Für Korea scheint das Problem nicht allzu groß zu sein.
Nach Angaben des Verkehrsministeriums und der Luftfahrtbranche betreiben unter den inländischen Fluggesellschaften sechs Airlines Passagierflugzeuge der A320-Familie: Korean Air (18 Maschinen), Asiana Airlines (24), Air Busan (21), Air Seoul (6), Aero K (9) und Parata Air (2)
Davon fallen 42 Maschinen unter diesen Rückruf; es gibt jedoch keine älteren Modelle darunter, bei denen zusätzlich ein 3 bis 4 Stunden dauernder Hardwaretausch erforderlich wäre
Laut Verkehrsministerium können bei allen vom Rückruf betroffenen Passagierflugzeugen die notwendigen Maßnahmen per Software-Update im Cockpit innerhalb von 1 Stunde abgeschlossen werden; Stand 30.11., 6 Uhr, hatten 40 von 42 Maschinen (95 %) das Update abgeschlossen
Ich versuche gerade ernsthaft, von Windows wegzukommen, habe mir deshalb diesmal ein UMPC gekauft und nutze Bazzite — und ich bin sehr zufrieden. Bei der koreanischen Eingabe war KDE etwas schwierig, daher bin ich zu einer GNOME-Umgebung gewechselt; sie fühlt sich Mac-ähnlich an und gefällt mir sehr. GPT hilft mir dabei sehr.
Es wäre gut, wenn ein System so mit ausreichend Spielraum und flexibel aufgebaut wäre, dass es eine gute Qualität liefern kann. Und verglichen mit einer Zeit, in der Organisationsentwicklung und Entwicklungsmethodik deutlich weniger ausgereift waren als heute, ist das im Durchschnitt sicherlich auch so.
Für mich klingt das allerdings so, als würde jemand mit einem übersteigerten Selbstbild als Ingenieur, aber mit zu wenig Verantwortungsbewusstsein als Mitglied einer Organisation, all das damit entschuldigen, dass nicht er selbst schuld sei, sondern das Management.
Haben Bauingenieure, Industriedesigner und Animatoren keine Deadlines und werden nicht nach Produktivität, sondern nur nach Kreativität und Qualität bewertet, während ausgerechnet nur Programmierer Deadlines haben?
Meiner Erfahrung nach schreiben Menschen mit soliden Kenntnissen in CS, insbesondere in PLT, am Ende in nahezu jeder Umgebung vergleichsweise besseren Code.
Auch ohne besonders herausragendes Wissen liefert jemand, der nur die grundlegendsten Prinzipien versteht, mit genügend Zeit und in vertrautem Code immerhin eine gewisse Codequalität ab. Wenn man n-mal refaktoriert, sieht selbst von einer KI geschriebener Code irgendwann einigermaßen plausibel aus.
Es gibt aber auch viele, die selbst dann, wenn sie sich ewig an einer Codebasis festbeißen, trotz angeblich 20 Jahren Berufserfahrung nichts anderes können, als Spaghetti-Code zu produzieren, und nicht einmal verstehen, warum man das nicht tun sollte.
Solange man nicht in einer perfekten Umgebung mit unbegrenzter Zeit und unbegrenztem Budget arbeitet, wirkt das auf mich wie eher leeres Gerede ohne große praktische Bedeutung. Ist das nicht in jeder Epoche und in jedem Beruf im Grunde dasselbe?
Im selben System besseren Code zu schreiben, ist ganz offensichtlich tatsächlich die Fähigkeit eines Engineers.
Die hier geposteten Beiträge bewegen sich meist in einem etwas anderen Umfeld als bestimmte Perspektiven oder Erfahrungen des heimischen SI-Marktes, in dem sogar das OCP oft ignoriert wird.
Wie dem auch sei, Linus Torvalds ist kein Junior ...
Gemini:
Ja, die Verwendung einer Vektordatenbank (Vector Database) in RAG (Retrieval-Augmented Generation) hat ihre konzeptionelle Grundlage seit der ersten Veröffentlichung einschlägiger Arbeiten im Jahr 2020.
RAG kombiniert grundsätzlich Retrieval und Generation, wobei in diesem Retrieval-Schritt Vektor-Embeddings und eine Vektordatenbank, die diese effizient speichert und durchsucht, eine unverzichtbare Rolle spielen.
💡 Ausgangspunkt von RAG und Vector DB
Die Idee, dass RAG eine Vector DB benötigt, geht von den folgenden zentralen Arbeiten und Konzepten aus.
