und einfacher entwickelt werden können.

Was ist mit den Nachbarn?

Ein Hauptanliegen bei allen Optionen zur Stromversorgung von Rechenzentren sind die Auswirkungen auf die privaten Energieverbraucher. Wenn ein Rechenzentrum in eine Nachbarschaft kommt, gibt es nicht nur ästhetische Bedenken, sondern auch praktischere Bedenken. Wird die örtliche Stromversorgung weniger zuverlässig? Wo werden die neuen Übertragungsleitungen verlegt? Und wer wird die neuen Generatoren, die Aufrüstung vorhandener Geräte usw. bezahlen? Wenn in einer Nachbarschaft neue Produktionsstätten oder Industrieanlagen errichtet werden, werden die Nachteile im Allgemeinen durch die Verfügbarkeit neuer Arbeitsplätze ausgeglichen. Nicht so bei einem Rechenzentrum, das möglicherweise nur ein paar Dutzend Mitarbeiter benötigt.

Es gibt Standardregeln für die Aufteilung und Zuordnung der Wartungs- und Upgradekosten. Die State of affairs ändert sich jedoch völlig durch die Anwesenheit eines neuen Rechenzentrums. Daher müssen die Versorgungsunternehmen nun ihre traditionellen Tarifstrukturen überdenken, um den Bewohnern keine übermäßige Belastung durch die Kosten für die Infrastrukturänderungen aufzuerlegen, die für den Betrieb von Rechenzentren erforderlich sind.

Beiträge des MIT

Am MIT denken Forscher über eine Reihe von Optionen nach und erforschen sie, um das Downside der Bereitstellung sauberer Energie für Rechenzentren anzugehen. Sie untersuchen beispielsweise architektonische Entwürfe, die natürliche Belüftung zur Erleichterung der Kühlung nutzen, Gerätelayouts, die eine bessere Luftzirkulation und Stromverteilung ermöglichen, sowie hochenergieeffiziente Klimaanlagen auf Foundation neuartiger Materialien. Sie entwickeln neue Analysetools, um die Auswirkungen des Einsatzes von Rechenzentren auf das US-Stromnetz zu bewerten und die effizientesten Wege zu finden, die Einrichtungen mit sauberer Energie zu versorgen. In anderen Arbeiten geht es darum, die Leistung kleiner Kernreaktoren an die Bedürfnisse eines Rechenzentrums anzupassen und den Bau solcher Reaktoren zu beschleunigen.

Die MIT-Groups konzentrieren sich auch auf die Ermittlung der besten Quellen für Notstrom und Langzeitspeicherung sowie auf die Entwicklung von Entscheidungsunterstützungssystemen für die Lokalisierung geplanter neuer Rechenzentren unter Berücksichtigung der Verfügbarkeit von Strom und Wasser sowie regulatorischer Überlegungen und sogar des Potenzials zur Nutzung der teilweise erheblichen Abwärme, beispielsweise zur Beheizung umliegender Gebäude. Zu den Technologieentwicklungsprojekten gehört die Entwicklung schnellerer, effizienterer Computerchips und energieeffizienterer Rechenalgorithmen.

Das MITEI übernimmt nicht nur die Führung und Finanzierung zahlreicher Forschungsprojekte, sondern fungiert auch als Veranstalter und bringt Unternehmen und Interessenvertreter zusammen, um sich mit diesem Thema auseinanderzusetzen. Auf der MITEI-Jahresforschungskonferenz 2024 diskutierte eine Gruppe von Vertretern zweier Hyperscaler und zweier Unternehmen, die gemeinsam Rechenzentren entwerfen und bauen, über ihre Herausforderungen, mögliche Lösungen und darüber, wo MIT-Forschung den größten Nutzen bringen könnte.

Während weiterhin Rechenzentren gebaut werden und die Computertechnologie weiterhin zu einem beispiellosen Anstieg der Stromnachfrage führt, befinden sich Wissenschaftler und Ingenieure laut Inexperienced in einem Wettlauf um die Bereitstellung von Ideen, Innovationen und Technologien, die diesen Bedarf decken können Es wird Zeit, den Übergang zu einem dekarbonisierten Energiesystem weiter voranzutreiben.

