home » news » die macht der ki: einblicke und erkenntnisse vom dld ai summit

Die Macht der KI: Einblicke und Erkenntnisse vom DLD AI Summit

Von KI in der Musikindustrie über die Regulierung von KI-Technologien bis hin zur Demokratisierung von Generativer KI – so vielfältig wie die Themen auf dem DLD AI Summit, waren auch die geladenen Speaker.

Einer der Höhepunkte war der Auftritt von Songwriter und Musikproduzent Niclas Molinder, der die erstaunlichen Möglichkeiten von KI in der Musik vorführte, darunter eine einzigartige Interpretation von „Barbie Girl“, gesungen von Johnny Cash im Country-Stil.

Panel Talk Generative AI: Business or Feature?
Panel Talk zu Generative AI: Business or Feature?

Zeit für Wandel

Jonas Andrulis, CEO von Aleph Alpha, betonte, dass Europa sich nur dann mit den großen KI-Akteuren messen könne, wenn wir die Technologie in die Praxis umsetzen und starke Partnerschaften eingehen.

Doch wie sieht eine gute Steuerung aus? In der Diskussion um KI gibt es oft übertriebene Ängste und Panikmache. Deshalb geht es laut den Experten auch darum, die richtige Balance zwischen Förderung von Innovation und Regulierung aufkommender Technologien zu finden.

Der Journalist Adrian Monck erörterte im Chairman’s Fireside Chat die Zukunft des Journalismus. Man müsse den Wandel nicht nur akzeptieren, sondern vorantreiben und die Art und Weise ändern, wie wir Journalismus betreiben.

Zukunft der KI

Mark Surman von der Mozilla Foundation beleuchtete ein kritisches Thema: Fehlinformationen bei Wahlen. Er betonte das Potenzial von Open-Source-Lösungen, um dieses Problem anzugehen und uns in Richtung einer transparenteren und vertrauenswürdigeren Zukunft zu führen.

Björn Ommer, Professor an der LMU und Mitbegründer des Text-zu-Bild-Generators Stable Diffusion, teilte seine Mission, Generative KI zu demokratisieren und sie für den durchschnittlichen Nutzer zugänglicher zu machen. Die steigende Nachfrage nach Rechenleistung für das Training von KI-Modellen sei ein deutliches Zeichen für komplexere Aufgaben und die Notwendigkeit größerer Trainingsdatensätze. Dies stellt uns vor die Aufgabe, Ressourcenunabhängigkeit zu erreichen, effizientere Modelle zu entwickeln und die KI zu demokratisieren.