Die Entstehung von RAG: die Arbeit von Lewis et al. (2020)
Titel der Arbeit: "Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks"
Kerngedanke: In dieser Arbeit wurden der Begriff und das Framework von RAG erstmals vorgestellt.
Rolle des Retrievers: Das in der Arbeit vorgeschlagene RAG-Modell besteht aus Retriever und Generator. Der Retriever durchsucht große Datensätze wie Wikipedia nach zur Anfrage passenden Dokumenten (latent documents).
Verwendung eines Vektorindex: Dieses frühe RAG-Modell nutzte zum Durchsuchen von Dokumenten einen Vektorindex (Vector Index) im Datensatz, damit ein vortrainierter Retriever (pretrained retriever) Dokumente abrufen konnte.
Fazit: Da der zentrale Retrieval-Schritt von RAG die Ähnlichkeit auf Basis der Vektorrepräsentationen von Anfrage und Dokumenten berechnet, war das Konzept eines Vector Store oder Vektorindex für effiziente Suche implizit unverzichtbar.
Vektor-Embeddings und Ähnlichkeitssuche
Der grundlegende Grund, warum eine Vektordatenbank zu einem wesentlichen Bestandteil von RAG geworden ist, ist folgender.
Embedding: In einem RAG-System werden sowohl externes Wissen (Dokumente, Texte) als auch die Benutzeranfrage (Frage) in mathematische Repräsentationen namens Vektoren (Vector) umgewandelt. Diese Vektoren stellen die Bedeutung von Text als dichte Zahlenarrays in einem hochdimensionalen Raum dar.
Similarity Search: Im Vektorraum bedeutet das Finden der Dokumentvektoren mit dem geringsten Abstand zum Anfragevektor, die semantisch relevantesten Dokumente zu finden.
Rolle der Vector DB: Eine Vektordatenbank ist eine spezialisierte Datenbank, die eine große Anzahl solcher Dokumentvektoren speichert und für einen gegebenen Anfragevektor die ähnlichsten Vektoren schnell und effizient findet. Daher ist sie essenziell, um die Retrieval-Leistung von RAG zu maximieren.
Zusammenfassung: Warum eine Vector DB nötig ist
Damit ein LLM auf aktuelles oder domänenspezifisches Wissen zugreifen kann, das es nicht gelernt hat, muss es Informationen nicht über bloßes Keyword-Matching (traditionelle Suche), sondern auf Basis semantischer Ähnlichkeit finden. Die Vector DB ist eine zentrale Technologie, die sich deshalb auf natürliche Weise in das RAG-Framework integriert hat, um diese semantisch basierte Suche effizient auszuführen.
Was für ein verdammter Unsinn das alles ist ... Von schlechtem Code oder gutem Code zu reden, ist etwas, worüber Junioren schwätzen; viel wichtiger ist doch, ob es einen Senior gibt oder nicht, der Softwarearchitektur passend zu der jeweiligen Branche wirklich gut kann..
Werbung ist nur der Anfang und wird eine User Experience bieten, die zum Kauf von Produkten und Dienstleistungen führt. Wer weiß. Vielleicht bieten sie sogar Worldcoin an.
Das Budget war so üppig, dass die Absagequote bei der kostenlosen Teilnahme zu über 50 Prozent stieg. Da melden sich Leute einfach ohne jegliche Überlegung an und kommen dann einfach nicht...
> Ich bin kein Entwickler, also kenne ich die internen Umstände nicht, aber ich habe das Gefühl, dass Software früher nicht auf diese Weise entwickelt oder betrieben wurde. Es wirkte, als gäbe es mehr „Erwachsene“, die vorsichtiger darauf bedacht waren, Probleme zu vermeiden.
> Wenn man bedenkt, dass all diese Debatten schon seit Ewigkeiten unzählige Male geführt wurden, möchte ich nicht allzu skeptisch sein.
Der Wechsel von Assembler zu höheren Programmiersprachen, die Einführung von OOP, Komponentenarchitekturen/COM/CORBA, das Aufkommen des Webbrowsers, die Einführung von Java usw. – 2018 war nicht der „Beginn des Niedergangs“, sondern nur einer von vielen Datenpunkten, die sich seit Langem aneinanderreihen.