Durch diese Zusammenarbeit wird Globant eine modern Methode zur Messung und Gewinnung von Erkenntnissen über die Leistung seines Groups und die Auswirkungen auf die Geschäftsergebnisse einführen, insbesondere innerhalb des Softwareentwicklungslebenszyklus.

Faros KIein führender Anbieter von Software program-Engineering-Intelligence, gab eine strategische Partnerschaft mit bekannt Globant (NYSE: GLOB), ein digital natives Unternehmen, das sich darauf konzentriert, Unternehmen durch modern Technologielösungen neu zu erfinden. Diese Zusammenarbeit zielt darauf ab, die Kundentransformation durch schnellere und effizientere Agentic-Projekte für künstliche Intelligenz zu beschleunigen und eine einheitliche Plattform bereitzustellen, die die Fähigkeiten und Vorteile von KI-gestützten Groups hervorhebt.

Faros AI optimiert Engineering-Arbeitsabläufe, indem es die Produktivität über den gesamten Softwareentwicklungslebenszyklus (SDLC) vergleicht und Engpässe, Hotspots und Verbesserungsmöglichkeiten identifiziert. Globant wird seine Entwicklungsteams weltweit mit diesem neuen Software ausstatten, damit Globers schnellere und sicherere Entscheidungen für die Softwareentwicklung treffen können. Die erwartete Steigerung der Entwicklerproduktivität, der Softwarequalität und der Systemzuverlässigkeit wird die Kundenzufriedenheit verbessern und dazu beitragen, neue Chancen zu erschließen.

„Wir verändern unseren Ansatz zur Teamleistung, indem wir KI nutzen, um die Stärken sowohl der technologischen Fähigkeiten als auch der menschlichen Authentizität zu maximieren“, sagte Diego Tartara, Chief Know-how Officer bei Globant. „Die Partnerschaft von Globant mit einem Innovator wie Faros AI stellt einen natürlichen und wesentlichen Schritt vorwärts dar, um Organisationen dabei zu helfen, von KI-Durchbrüchen auf Unternehmensebene zu profitieren. Datengesteuerte Einblicke in unsere Engineering-Prozesse werden es uns ermöglichen, unseren Kunden schneller und effizienter einen größeren Mehrwert zu bieten.“

Im Gegensatz zu herkömmlichen Metriken, die für eingeschränkte Sichtbarkeit eine Neuarchitektur von Instruments und Prozessen erfordern, bietet Faros AI eine reibungslose, offene Datenplattform, die Informationen aus allen aktuellen und zukünftigen Engineering-Instruments konsolidiert, die Globant im gesamten SDLC verwendet. Diese Plattform bietet Dwell-Suggestions und ermöglicht es Groups, ihre Arbeitsabläufe kontinuierlich zu verbessern. Lighthouse AI, das fortschrittliche KI/ML-Framework von Faros AI, liefert eine detaillierte Ursachenanalyse und maßgeschneiderte Empfehlungen zur Verbesserung von Durchlaufzeiten, Produktqualität und Produktionszuverlässigkeit. Dieses neue Software ergänzt die laufende Strategie von Globants eigener Agentic AI, die in Kombination mit den bestehenden KI-Produkten von Globant X durch die autonome Ausführung von Aufgaben eine starke Synergie und effizientere Entwicklungszyklen schafft.

„Wir freuen uns, mit einem wachstumsstarken Kraftpaket wie Globant zusammenzuarbeiten, um unsere KI-native Datenplattform in diesem entscheidenden Second der KI-Revolution mehr Ingenieurteams weltweit zugänglich zu machen“, sagte Vitaly Gordon, CEO und Mitbegründer von Faros AI , dessen Staff Pionierarbeit bei der KI bei Salesforce leistete und nun Pionierarbeit bei Software program-Engineering-Intelligenz für Unternehmen leistet. „KI verändert die Software program-Engineering-Disziplin und die Entscheidung von Globant, mit Faros AI zusammenzuarbeiten, zeugt von der Tiefe und Anpassungsfähigkeit unserer Plattform sowie den einzigartigen Erkenntnissen, die wir einbringen, um die Wirkung KI-gestützter Groups auf Geschäftsergebnisse zu maximieren.“

Diese Partnerschaft kommt besonders zeitgemäß, da sie sich an Branchentrends orientiert und der steigenden Nachfrage nach fortschrittlichen Analysen und Erkenntnissen gerecht wird, die zu einer stärkeren Teamleistung führen. Laut Gartner werden bis 2027 50 % der Software program-Engineering-Organisationen Software program-Engineering-Intelligence-Plattformen nutzen, um die Entwicklerproduktivität zu messen und zu steigern, verglichen mit 5 % im Jahr 2024.

