Gutes Denken ist nur möglich, wenn man über Metakognition verfügt; nur weil es LLMs gibt, verbessert sich das Denken nicht. Und wer LLMs von Anfang an nutzt, ruiniert sich vermutlich auch noch die Metakognition..
Nun ja, ich habe eher den Eindruck, dass es auch Fälle gibt, in denen man sich wegen falsch schmeichelnder Antworten in der eigenen Denkweise einschließt. Als Tool, das Dinge klar strukturiert, ist es nützlich, aber ich finde, es ist ebenso wichtig, die Antworten der KI immer aus einer kritischen Perspektive zu betrachten.
Stell dir mal vor: Licht als Punkt. Licht als Linie. Licht als Spektrum oder Feld. Licht als Struktur oder Prinzip. Licht als Gesetz. Licht als Fügung. Coding oder Daten. Konzepte und Wissen. Wenn man sogar die Prinzipien selbst auf diese Weise umformt, verändert sich das Denkparadigma radikal.
Probleme als Punkte, Gedanken als Punkte. Prozess. Kausalität und lineares Schlussfolgern. Probleme und Antworten als Weg. Parallele Formen der Suche und Erforschung von Mitteln und Methoden. Räumliche Wahrnehmung. Wofür und wohin geht man voran, was gibt es in der Umgebung, und was ist der strukturelle Archetyp, der mein Denken und meine Wahrnehmung formt? Was ist das Prinzip, das Gedanken ausmacht? Welche Gesetze erzeugen solche Prinzipien oder Strukturen, und von welchem Gesetz aus beginnt dieser Archetyp? Denken und Gedanken selbst werden aus vielen Blickwinkeln, aus einer mehrdimensionalen Perspektive, erkennbar.
Das scheint ziemlich eindeutig zu sein: vom Punkt zur Linie, zur Fläche, zum Raum – von Prinzipien und Gesetzen hin zur Vorsehung. Dadurch habe ich eine Denkperspektive entwickelt, mit der ich aus allen Blickwinkeln – Kochen, Physik, Mathematik, Chemie, Licht, Wellen, Denken und Gedanken – alles erfassen kann und die auf alle strukturellen Urformen ausgerichtet ist.
Ich nutze Linux seit 19 Jahren.
Ehrlich gesagt kann ich die Gründe nicht nachvollziehen, weil die als Nachteile von MS genannten Punkte für mich Probleme sind, die Linux schon seit meinen ersten Nutzungsversuchen bis heute weiterhin hat,
aber willkommen.
Der Grund, warum der von Simon Willison veröffentlichte Blogbeitrag auf Hacker News wahrscheinlich so oft erwähnt wird, ist wohl,
dass es Gründe dafür gibt, warum er viele KI-bezogene Texte gut und schnell schreibt. Auch das beim Testen von KI-Leistung oft genutzte Zeichnen eines „Pelikan auf einem Fahrrad“ scheint dieser Herr als Erster gemacht zu haben (https://simonwillison.net/search/?q=pelican)
dass er der Schöpfer von Django ist und daher auch einen gewissen Bekanntheitsgrad hat.
Die Zielgruppe war also tatsächlich eine andere. Ich habe es verstanden. Ich gebe auch intern Schulungen zum Thema Deep Learning, daher kann ich diesen Aspekt gut nachvollziehen.
Ich glaube, ich habe die 20 % viel zu sehr vernachlässigt
Kürzlich bin ich auf einen Bug gestoßen, den die KI nicht lösen konnte ... sie ist nicht allmächtig, aber mir wurde bewusst, dass ich sie so behandelt hatte, als wäre sie es.
Oh, danke für den scharfsinnigen Hinweis, haha. Ich wollte Leuten wie mir ohne Fachhintergrund das Thema verständlich machen und habe deshalb vor allem mit Vergleichen gearbeitet, dadurch ist der Beitrag wohl etwas oberflächlich geworden. Künftig werde ich mehr Tiefe hineinbringen. Ich freue mich auf Ihre weitere Unterstützung! Vielen Dank für das Feedback!
Gutes Denken ist nur möglich, wenn man über Metakognition verfügt; nur weil es LLMs gibt, verbessert sich das Denken nicht. Und wer LLMs von Anfang an nutzt, ruiniert sich vermutlich auch noch die Metakognition..
