SZwanglos – Following Feed

Ja, endlich! Offene Zusammenarbeit ist der Schlüssel dafür, dass Europa sein wahres Potenzial entfalten kann. An alle Akademiker und politischen Führer da draußen: Legen Sie Ihre eigenen Pläne beiseite und unterstützen Sie ihre! 🙏🏻🚀 @ZenoInMotion

Mit Googles Turboquant könnte es uns bereits in den September tragen oder den September wie das Jahr 2027 erscheinen lassen. #MLX

Die lokalen KI-Fähigkeiten nehmen jetzt täglich zu.

RT von @OpenMedFuture: Vor zwei Jahren war ich Mitautor eines ICML-Artikels über generative Open-Source-KI. Im Jahr 2026 haben wir das Größte richtig gemacht: Offene Modelle blieben nicht lange weit zurück. Sie beschleunigten Forschung, Vertrieb, Anpassung und Wettbewerb schnell https://arxiv.org/pdf/2405.08597

RT von @OpenMedFuture: Neuer Tag. Neue Angriffsflächen. Seien Sie vorsichtig da draußen.

Haben Sie sich jemals gefragt, was die Zukunft für KI auf Apple Silicon bereithält? Ich glaube, dass es ab September sehr hell wird. @isaree_ai

RT von @OpenMedFuture: Die EU möchte, dass Sie ein Unternehmen in 48 Stunden für unter 100 € gründen können. 🚀 Die Präsidentin der Europäischen Kommission, Ursula von der Leyen, stellte EU Inc vor – ein einheitliches Regelwerk für Unternehmen in der gesamten Union, um Bürokratie abzubauen, Innovationen anzukurbeln und Unternehmen bei der grenzüberschreitenden Skalierung zu unterstützen. #EUXL

Jedes Mal, wenn ich einen Beitrag auf LinkedIn teile, der sich kritisch mit der EU-Politik auseinandersetzt, scheint seine Sichtbarkeit dramatisch zu sinken, fast so, als würde er im Schatten verboten. Stellt sich die EU wirklich so eine funktionierende Demokratie vor? Ich vermeide immer Ad-hominem-Argumente, daher kann ich nur davon ausgehen, dass Leute oder Bots meine Beiträge massenhaft melden. Hat das noch jemand erlebt? Habe ich das Recht, von LinkedIn Transparenz zu verlangen?

Vor fünf Jahren gab es 30 Millionen Softwareentwickler, die Software entwickeln und bereitstellen konnten. Heute gibt es 3 Milliarden Menschen, die Software entwickeln und bereitstellen können. Wer denkt, dass KI zu weniger Arbeitsplätzen führen wird, irrt: Sie erschließt eine neue Generation von Kreativen und ersetzt sie nicht. Ich erinnere mich noch daran, wie ich @cshirky im Jahr 2009 gesehen habe, als er die Eröffnungsrede auf der @boltyboy Health 2.0-Konferenz hielt. Er benutzte den Ausdruck „Das Internet basiert auf Liebe“, um die Natur der offenen, gemeinschaftlichen Schöpfung zu beschreiben. Das war, bevor wir in die Plattform- und Aufmerksamkeitsökonomie einstiegen, eine Zeit, in der sich das Web noch wie ein Gemeingut anfühlte, das von gemeinsamer Neugier und nicht vom Wettbewerb um Aufmerksamkeit angetrieben wurde. Heute, wo Open Source und KI zusammenwachsen, habe ich das Gefühl, dass wir diesen ursprünglichen Geist in einem völlig neuen Maßstab wiederentdecken. Ich war fasziniert von seiner Keynote und später von seinem Buch Here Comes Everybody. Ich wünschte nur, er würde wieder ins Rampenlicht treten und sich wieder lauter zu Wort melden. Es ist bemerkenswert zu sehen, wie diese Vision jetzt umgesetzt wird, angetrieben nicht nur durch KI, sondern auch durch die Leistungsfähigkeit von Open-Source-Communities, die die Erstellung und Bereitstellung für jedermann zugänglich gemacht haben. Open Source hat gewonnen. Bei Isaree setzen wir dies in die Praxis um: Wir befähigen Kliniker, ihre eigenen Agenten und Agenten-Workflows zu entwickeln und setzen uns gleichzeitig für dezentrale KI-Konzepte ein. Als ob es etwas gibt, was wir aus der jüngsten Open-Source-Welle lernen können, ist, dass sie uns dabei helfen wird, die Entwicklung lebensrettender Entdeckungen und Innovationen zu einem angemessenen Preis zu beschleunigen. Ja, Clay, Sie haben mit Ihren inspirierenden Keynotes und Vorträgen viel bewirkt. Wenn wir aus der jüngsten Open-Source-Welle etwas lernen können, dann ist es, dass offene Innovationskonzepte lebensrettende Entdeckungen und Innovationen zu angemessenen Preisen beschleunigen und zum Standard werden sollten. Zustimmen?