Melden Sie sich für die kostenlosen insideAI-Information an Publication.

Begleiten Sie uns auf Twitter: https://twitter.com/InsideBigData1

Treten Sie uns auf LinkedIn bei: https://www.linkedin.com/firm/insideainews/

Begleiten Sie uns auf Fb: https://www.fb.com/insideAINEWSNOW

Schauen Sie bei uns vorbei YouTube!

KNIMEdas Open-Supply-Unternehmen für Datenanalyse und KI, kündigte die Einführung seines KI-Begleiters – Ok-AI – für alle Benutzer an. Mit Ok-AI können Benutzer gemeinsam mit KI leistungsstarke Daten-Workflows erstellen. Ok-AI beantwortet Fragen, gibt Empfehlungen und erweitert oder erstellt ganze Datenworkflows basierend auf Benutzereingaben. Der KI-Begleiter beschleunigt die Erkenntnisgewinnung und gibt Benutzern gleichzeitig vollständige Transparenz und Kontrolle darüber, was die KI tut.

Dies ist ein großer Fortschritt in der Automatisierung der Datenarbeit, der Benutzern aller Erfahrungsstufen hilft, schneller bessere Erkenntnisse aus ihren Daten zu gewinnen.

Im Gegensatz zu KI-Instruments, die Skripte generieren, helfen die intuitiven visuellen Arbeitsabläufe von KNIME Datenarbeitern, sofort zu verstehen, wie KI zu ihrer Arbeit beigetragen hat. Der visuelle Workflow dient nicht nur der Dokumentation jedes Schritts in einem Datenmanipulations- oder Datenanalyseprozess, sondern Ok-AI fügt auch einen eigenen narrativen Textual content hinzu, um seine Arbeit zu dokumentieren, sodass Sie ihn leicht überprüfen können. Der Workflow selbst stellt einen Paradigmenwechsel für Datenarbeiter dar, die KI nutzen, von undurchsichtigen, codelastigen Umgebungen hin zu transparenten, dokumentierten Workflows, die jeder verstehen kann.

Dies macht Ok-AI zu einem Companion, dem Sie bei Ihrer Datenarbeit vertrauen können.

„Datengesteuert“ zu werden, ist für viele Unternehmen ein erstrebenswertes Ziel, aber sie stehen oft vor Herausforderungen – sei es bei der effizienten Arbeit mit Daten, bei Engpässen aufgrund des begrenzten Zugangs zu Datenwissenschaftlern oder beim Mangel an zeitnahen Erkenntnissen aufgrund der langwierigen Datenvorbereitung Prozesse.

Ok-AI hilft jedem in der Organisation, sich schneller für die Arbeit mit Daten weiterzubilden und entlastet so interne Experten. Es erhöht auch die Geschwindigkeit, mit der Daten für die Analyse aufbereitet und bereinigt werden können – ein Prozess, der für den Menschen routinemäßig und oft zeitaufwändig ist – erheblich.

Ok-AI bietet zwei Modi:

1. Q&A-Modus: Benutzer können KNIME-bezogene technische oder theoretische Fragen stellen, und Ok-AI liefert Antworten und hilft Benutzern, besser zu verstehen, wie bestimmte Knoten funktionieren oder wie sie ihre Arbeitsabläufe weiter verbessern können.
2. Construct-Modus: Ok-AI arbeitet mit Benutzern im Canvas zusammen, indem es Knoten basierend auf Benutzerinteraktionen hinzufügt, verbindet und konfiguriert. Benutzer können mit einer einzigen Eingabeaufforderung einen einfachen Workflow erstellen oder die Hilfe von Ok-AI in Anspruch nehmen, um bei der Workflow-Erstellung Ratschläge zum nächsten Knoten zu erhalten. Ok-AI kann auch beim Gestalten von Visualisierungen, beim Generieren eingebetteter Python- oder R-Skripte und mehr helfen. Ok-AI erklärt immer seine Arbeit, damit Menschen sehen können, was zu ihren Arbeitsabläufen hinzugefügt wurde und warum.