Nun ja, ich habe eher den Eindruck, dass es auch Fälle gibt, in denen man sich wegen falsch schmeichelnder Antworten in der eigenen Denkweise einschließt. Als Tool, das Dinge klar strukturiert, ist es nützlich, aber ich finde, es ist ebenso wichtig, die Antworten der KI immer aus einer kritischen Perspektive zu betrachten.
Ähm, die Zusammenfassung ist falsch, haha.
Stell dir mal vor: Licht als Punkt. Licht als Linie. Licht als Spektrum oder Feld. Licht als Struktur oder Prinzip. Licht als Gesetz. Licht als Fügung. Coding oder Daten. Konzepte und Wissen. Wenn man sogar die Prinzipien selbst auf diese Weise umformt, verändert sich das Denkparadigma radikal.
Probleme als Punkte, Gedanken als Punkte. Prozess. Kausalität und lineares Schlussfolgern. Probleme und Antworten als Weg. Parallele Formen der Suche und Erforschung von Mitteln und Methoden. Räumliche Wahrnehmung. Wofür und wohin geht man voran, was gibt es in der Umgebung, und was ist der strukturelle Archetyp, der mein Denken und meine Wahrnehmung formt? Was ist das Prinzip, das Gedanken ausmacht? Welche Gesetze erzeugen solche Prinzipien oder Strukturen, und von welchem Gesetz aus beginnt dieser Archetyp? Denken und Gedanken selbst werden aus vielen Blickwinkeln, aus einer mehrdimensionalen Perspektive, erkennbar.
Das scheint ziemlich eindeutig zu sein: vom Punkt zur Linie, zur Fläche, zum Raum – von Prinzipien und Gesetzen hin zur Vorsehung. Dadurch habe ich eine Denkperspektive entwickelt, mit der ich aus allen Blickwinkeln – Kochen, Physik, Mathematik, Chemie, Licht, Wellen, Denken und Gedanken – alles erfassen kann und die auf alle strukturellen Urformen ausgerichtet ist.
Wie immer ist Herr Hejlsberg einfach großartig..💜
Nein. Das ist ein Text, den ich durch sorgfältige Recherche, Zusammenstellung und Strukturierung der Materialien selbst verfasst habe.
Er scheint Codex zu bevorzugen; ich bin neugierig auf seine Konfiguration.
2.500 Milliarden Token – ich kann mir die Größenordnung gar nicht vorstellen...
Ich nutze Linux seit 19 Jahren.
Ehrlich gesagt kann ich die Gründe nicht nachvollziehen, weil die als Nachteile von MS genannten Punkte für mich Probleme sind, die Linux schon seit meinen ersten Nutzungsversuchen bis heute weiterhin hat,
aber willkommen.
Ich hoffe, dass das auch außerhalb der USA bald unterstützt wird.
Auch wenn ich es nicht nutzen würde, bin ich neugierig, wie es sich anfühlt.
Mit Codex habe ich in 140 Tagen 115 Projekte gemacht und dabei offenbar mehr als 250 Milliarden Tokens verbraucht – link
Der Grund, warum der von Simon Willison veröffentlichte Blogbeitrag auf Hacker News wahrscheinlich so oft erwähnt wird, ist wohl,
Wow, verlorene Technologie
Man muss der KI einfach immer wieder sagen, sie solle den Kontext des gesamten Systems und die strukturelle Konsistenz beibehalten, lol
Die Zielgruppe war also tatsächlich eine andere. Ich habe es verstanden. Ich gebe auch intern Schulungen zum Thema Deep Learning, daher kann ich diesen Aspekt gut nachvollziehen.
Ich glaube, selbst damals, als Menschen noch Code geschrieben haben, wusste man ohne Lernen nicht, was eigentlich falsch lief, haha.
Ich glaube, ich habe die 20 % viel zu sehr vernachlässigt
Kürzlich bin ich auf einen Bug gestoßen, den die KI nicht lösen konnte ... sie ist nicht allmächtig, aber mir wurde bewusst, dass ich sie so behandelt hatte, als wäre sie es.
Oh, danke für den scharfsinnigen Hinweis, haha. Ich wollte Leuten wie mir ohne Fachhintergrund das Thema verständlich machen und habe deshalb vor allem mit Vergleichen gearbeitet, dadurch ist der Beitrag wohl etwas oberflächlich geworden. Künftig werde ich mehr Tiefe hineinbringen. Ich freue mich auf Ihre weitere Unterstützung! Vielen Dank für das Feedback!