Wow, kann das transformativ sein?

RT von @OpenMedFuture: Heute kündigen wir X-Cell an – Xairas erster Schritt in Richtung einer virtuellen Zelle. 🧬 A foundation model that predicts how gene expression changes under causal perturbations — across cell types, conditions, and even unseen biology. Dies wird nicht auf Beobachtungsatlanten trainiert. Es ist auf Interventionen geschult. 🧵👇

RT von @OpenMedFuture: Heute holen wir Manus aus der Cloud und stellen es auf Ihren Desktop. Wir stellen vor: „Mein Computer“, die Kernfunktion der neuen Manus Desktop-App. Es ist Ihr KI-Agent, jetzt auf Ihrem lokalen Computer.

Ich bin gespannt, Microsofts GigaTIME zu sehen: eine KI mit offenem Gewicht, die billige H&E-Objektträger in virtuelle räumliche Proteomik verwandelt! Offener Code, Gewichte auf Hugging Face/GitHub zur Demokratisierung der Krebsforschung. 🎉 Das übertrifft meine kühnsten Träume! Bereits 2018 habe ich mich über die HIPPO AI Foundation für offene medizinische KI-Richtlinien eingesetzt. Jetzt beschleunigt es Innovationen, senkt die Kosten und schließt globale Lücken in der Onkologie. Gestalten wir das Gesundheitswesen neu!

RT von @OpenMedFuture: Wir werden auf AlphaFold als eines der großartigsten Dinge der KI zurückblicken. Ich werde auch in den kommenden Generationen weiter spenden.

RT von @OpenMedFuture: Open-Source-KI-Medizin ist ein verrückter Trend

RT von @OpenMedFuture: Der Inferenzstapel ist jetzt einfacher. PagedAttention, der Kernel, der vLLM schnell gemacht hat, wird jetzt nativ in 🤗 Transformers CB ausgeliefert. Ergebnis: 84 % des vLLM-Durchsatzes auf einer einzelnen GPU. Nahezu SOTA ohne zusätzliche Laufzeit. Die Lücke schließt sich 📈

RT von @OpenMedFuture: Es ist wirklich das Zeitalter von Open Source

RT von @OpenMedFuture: Wenn Ihr OpenClaw rund um die Uhr mit Spitzenmodellen wie Opus arbeitet, verbrennen Sie problemlos 300 US-Dollar pro Tag. Das sind 100.000 Dollar pro Jahr. Ich habe 3 Mac Studios und einen DGX Spark mit 4 lokalen High-End-Modellen (Nemotron 3, Qwen 3.5, Kimi K2.5, MiniMax2.5). Sie tuckern rund um die Uhr. Ich habe ein Drittel dieser jährlichen Kosten für den Kauf dieser Computer ausgegeben Ich werde sie jahrelang kostenlos nutzen können Darüber hinaus sind sie völlig privat, sicher und personalisiert. Keine einzige Eingabeaufforderung geht an einen Cloud-Server, der von einem Mitarbeiter gelesen oder zum Trainieren eines anderen Modells verwendet werden kann Ich hoffe, dass dies deutlich macht, warum die Zukunft für KI-Agenten lokal liegt. Und warum Amerika am lokalen KI-Wettbewerb teilnehmen muss.