Der Ok-AI-Begleiter von KNIME hilft nicht nur bei der Erstellung von Arbeitsabläufen von Grund auf. Im Construct-Modus kann es bestehende Workflows erweitern und im Q&A-Modus kann es Erweiterungen, Workflows und Knoten vom KNIME Group Hub empfehlen. Dies macht es für Benutzer einfacher denn je, bestehende Lösungen zu entdecken und auf Group-Beiträgen aufzubauen, ohne bei Null anfangen zu müssen.

„Die Mission von KNIME bestand schon immer darin, jedem die Möglichkeit zu geben, seine Daten zu verstehen, unabhängig von seinem technischen Hintergrund“, sagte Michael Berthold, CEO von KNIME. „Mit Ok-AI machen wir einen bedeutenden Schritt nach vorne, indem wir Einzelpersonen dabei helfen, Arbeitsabläufe schneller aufzubauen und dabei mehr zu lernen. Durch die Kombination von KI-Unterstützung mit der Open-Supply-Plattform von KNIME beschleunigen wir nicht nur die Artwork und Weise, wie Benutzer mit Daten arbeiten, sondern ermöglichen ihnen auch, dabei zu lernen und sich weiterzuentwickeln. Wir sind gespannt, wie Ok-AI Benutzern dabei helfen wird, mit ihren Daten neue Möglichkeiten zu erschließen.“

Ok-AI wurde erstmals Anfang 2024 als experimentelle Erweiterung veröffentlicht. Während der experimentellen Section wurden sowohl der Ok-AI Q&A-Modus als auch der Construct-Modus getestet und verfeinert. Jetzt wird Ok-AI zum ersten Mal im Rahmen der umfassenderen Model für alle Benutzer in KNIME veröffentlicht KNIME Analytics-Plattform 5.4 Launch, das zahlreiche Verbesserungen der LLM-Konnektivität, der LLM-Evaluierungsfunktionen und der allgemeinen Benutzererfahrung enthält:

• Verbesserte KI-Erweiterung mit Unterstützung für Databricks LLMs und GPT4All-Modelle auf IBM Granite und Microsoft Phi 3.5 zusätzlich zur bestehenden Unterstützung für OpenAI-, Azure-, Hugging Face- und Ollama-Modelle.
• Die Fähigkeit, Schwachstellen wie Voreingenommenheit, Halluzinationen, Datenlecks und mehr in KI-gestützten Arbeitsabläufen mit Giskard LLM- und Giskard RAG-Knoten zu erkennen.
• Mehrere Konnektivitätsverbesserungen für Tableau, Field und Databricks zusätzlich zu den über 300 vorhandenen Datenquellenintegrationen von KNIME.

Ab KNIME Analytics Platform 5.4 ist Ok-AI für alle Benutzer enthalten. Benutzer können das Erstellen mit Ok-AI auch direkt im Browser über die neue Model von KNIME ausprobieren Spielplatzumgebung. Erfahren Sie mehr über den gesamten Funktionsumfang der KNIME Analytics Platform 5.4 HIER.

Melden Sie sich für die kostenlosen insideAI-Information an E-newsletter.

Begleiten Sie uns auf Twitter: https://twitter.com/InsideBigData1

Treten Sie uns auf LinkedIn bei: https://www.linkedin.com/firm/insideainews/

Begleiten Sie uns auf Fb: https://www.fb.com/insideAINEWSNOW

Schauen Sie bei uns vorbei YouTube!

Wenn Sie schon eine Weile Datenwissenschaftler sind, werden Sie früher oder später feststellen, dass sich Ihr Alltag von einem VSCode-liebenden, Forschungsarbeiten lesenden und Git-Versionen festlegenden Datenwissenschaftler zu einem Datenwissenschaftler gewandelt hat, der die Zusammenarbeit vorantreibt , Projekt-Scoping, Stakeholder-Administration und Strategiefestlegung.

Dieser Wandel wird schrittweise und quick unmerklich erfolgen, aber er erfordert, dass Sie andere Aufgaben übernehmen, um sicherzustellen, dass Dateninitiativen auf dem richtigen Weg sind und Wirkung zeigen. An diesem Punkt werden Sie feststellen, dass Sie zusätzlich zu Ihren üblichen datenwissenschaftlichen Fähigkeiten einige betriebswirtschaftliche Fähigkeiten verfeinern müssen. Dies ist auch ein guter Hinweis darauf, dass Sie bereit sind, leitende Führungspositionen im technischen Bereich anzustreben, beispielsweise als Principal, Lead oder Employees DS.

