Mathematik, Mensch & KI/ML/DS: Zwischen Erfolg und Fail

Der vergessene Vibe von Offline-Events: das Meetup "KI im Gesundheitswesen" In letzter Zeit habe ich mich so sehr an Online-Events gewöhnt, dass ich fast vergessen habe, wie toll das gute alte Offline-Networking ist. Vor zwei Wochen war ich auf einem Meetup zum Thema „KI in Medizinprodukten“ in München. Live-Kommunikation hat einfach ein ganz anderes Energielevel! Ich habe mich riesig gefreut, viele coole Engineers und Founders aus dem Medizintechnik-Bereich persönlich kennenzulernen. 🤝 Die dort vorgestellten Projekte schienen mir von großem wissenschaftlichen, wirtschaftlichen und – nicht zuletzt – gesellschaftlichen Nutzen zu sein. Ich bereite eine kurze Zusammenfassung der spannendsten Insights für euch vor. Die werde ich direkt mit den Kontaktdaten der Gründer bald posten (die Gründer habe ich übrigens in unseren Kanal eingeladen, also heißt sie herzlich willkommen!). 👋 Bleibt dran, in den nächsten Tagen poste ich einpaar sehr spannende Projekte aus dem Medtech-Bereich mit Kontakten der Gründer! 👇

Hallo, vielen Dank für die herzliche Aufnahme in die Telegram-Gruppe. Ich freue mich sehr, hier dabei zu sein. Bitte entschuldigt mein Deutsch – ich lerne noch und würde daher für den Rest meiner Nachricht gerne auf Englisch wechseln. Hi everyone, A brief introduction about myself: I am currently pursuing a doctoral degree in Biomolecules, where I study the structure, function, and dynamics of proteins. More specifically, my research focuses on intrinsically disordered proteins (IDPs). Unlike most proteins, which adopt a well-defined three-dimensional structure, intrinsically disordered proteins lack a rigid structure due to the flexibility encoded in their amino acid sequences. While this may sound like a complex topic, the basic idea is quite simple. Just as DNA is composed of smaller molecular building blocks, proteins are made up of amino acids. The composition and arrangement of these amino acids determine how a protein folds and functions. While many proteins fold into stable structures, intrinsically disordered proteins remain flexible and dynamic. My research investigates how these proteins influence catalytic activities in a cyanobacterial organism. Cyanobacteria are photosynthetic microorganisms that are often found in lakes, rivers, and oceans and are sometimes described as algae-like due to their appearance and ecological role. That’s a brief overview of my work. Going forward, I look forward to sharing interesting topics and insights from my research, as well as other fascinating subjects in biology that may be of interest to the group. Thank you again for the warm welcome. If you have any questions, feel free to ask—I would be happy to discuss them. 😀

Hallo zusammen, lasst uns Duhita in unserem Kanal willkommen heißen! Sie macht gerade ihren Doktor in Biologie und forscht an wirklich spannenden Themen. Duhita, erzählst du uns ein bisschen was über deinen Bereich? Danke im Voraus! 👇👇👇

Das ist mal ein ungewöhnlicher Karriereweg! 🙃

Zu schlau zu sein, ist ein teures Vergnügen. Die Krypto-Plattform Moonwell hat gemeinsam mit der KI Claude ein System zur Preisberechnung entwickelt, das im Februar versagte: Aufgrund eines Fehlers in der Formel wurde der interne Kurs nicht korrekt in den Marktwert umgerechnet. Das Ergebnis: Trading-Bots nutzten die Differenz blitzschnell aus und kauften Assets für ca. 1,12$ statt der eigentlichen 2.200$. Der Schaden beläuft sich auf 1,78 Millionen $. Schnelle Entwicklung mit KI spart zwar Zeit, aber die Software muss nach wie vor gründlich getestet werden. Während die einen fürchten, dass KI die Welt übernimmt, macht die KI manchmal einfach Fehler bei simplen Rechnungen. Eine teure Lektion in Arithmetik für Moonwell... #WirtschaftUndFinanzen #SoftwareQuality #KI

Vorheriger Teil 👆 3/3 Die technische Unvollkommenheit des Chips führen zur Unfähigkeit, sich vollständig vom Makrokosmos abzuschirmen. Damit Qubits länger stabil bleiben, wird der Prozessor auf Temperaturen gekühlt, die niedriger sind als im offenen Weltraum — aber selbst das reicht nicht für perfekte Isolation.Trotzdem zeigen 94 % Treffer in '00' und '11': Die Verschränkung hat gehalten! Wir haben gezielt Teilchen im realen physikalischen Raum synchronisiert! 🤯🤯🤯 Schon cool, dass man das heute bequem von der Couch aus über die Cloud machen kann, oder? 🚀

Anfang🖕 2/3 Und hier ist der Unterschied zwischen Theorie und Realität (siehe das Bild)! Im Gegensatz zum Simulator sehen wir auf einem echten Quantenchip ibm_marrakesh Rauschen: die Zustände '01' und '10'. Das ist das „Echo“ unserer makroskopischen Welt, das versucht, die Quantenmagie zu stören. Warum passiert das? Das liegt daran, dass Qubits extrem empfindlich sind. Jeder äußere Einfluss — minimale Temperaturschwankungen, elektromagnetisches Rauschen von benachbarten Kabeln oder sogar vorbeifliegende Teilchen kosmischer Strahlung — „spioniert“ das Qubit aus. Das führt dazu, dass es seine Quanteneigenschaften vorzeitig verliert (ein Phänomen, das man Dekohärenz nennt). Fortsetzung 👇