Wenn ich einmal widersprechen darf: Die Person, die den Kommentar geschrieben hat, scheint die im eigentlichen Beitrag beschriebene Problemdefinition nicht verstanden zu haben. Der oben erwähnte Wechsel zu High-Level-Sprachen hat überhaupt nichts mit den durch KI generierten Schwachstellen im Code oder mit einer Struktur zu tun, in der keine Senior Engineers hervorgebracht werden können. Vielmehr hat der Kommentator mit seinem eigenen Kommentar am Ende selbst die Probleme des Haupttexts bestätigt. Es geht um die Bedeutung von Engineering, aber offenbar mag die Person anspruchsvolles Engineering nicht, will es auch nicht lernen und bringt deshalb zu viele Ausreden vor. Viel zu viel Gerede.
Stimme ich im Großen und Ganzen zu
Vor allem Context Switching? Man stellt einen Prompt und während der Wartezeit geht der Fokus verloren, was die Produktivität senkt. Wenn LLMs schneller werden und sofort reagieren, könnte sich das vielleicht lösen.
Der Text selbst wirkt stark so, als sei das Fazit schon vorher festgelegt worden. Das Problem, dass Entwickler:innen ihre Ownership verlieren, liest sich unabhängig von LLMs eher als eine Geschichte von der „Ära des Handwerksgeists vs. der Ära der Industrialisierung“.
Für Korea scheint das Problem nicht allzu groß zu sein.
Airbus A320 – starke Sonneneinstrahlung kann möglicherweise Kerndaten der Flugsteuerung beschädigen
Ich versuche gerade ernsthaft, von Windows wegzukommen, habe mir deshalb diesmal ein UMPC gekauft und nutze Bazzite — und ich bin sehr zufrieden. Bei der koreanischen Eingabe war KDE etwas schwierig, daher bin ich zu einer GNOME-Umgebung gewechselt; sie fühlt sich Mac-ähnlich an und gefällt mir sehr. GPT hilft mir dabei sehr.
Ob Vektor-DB oder was auch immer: Eigentlich müsste es doch reichen, einfach nur die Suche zu implementieren ...
Es wäre gut, wenn ein System so mit ausreichend Spielraum und flexibel aufgebaut wäre, dass es eine gute Qualität liefern kann. Und verglichen mit einer Zeit, in der Organisationsentwicklung und Entwicklungsmethodik deutlich weniger ausgereift waren als heute, ist das im Durchschnitt sicherlich auch so.
Für mich klingt das allerdings so, als würde jemand mit einem übersteigerten Selbstbild als Ingenieur, aber mit zu wenig Verantwortungsbewusstsein als Mitglied einer Organisation, all das damit entschuldigen, dass nicht er selbst schuld sei, sondern das Management.
Haben Bauingenieure, Industriedesigner und Animatoren keine Deadlines und werden nicht nach Produktivität, sondern nur nach Kreativität und Qualität bewertet, während ausgerechnet nur Programmierer Deadlines haben?
Meiner Erfahrung nach schreiben Menschen mit soliden Kenntnissen in CS, insbesondere in PLT, am Ende in nahezu jeder Umgebung vergleichsweise besseren Code.
Auch ohne besonders herausragendes Wissen liefert jemand, der nur die grundlegendsten Prinzipien versteht, mit genügend Zeit und in vertrautem Code immerhin eine gewisse Codequalität ab. Wenn man
n-mal refaktoriert, sieht selbst von einer KI geschriebener Code irgendwann einigermaßen plausibel aus.Es gibt aber auch viele, die selbst dann, wenn sie sich ewig an einer Codebasis festbeißen, trotz angeblich 20 Jahren Berufserfahrung nichts anderes können, als Spaghetti-Code zu produzieren, und nicht einmal verstehen, warum man das nicht tun sollte.
Solange man nicht in einer perfekten Umgebung mit unbegrenzter Zeit und unbegrenztem Budget arbeitet, wirkt das auf mich wie eher leeres Gerede ohne große praktische Bedeutung. Ist das nicht in jeder Epoche und in jedem Beruf im Grunde dasselbe?
Im selben System besseren Code zu schreiben, ist ganz offensichtlich tatsächlich die Fähigkeit eines Engineers.
Die hier geposteten Beiträge bewegen sich meist in einem etwas anderen Umfeld als bestimmte Perspektiven oder Erfahrungen des heimischen SI-Marktes, in dem sogar das OCP oft ignoriert wird.
Wie dem auch sei, Linus Torvalds ist kein Junior ...
Gemini:
Ja, die Verwendung einer Vektordatenbank (Vector Database) in RAG (Retrieval-Augmented Generation) hat ihre konzeptionelle Grundlage seit der ersten Veröffentlichung einschlägiger Arbeiten im Jahr 2020.
RAG kombiniert grundsätzlich Retrieval und Generation, wobei in diesem Retrieval-Schritt Vektor-Embeddings und eine Vektordatenbank, die diese effizient speichert und durchsucht, eine unverzichtbare Rolle spielen.