Hier sind meine drei High-Tipps, die sich als sehr nützlich erwiesen haben, als ich eine Führungsrolle im Bereich Datenwissenschaft in einem FTSE-100-Unternehmen übernommen habe, die aber auch in einer schwierigen Startup-Umgebung nützlich wären.

Zu wissen, wie ein Unternehmen Geld verdient, ist unabhängig von der Größe des Unternehmens und Ihrer Rolle darin von entscheidender Bedeutung. Leider findet ein Großteil der datenwissenschaftlichen Arbeit oft in Silos statt, in denen die Problemstellung oder Hypothese oder der Analyse-Workflow von oben nach unten erfolgt und möglicherweise nicht direkt auf die finanziellen Ziele des Unternehmens abgestimmt ist.

Wenn Sie im Crew eine höhere Führungsrolle übernehmen, ist es wichtig, dass Sie sprechen Sie die Geschäftssprache. Ein umfassendes Verständnis von Begriffen wie CapEx vs. OpEx, EBITDA-Marge, Amortisation, gemischter CAC, Abwanderungskohorten, Honest-Share-Index usw. ist hilfreich, wenn Sie die Ergebnisse an Vorgesetzte kommunizieren. Auf diese Weise können Sie Ihre Erkenntnisse so anpassen, dass sie verdeutlichen, wie sich datenwissenschaftliche Initiativen auf diese Bereiche auswirken werden, sodass Ihre Analyse für Finanzakteure relevanter und überzeugender wird.

Wussten Sie, dass Apple im Jahr 2024 110 Milliarden US-Greenback für Aktienrückkäufe ausgegeben hat? Warum? Weniger Aktien auf dem Markt = höherer Gewinn professional Aktie (EPS), was den Aktienkurs in die Höhe treibt.

Die Kenntnis Ihrer Zahlen kann sowohl für Sie als auch für das Unternehmen von Vorteil sein: Wenn Sie Ihre Zahlen verstehen, wissen Sie, was für das Unternehmen funktioniert und was nicht, können Wachstumsbereiche identifizieren und auf der Grundlage von Daten fundierte finanzielle Entscheidungen treffen. Anstatt beispielsweise nur eine verbesserte Modellgenauigkeit aufzuzeigen, könnte man genau zeigen, wie sich die Vorhersagen auf das Endergebnis auswirken würden.

Ebenso können Sie durch die Darstellung, wie Ihre Arbeit direkt zum finanziellen Erfolg des Unternehmens beiträgt, sogar eine bessere Bezahlung aushandeln!

Aber es geht über die reine Kommunikation hinaus. Dieses Wissen öffnet Türen zu Möglichkeiten, die viele Datenwissenschaftler verpassen. Es gibt zum Beispiel solche Schemata die es Ihnen ermöglichen, Steuerrückerstattungen auf die Investitionsausgaben Ihres Unternehmens zu beantragen, die mit F&E-Aktivitäten verbunden sind (z. B. patentbezogene Kosten, spezielle Softwarelizenzen usw.).

Ich habe Groups gesehen, die sich eine Finanzierung sichern konnten, indem sie diese Finanzmechanismen verstanden und ihre ML-Infrastrukturinvestitionen als F&E-Initiativen positionierten.

Ebenso gibt es bestimmte staatliche Zuschüsse Je nachdem, in welchem ​​Bereich Sie tätig sind, können Sie oder Ihr Unternehmen Anspruch darauf haben. Beispielsweise bietet das USDA (Landwirtschaftsministerium der Vereinigten Staaten) Zuschüsse und Finanzierung für Projekte im Bereich Agrartechnologie-Innovation an.

Wie baut man diese Fähigkeit auf?