RT von @OpenMedFuture: @dorialexander Genau! „Es hat einige Zeit gedauert, aber offene Daten in der KI sind tatsächlich beliebt“ Die Grafik zeigt, dass es sich in der jüngsten Phase endlich um einen gesunden, nachhaltigen Anstieg und nicht nur um Hype-Spitzen handelt. Ich denke, ein großer Treiber ist die Demokratisierung von KI-Agenten. 2026 wurde das Jahr, in dem normale Entwickler dank zugänglicher Frameworks, lokaler Modelle und No-Code-Tools tatsächlich echte Agenten entwickeln können. Diese Agenten sind äußerst datenhungrig in Bezug auf RAG, Werkzeugnutzung, Speicher und Feinabstimmung und benötigen dringend saubere, nachvollziehbare, rechtssichere und mehrsprachige Daten in großem Maßstab. Common Corpus ist im Grunde genau für diese neue Welle maßgeschneidert. Herzlichen Glückwunsch zum Durchschreiten von 1 Million Downloads, Open Data hat seinen Agenten-Moment! 🚀

RT von @OpenMedFuture: Ankündigung eines Personal Computers. Personal Computer ist eine immer aktive, lokale Verbindung mit Perplexity Computer, die rund um die Uhr für Sie arbeitet. Es ist persönlich, sicher und funktioniert für alle Ihre Dateien, Apps und Sitzungen über einen kontinuierlich laufenden Mac mini.

„Zuerst ließen sie Unternehmen bezahlen, um ihre Websites vor jedem Agenten und Crawler zu schützen, und jetzt lassen sie Crawler bezahlen, um auf die Website zuzugreifen.“

Lesen Sie einfach die Erklärung von @AxelVossMdEP auf LinkedIn, in der er seine Urheberrechts-/genAI-Initiative feierte. Er stellt fest, dass „Sicherstellen, dass Urheber fair bezahlt werden“, der neueste EU-Urheberrechtsslogan für die KI-Ausbildung, klingt nobel, bis man sich daran erinnert, wie wissenschaftliches Publizieren tatsächlich funktioniert. Wissenschaftler schreiben die Arbeiten kostenlos. Peer-Reviewer (die eigentliche Qualitätskontrolle) arbeiten kostenlos. Redakteure sind oft unbezahlte Freiwillige. Jetzt beeilen sich dieselben Verlage, lukrative KI-Lizenzverträge mit OpenAI, Google usw. abzuschließen, und sind plötzlich Verfechter der „Erstellerrechte“. Komisch, wie das funktioniert. Der Autor, dessen Blut, Schweiß und unbezahlte Arbeit in die Zeitung geflossen sind? Bekommt immer noch nichts, wenn ihre Arbeit in das nächste GPT eingespeist wird. Hier geht es nicht um den Schutz der Urheber. Ist es? Es geht darum, die Gatekeeper zu schützen und gleichzeitig so zu tun, als würden die Wissenschaftler endlich einen Platz am Tisch bekommen. Wenn sich die EU wirklich um eine faire Bezahlung von Wissenschaftlern kümmern würde, würde sie damit beginnen, das kaputte akademische Veröffentlichungsmodell zu reparieren und nicht nur eine weitere Einnahmequelle für die Zwischenhändler zu schaffen, die Forscher seit Jahrzehnten ausbeuten.

RT von @OpenMedFuture: Der Weg zum KI-Arzt ist im Wesentlichen der gleiche wie beim autonomen Fahren: > Überwachte Autonomie in einfachen Szenarien > Menschen im Kreislauf einsetzen, um Risiken zu eliminieren > Sicherheitsdaten veröffentlichen > Erhalten Sie die behördliche Genehmigung für weitere Szenarien > die beaufsichtigte Autonomie erweitern > wiederholen, bis keine Aufsicht mehr erforderlich ist