💡 Ausgangspunkt von RAG und Vector DB
Die Idee, dass RAG eine Vector DB benötigt, geht von den folgenden zentralen Arbeiten und Konzepten aus.
Der grundlegende Grund, warum eine Vektordatenbank zu einem wesentlichen Bestandteil von RAG geworden ist, ist folgender.
Zusammenfassung: Warum eine Vector DB nötig ist
Damit ein LLM auf aktuelles oder domänenspezifisches Wissen zugreifen kann, das es nicht gelernt hat, muss es Informationen nicht über bloßes Keyword-Matching (traditionelle Suche), sondern auf Basis semantischer Ähnlichkeit finden. Die Vector DB ist eine zentrale Technologie, die sich deshalb auf natürliche Weise in das RAG-Framework integriert hat, um diese semantisch basierte Suche effizient auszuführen.
Was für ein verdammter Unsinn das alles ist ... Von schlechtem Code oder gutem Code zu reden, ist etwas, worüber Junioren schwätzen; viel wichtiger ist doch, ob es einen Senior gibt oder nicht, der Softwarearchitektur passend zu der jeweiligen Branche wirklich gut kann..
Werbung ist nur der Anfang und wird eine User Experience bieten, die zum Kauf von Produkten und Dienstleistungen führt. Wer weiß. Vielleicht bieten sie sogar Worldcoin an.
Wer hat eigentlich in die Welt gesetzt, dass man für RAG eine Vektor-DB braucht …
Das hat unglaublich viel Spaß gemacht zu lesen. Ich würde mich freuen, wenn Sie weiterhin solche Inhalte veröffentlichen würden, haha.
Scheint nützlich zu sein, wenn man eine Funktion wie
processorin filebeat implementieren möchte..https://www.elastic.co/docs/reference/beats/filebeat/processor-script
Das Budget war so üppig, dass die Absagequote bei der kostenlosen Teilnahme zu über 50 Prozent stieg. Da melden sich Leute einfach ohne jegliche Überlegung an und kommen dann einfach nicht...
> Ich bin kein Entwickler, also kenne ich die internen Umstände nicht, aber ich habe das Gefühl, dass Software früher nicht auf diese Weise entwickelt oder betrieben wurde. Es wirkte, als gäbe es mehr „Erwachsene“, die vorsichtiger darauf bedacht waren, Probleme zu vermeiden.
Es scheint, als wäre er nicht einmal Entwickler..
> Wenn man bedenkt, dass all diese Debatten schon seit Ewigkeiten unzählige Male geführt wurden, möchte ich nicht allzu skeptisch sein.
Der Wechsel von Assembler zu höheren Programmiersprachen, die Einführung von OOP, Komponentenarchitekturen/COM/CORBA, das Aufkommen des Webbrowsers, die Einführung von Java usw. – 2018 war nicht der „Beginn des Niedergangs“, sondern nur einer von vielen Datenpunkten, die sich seit Langem aneinanderreihen.
Wenn ich einmal widersprechen darf: Die Person, die den Kommentar geschrieben hat, scheint die im eigentlichen Beitrag beschriebene Problemdefinition nicht verstanden zu haben. Der oben erwähnte Wechsel zu High-Level-Sprachen hat überhaupt nichts mit den durch KI generierten Schwachstellen im Code oder mit einer Struktur zu tun, in der keine Senior Engineers hervorgebracht werden können. Vielmehr hat der Kommentator mit seinem eigenen Kommentar am Ende selbst die Probleme des Haupttexts bestätigt. Es geht um die Bedeutung von Engineering, aber offenbar mag die Person anspruchsvolles Engineering nicht, will es auch nicht lernen und bringt deshalb zu viele Ausreden vor. Viel zu viel Gerede.
Der wichtigste Ratschlag ganz unten ist wirklich Gold wert.
Stimme ich im Großen und Ganzen zu
Vor allem Context Switching? Man stellt einen Prompt und während der Wartezeit geht der Fokus verloren, was die Produktivität senkt. Wenn LLMs schneller werden und sofort reagieren, könnte sich das vielleicht lösen.
Kopf hoch, Naver Cloud!
Der Text selbst wirkt stark so, als sei das Fazit schon vorher festgelegt worden. Das Problem, dass Entwickler:innen ihre Ownership verlieren, liest sich unabhängig von LLMs eher als eine Geschichte von der „Ära des Handwerksgeists vs. der Ära der Industrialisierung“.