• Lesen Sie Finanzbücher, um wichtige Begriffe schnell zu verstehen und aus Fallstudien anderer Unternehmen in derselben Nische wie Sie zu lernen (im schlimmsten Fall – Sie scheitern schnell oder im besten Fall – lernen Sie häufige Fallstricke kennen, die es zu vermeiden gilt).
  Wenn Sie nicht die Zeit haben, Bücher vollständig zu lesen, machen Sie sich zumindest mit ihren Kerngedanken vertraut. Ich benutze Beschleunigt um Buchzusammenfassungen zu erhalten, aber es gibt auch andere Optionen, aus denen Sie auswählen können, die ich in besprochen habe Das Artikel.
  PS Hier ist mein Büchersammlung zur Weiterbildung im Finanzbereich, einschließlich Büchern wie Die Alchemie der Finanzen, Worth Investing, Und One Up an der Wall Avenue.
• Konsumieren Sie Inhalte von YT-Kanälen wie DerFinanceStoryteller Und Investopedia die komplexe Finanzthemen in mundgerechte Häppchen zerlegen.
• Halten Sie Ausschau nach Stipendien und Zuschüssen, die für Ihr Unternehmen gelten.
• Betreuen Sie Ihre COOs, Betriebsleiter oder in manchen Fällen sogar Ihre POs (meine struggle von Gott gesandt, da sie mir hilft, Wertberechnungen im Gesundheitssektor zu verstehen und mein Verständnis der Unternehmensfinanzierung zu verbessern).

Ob man es liebt oder hasst, aber man kann nicht leugnen, dass sich der Bereich KI/ML/generative KI in einem beispiellosen Tempo entwickelt. Ich habe oft Nachrichtenartikel gelesen, in denen beschrieben wird, dass Technologie X Technologie Y ersetzt hat, und ich frage mich: Was ist Technologie Y?

Im Durchschnitt werden jeden Monat etwa 8000 neue Forschungsarbeiten (in der Kategorie Informatik) auf arXiv veröffentlicht! (Quelle)

Um in dieser neuen Rolle eine Artwork Vordenkerrolle zu übernehmen, müssen Ihre Branche und Ihr Technologiebewusstsein auf zwei Ebenen agieren: lokal Und world.

Bleiben Sie auf dem Laufenden lokal Kurve Es geht darum, über die neuesten Instruments, Techniken und Developments auf dem Laufenden zu bleiben. In der Praxis würde dies bedeuten, dass man (a) weiß, welche Modelle an der Spitze stehen Bestenliste für Ihren Anwendungsfall (sei es Prognose, generative KI oder Pc Imaginative and prescient), (b) alle neuen bahnbrechenden Frameworks, die für Ihr Fachgebiet bahnbrechend sein könnten (z. B. Baidu hat es kürzlich vorgestellt). iRAG-Technologie das das Drawback von Halluzinationen bei der Bilderzeugung angeht) und (c) Fortschritte bei DevOps/LLMOps/MLOps, die Arbeitsabläufe rationalisieren und die Effizienz verbessern könnten.

Bleiben Sie auf dem Laufenden world Kurve bedeutet, das Gesamtbild rund um den Technologiebereich anzuerkennen – zu verstehen, wie Innovationen Industrien prägen und welche breiteren ethischen und gesellschaftlichen Auswirkungen diese Technologien haben – insbesondere, da Regierungen auf der ganzen Welt Schritte unternehmen, um den Technologiebereich zu regulieren.

In der Praxis könnte dies bedeuten, dass Sie sich über die Vorschriften in dem Bereich, in dem Sie tätig sind (Recht, Gesundheitswesen, FMCG usw.), auf dem Laufenden halten und die Einhaltung relevanter Richtlinien überprüfen.

Zum Beispiel die KI-Gesetz 2024 der Europäischen Uniondas kürzlich in Kraft getreten ist, enthält detaillierte Richtlinien zu den Geboten und Verboten im Zusammenhang mit der Entwicklung, Bereitstellung und Verwendung von KI, einschließlich Richtlinien wie obligatorischem Wasserzeichen für von KI generierte Inhalte.

Ebenso ist es umso wichtiger, den Überblick über die großen Tech-Participant wie NVIDIA, OpenAI, Anthropic usw. zu behalten, um kurz- und langfristige technologische Veränderungen für Ihr Unternehmen vorherzusehen. Ein kurzfristiges Beispiel wären die jüngsten Nachrichten vom OpenAI-Microsoft-Partnerschaft wird schiefwas sich auf laufende Projekte auswirken könnte, wenn Sie sich auf Microsofts Azure OpenAI als LLM-Anbieter verlassen.