RT von @OpenMedFuture: Inspiriert von @karpathy autoresearch. Ich habe „autoRL“ erstellt, das RL-Umgebungen autonom erstellen und trainieren kann. Ich habe den Agenten angewiesen, eine simulierte Handelsumgebung zu erstellen und sie zu trainieren. Ich habe sie über Nacht 7 Stunden lang auf meinem MacBook mit mehr als 24 Experimenten ausgeführt. Es wurde das ENV erstellt und herausgefunden, wie man trainiert, um über simulierte Episoden inkrementelle Erträge zu erzielen. Die Punktzahl gibt an, wie viel Belohnung der Agent durchschnittlich pro Bewertungsepisode erhält. Schauen Sie sich das „autoRL“-Repo hier an: https://github.com/harshbhatt7585/autoRL Umgebungs- und Trainingsdatei: https://github.com/harshbhatt7585/autoRL/tree/autorl/mar11/candidate

RT von @OpenMedFuture: Ich habe meinem kleinen Open Health Data-Projekt einen Account gegeben und werde interessante (und uninteressante) Erkenntnisse und Analysen als Blogbeiträge veröffentlichen. Bitte geben Sie Kommentare, Anfragen nach Funktionen, Anfragen nach Analysen, Anfragen nach neuen Datensätzen ... ab.

RT von @OpenMedFuture: Vor drei Tagen habe ich Autoresearch verlassen, um Nanochat für ca. 2 Tage auf das Modell Depth=12 zu optimieren. Es wurden etwa 20 Änderungen gefunden, die den Validierungsverlust verbesserten. Ich habe diese Änderungen gestern getestet und alle waren additiv und wurden auf größere Modelle (Tiefe = 24) übertragen. Unter Berücksichtigung all dieser Änderungen habe ich heute gemessen, dass die „Zeit bis GPT-2“ der Bestenliste von 2,02 Stunden auf 1,80 Stunden gesunken ist (ca. 11 % Verbesserung). Dies wird der neue Bestenlisteneintrag sein. Also ja, das sind echte Verbesserungen und sie machen einen echten Unterschied. Ich bin ein wenig überrascht, dass mein allererster naiver Versuch bereits so gut funktioniert hat, obwohl ich dachte, dass es sich um ein bereits recht manuell gut abgestimmtes Projekt handelte. Dies ist für mich eine Premiere, da ich es sehr gewohnt bin, die iterative Optimierung des neuronalen Netzwerktrainings manuell durchzuführen. Man kommt auf Ideen, setzt sie um, prüft, ob sie funktionieren (besserer Validierungsverlust), entwickelt darauf basierend neue Ideen, liest einige Artikel zur Inspiration usw. usw. Das ist das A und O dessen, was ich seit zwei Jahrzehnten täglich mache. Zu sehen, wie der Agent den gesamten Arbeitsablauf Ende-zu-Ende und ganz alleine durchführt, während er ca. 700 autonome Änderungen sind wild. Es hat sich wirklich die Abfolge der Ergebnisse der Experimente angesehen und diese zur Planung der nächsten Experimente verwendet. Es ist (noch) keine neuartige, bahnbrechende „Forschung“, aber alle Anpassungen sind „real“, ich habe sie vorher nicht manuell gefunden, und sie stapeln sich und haben Nanochat tatsächlich verbessert. Zu den größeren Dingen gehören z.B.: - Es ist mir ein Versehen aufgefallen, dass mein parameterloses QKnorm keinen Skalierungsmultiplikator hatte, sodass meine Aufmerksamkeit zu diffus war. Der Agent fand Multiplikatoren, um es zu schärfen und auf zukünftige Arbeiten hinzuweisen. – Es stellte sich heraus, dass die Value Embeddings die Regularisierung wirklich mögen und ich habe keine angewendet (ups). - Es stellte sich heraus, dass meine gebündelte Aufmerksamkeit zu konservativ war (ich habe vergessen, sie anzupassen). - Es stellte sich heraus, dass alle Betas von AdamW fehlerhaft waren. - Der Zeitplan für die Gewichtsabnahme wurde angepasst. - Die Netzwerkinitialisierung wurde optimiert. Dies kommt zu all dem Tuning hinzu, das ich bereits im Laufe der Zeit vorgenommen habe. Der genaue Commit ist hier, aus dieser „Runde 1“ der Autorecherche. Ich werde mit „Runde 2“ beginnen und parallel dazu untersuchen, wie mehrere Agenten zusammenarbeiten können, um Parallelität freizusetzen. https://github.com/karpathy/nanochat/commit/6ed7d1d82cee16c2e26f45d559ad3338447a6c1b Alle LLM-Grenzlabore werden dies tun. Es ist der letzte Bosskampf. Im Maßstab ist es natürlich viel komplexer – man hat nicht nur einen einzigen Zug. py-Datei zum Optimieren. Aber es zu tun ist „nur Ingenieurskunst“ und es wird funktionieren. Sie stellen einen Schwarm von Agenten zusammen, Sie lassen sie zusammenarbeiten, um kleinere Modelle zu optimieren, Sie fördern die vielversprechendsten Ideen in immer größeren Maßstäben und Menschen (optional) tragen an den Rändern bei. Und ganz allgemein kann *jede* Metrik, die Ihnen wichtig ist und die einigermaßen effizient auszuwerten ist (oder die über effizientere Proxy-Metriken verfügt, wie z. B. das Training eines kleineren Netzwerks), von einem Agentenschwarm automatisch recherchiert werden. Es lohnt sich darüber nachzudenken, ob Ihr Problem auch in diesen Bereich fällt.