Ein langfristiges Beispiel ist das jüngste Investitionen in Kernenergieprojekte von Unternehmen wie Microsoft, Amazon und Google, um der wachsenden Nachfrage nach hohem Energieverbrauch durch große Sprachmodelle (LLMs) gerecht zu werden, die oft als Engpass für KI-Fortschritte angesehen werden. Eine stabile, vorhersehbare und CO2-freie Energiequelle könnte langfristige Kosteneinsparungen für Ihr KI-gesteuertes Unternehmen bedeuten.

Wie baut man diese Fähigkeit auf?

• Erhalten Sie täglich eine Dosis Tech-Information über Apps (wie Kuriosität) oder Web sites wie HackerNews.
• Abonnieren Sie ein paar wöchentliche KI-E-newsletter oder so viele, wie Sie angesichts Ihrer Arbeitsbelastung realistischerweise bewältigen können. Ich bin sehr selbstbewusst und meine einzige Anlaufstelle ist Die Cost.

Für einige wenige Glückliche, die vom Datenwissenschaftler in diese neue Führungsrolle aufsteigen, weiche Kommunikationsfähigkeiten – nützlich für die Verwaltung von Groups, das Storytelling von Daten und die teamübergreifende Zusammenarbeit – sind für sie selbstverständlich. Für den Relaxation gibt es Hoffnung! Mit etwas Übung ist es möglich, jede Fertigkeit zu erreichen.

Und bevor Sie fragen, warum das so wichtig ist: Stellen Sie sich vor, Sie wissen nicht, wie das geht Pitchen Sie Ihr hervorragendes Datenprodukt an eine Gruppe nicht-technischer VCs und Investoren. Oder ein effektiver Weg dazu Erkenntnisse vermitteln aus Ihrem einwöchigen EDA-Prozess. Oder der richtige Weg dazu motivieren Ihre brillanten, aber überforderten Datenwissenschaftler während einer kritischen Produkteinführung.

Um eine Führungsposition zu übernehmen, müssen Sie bestimmt, aber höflich sein, klar erklären, was das Crew tun muss, und den Stakeholdern klar machen, dass es technische Einschränkungen zwischen ihrer Anfrage und dem, was im Bereich der Möglichkeiten liegt, gibt – unter Berücksichtigung von Einschränkungen wie Kosten, Latenz usw .

Es bedeutet, cool zu bleiben, wenn ein Stakeholder sagt: „ChatGPT kann das in Sekundenschnelle erledigen“ oder wenn jemand „ein 100 % genaues Modell“ verlangt.

Um dies effektiv umzusetzen, müssen Sie die unterschiedlichen Dynamiken kennen lernen, die im Spiel sind. Sie müssen diplomatischer und rationaler sein, anstatt impulsiv zu reagieren, wenn jemand Vorschläge macht „Probieren Sie diese 20 Ideen aus, die während des Treffens entstanden sind“ oder Sie verwenden unangemessene verbale und nonverbale Hinweise, wenn Sie das Scope Creep deutlich erkennen können.

Wie baut man diese Fähigkeit auf?

• Auch hier können Bücher Ihr bester Freund sein. Hier ist mein Büchersammlung zum Administration der Teamdynamik, einschließlich Büchern wie Emotionale Intelligenz 2.0, Die fünf Funktionsstörungen eines Groups und entscheidende Gespräche: Werkzeuge zum Reden, wenn viel auf dem Spiel steht, gemacht zum Bleiben. Ich habe kürzlich darüber geschrieben, wie wahnsinnig nützlich diese Bücher waren Ich rette meinen Verstand als technischer Leiter.
• (Bücher können Sie nur bis zu einem bestimmten Punkt bringen.) Leiten Sie Stakeholder-Conferences am Arbeitsplatz. Nichts geht über ein praktisches Erlebnis.
• Nehmen Sie ehrenamtlich an Diskussionsrunden und Kamingesprächen auf Konferenzen und Seminaren teil. Diese Formate sind entspannter und entlastender als wenn Sie der einzige Vortragende sind und die anderen passiv zuhören. Untermauern Sie Ihre Diskussionspunkte mit Fakten und Beweisfetzen aus Büchern, aktuellen Nachrichten und renommierten Forschungsarbeiten, um sicherzustellen, dass Ihre Argumentation Bestand hat.