wow @cwhogg 🚀 das ist so wertvoll für das gesamte Gesundheitssystem! 🙏🏻

RT von @OpenMedFuture: 💯! Vor einem Jahr sagte ich, es sei unethisch für Ärzte, KI nicht zu konsultieren; jetzt wird es zum Kunstfehler.

RT von @OpenMedFuture: Ich habe das „Autoresearch“-Projekt in ein neues, eigenständiges Minimal-Repo gepackt, falls die Leute über das Wochenende spielen möchten. Es handelt sich im Grunde genommen um einen Nanochat-LLM-Trainingskern, reduziert auf eine einzelne GPU, eine Dateiversion mit ca. 630 Codezeilen, dann: - Der Mensch iteriert anhand der Eingabeaufforderung (.md) – Der KI-Agent iteriert auf dem Trainingscode (.py) Das Ziel besteht darin, Ihre Agenten so zu konstruieren, dass sie auf unbestimmte Zeit und ohne Ihr eigenes Zutun den schnellsten Forschungsfortschritt erzielen. Im Bild ist jeder Punkt ein kompletter LLM-Trainingslauf, der genau 5 Minuten dauert. Der Agent arbeitet in einer autonomen Schleife an einem Git-Feature-Zweig und sammelt Git-Commits für das Trainingsskript, während er bessere Einstellungen (mit geringerem Validierungsverlust am Ende) der neuronalen Netzwerkarchitektur, des Optimierers, aller Hyperparameter usw. findet. Sie können sich vorstellen, den Forschungsfortschritt verschiedener Eingabeaufforderungen, verschiedener Agenten usw. zu vergleichen. https://github.com/karpathy/autoresearch Teils Code, teils Science-Fiction und eine Prise Psychose :)

Da die Sozialistische Partei Deutschlands (Matthias Mieves) nun offen versucht, Anthropic nach Europa zu locken, bestätigt sie im Grunde das, was ich bei den Verhandlungen zum AI Act gesehen habe, als sie versuchten, die Open-Source-Zusammenarbeit einzudämmen, und wovor @pmarca in Washington gewarnt hat: dass Teile des liberalen Establishments mit einem KI-Regime zufrieden sind, in dem nur zwei oder drei große Unternehmen „in einen Kokon der Regierung gehüllt“, vor Konkurrenz geschützt und streng vom Staat gesteuert sind. Die Voreingenommenheit von Anthropic war noch nie so offensichtlich.

Nur zur Erinnerung: Jahre sind vergangen, und mittlerweile gibt es über 1,3 Millionen Open-Source-Modelle, die mehr als hundertmal heruntergeladen wurden, und es gibt immer noch keine Hinweise auf ein erhöhtes Bioterrorismusrisiko. Aber ja, sie haben ihre Vorschriften... was dazu geführt hat, dass wir jetzt chinesische Modelle verwenden.

RT von @OpenMedFuture: Langsam, dann plötzlich: „Dies ist der höchste Single-Core-Score aller Consumer-PC-Prozessoren aller Zeiten und übertrifft die AMD Ryzen 9-Serie.“ (M5 Max übertraf auch Multicore-Benchmarks)

RT by @OpenMedFuture: Wij missen duiders zoals de Franse oud-minister van buitenlandse zaken Hubert Védrine: ‘The conflict is now open to the international law, the world is no longer valid. Maar men blijft er over doorgaan omdat postmoderne Europeanen het niet kunnen accepteren dat het a fictie is, het botst met hun diepste overtuigingen.’

RT von @OpenMedFuture: Kommt zu MLX-Video🚀

RT von @OpenMedFuture: Apples KI-Plan ist viel DUNKLER und intelligenter als Sie denken. Und Gavin Baker hat gerade erklärt, warum. Er sagt, der eigentliche Grund für diesen KI-Boom sei weder eine Blase noch eine Rezession. Es ist Ihr iPhone. Baker sagt, dass in drei Jahren auf einem größeren iPhone eine abgespeckte Version eines Grenzmodells laufen kann. Stellen Sie sich zukünftige Gemini, Grok, ChatGPT mit 30–60 Token pro Sekunde vor, auf dem Gerät ist keine Cloud erforderlich und es ist kostenlos. Das ist genau die Strategie von Apple: Gewinnen Sie nicht den Modellkrieg, sondern werden Sie zum Vertreiber von KI. Machen Sie es privat, lokal und sicher. Wenn das passiert, berühren die meisten alltäglichen KI-Anwendungen Umschreiben, Zusammenfassen und grundlegendes Denken nie ein Rechenzentrum. Der KI-Investitionsboom wird an der Quelle gestoppt. Modellbauer werden austauschbar und Apple besitzt das Gateway. Das ist der Bärenfall, vor dem Gavin warnt. Die eigentliche Bedrohung für den KI-Boom besteht nicht darin, dass die Modelle versagen. Es liegt daran, dass Apple sie auf Ihrem Telefon laufen lässt und die gesamte Leistung für sich behält.

RT von @OpenMedFuture: Sind Sie jemals in Spanien ohne Strom, Konnektivität oder Zugang zu Cloud-Diensten festgefahren und mussten sich auf #Lama verlassen, um ein Krankenhaus zu finden und sich im örtlichen Gesundheitswesen zurechtzufinden? Nun, Bart de Witte von @OpenMedFuture hat... http://www.youtube.com/watch?v=Qz7ZKrVn2gc

R an @OpenMedFuture: @christianmiele möchte uns beim Aufbau dieser Zukunft unterstützen? Würde mich freuen, mit Ihnen zu sprechen!

🌡️ KI-Revolution im Gesundheitswesen freigeschaltet – 📷 Manjeet Singh @8maderix hat gerade den fehlenden Teil für datenschutzorientierte, verteilte medizinische Informationen entfernt. Dies ist das fehlende Glied für die dezentrale, private KI-Zukunft im Gesundheitswesen, die wir @isaree_ai aufbauen, und es passt perfekt. Krankenhäuser und Forscher: Ihre Flotte unbenutzter Macs ist gerade zu einem Supercomputer für die Arzneimittelforschung, personalisierte Medizin und Modelle seltener Krankheiten geworden. Vollständiges neuronales Netzwerktraining + Backpropagation läuft jetzt direkt auf Apples Neural Engine (Chips der M-Serie) Die Zahlen sind der Wahnsinn: M4 ANE erreicht etwa 6,6 TFLOPS pro Watt – 80-mal effizienter als ein NVIDIA A100. Das ist kein Hype. Keine „nur schlussfolgernde“ Einschränkung mehr. Aber das Wichtigste für das Gesundheitswesen ist Folgendes: Er verknüpft dies ausdrücklich mit einer echten Infrastruktur für verteiltes Lernen Ärzte, Krankenhäuser, Forschungslabore und sogar Heimanwender können jetzt bis zu 100-fache Einnahmen aus ungenutzter Rechenleistung erzielen, während die Patientendaten zu 100 % auf dem Gerät verbleiben. Warum dies für die Medizin enorm ist: Echtes föderiertes Lernen für sensible Daten (EHRs, Bildgebung, Genomik), verlässt nie den Mac, perfekte HIPAA/GDPR-Konformität.

Ist die Zukunft der KI dezentral?