💻 Quantumcomputing über die Cloud auf Quantenprozessoren von IBM: Wir testen Quantenverschränkung in der Praxis und reisen durch verschiedene Universen 💥 1/3 Wusstet ihr, liebe Kollegen, dass man heute kein Mitarbeiter eines geheimen Labors mehr sein muss, um mit einem Quantenprozessor zu arbeiten? So stellt zum Beispiel IBM offenen Cloud-Zugang zu seinen Quantenprozessoren bereit. Dadurch kann man Code auf echten Qubits ausführen und mit eigenen Augen Quanteneffekte sehen, die unserer alltäglichen Logik widersprechen. Es gibt 10 Minuten Quantencomputing pro Monat kostenlos. Danach kostet jede Sekunde etwa 1,6$. „Hello World“ des Quantencomputings im folgenden Google-Colab-Notebook: https://colab.research.google.com/drive/1t_idP6yKeUvUWn-J7H5ydMk2BvqtOCPR?usp=sharing Hier verwende ich einen Simulator, um die kostenlosen 10 Minuten nicht für das Erlernen der Bibliotheken und fürs Debugging zu verschwenden. Wenn ihr euch jedoch registriert und das Ganze mit eurem IBM-Access-Token auf einem echten Quantenchip ausführt, werdet ihr einen gewissen Unterschied zwischen Simulation und Quantenrealität feststellen. Der Simulator ist ideal: Dort erhaltet ihr ein „sauberes“ Ergebnis. Ein echter Chip hingegen „rauscht“ aufgrund von Wärme und der Unvollkommenheit der Materie, weshalb ihr kleine Abweichungen seht — das ist sozusagen die „Handschrift“ der physikalischen Welt. Was macht der oben gezeigte „Hello Quantum World“-Code? 1️⃣Er erzeugt eine Superposition: Wir haben zwei Qubits. Das erste Qubit wird in einen Zustand versetzt, in dem es gleichzeitig 0 und 1 ist. Solange wir es nicht messen, existiert es in allen Möglichkeiten gleichzeitig. Das ist so, als würde man eine Münze auf der Kante drehen — solange sie sich dreht, ist sie weder Kopf noch Zahl. 2️⃣Er verschränkt das System: Wir koppeln die Qubits miteinander. Jetzt bilden sie eine Einheit. Was auch immer mit dem einen passiert, betrifft sofort auch das andere. 3️⃣Er lässt die Realität kollabieren: Das ist der dramatischste Moment. In der Physik nennt man das den Kollaps der Wellenfunktion. Solange wir nicht messen, sind die Qubits „alles und nichts zugleich“. Die Messung zwingt die Natur, eine konkrete Möglichkeit auszuwählen. Es ist, als würden wir mit der Hand auf die rotierende Münze schlagen und sie so in einer festen Position stoppen. Was hat das mit dem Multiversum zu tun? Wenn man David Deutsch Glauben schenkt, einem der Mitbegründer der Quantenalgorithmen und der Viele-Welte-Interpretation der Quantenmechanik, dann ist dieser Code nicht nur ein mathematischer Trick, sondern ein Zugang zum Multiversum. Das Ergebnis, das ihr im Code seht — {'11': 524, '00': 500} — ist ein Bericht aus 1024 parallelen Universen. In 500 davon seht ihr Nullen, in 524 Einsen. Aufgrund der Verschränkung sind beide Qubits immer gleich: entweder beide 0 oder beide 1. In jeder der 1024 Welten sind die Bits gleich, aber ihr Wert hängt vom jeweiligen Universum ab. Deutsch behauptet: Um euch in Sekundenbruchteilen ein Ergebnis zu liefern, verteilt ein Quantencomputer die Berechnung auf eine enorme Anzahl paralleler Universen. Wenn sich ein Qubit in Superposition befindet, existiert es buchstäblich gleichzeitig in mehreren Versionen der Realität. Das Ergebnis {'11': 524, '00': 500} ist somit gewissermaßen ein Bericht aus 1024 parallelen Welten, die sich für einen kurzen Moment in eurem Browser überlagern, um euch die richtige Antwort zu liefern. Heute kann jeder mit Internetzugang diese Struktur der Realität berühren und einen Prozess starten, der physikalisch jenseits unserer sichtbaren Welt stattfindet. 🌀 Fortsetzung👇 #QuantumComputing #IBMQuantum #Physik #Python #Qiskit #Multiversum

Und dann kam der Lehrer. Der Physikprofessor Philipp von Jolly. Der junge Mann hatte keine Lust auf Experimente – Mathe lief ja gut – und fragte den Professor: „Meister, ich möchte in die theoretische Physik gehen, da braucht man doch nur Gehirn und Bleistift. Naja, und Papier… obwohl notfalls auch die Tischplatte reicht. Und Wände hat man ja auch im Zimmer.“ Und der Meister sagte: „Mein Schüler! Verderbe dir nicht dein Leben, zerstöre nicht deine wissenschaftliche Karriere. In der theoretischen Physik ist schon alles entdeckt! Nur noch ein paar Rechnungen fertigstellen, ein paar dunkle Ecken aufräumen – und fertig ist der glänzende Tempel der theoretischen Physik. Alles wurde schon vor dir gemacht – Ruhm wirst du keinen bekommen!“ Und ihr dachtet jetzt, der Junge wäre traurig gewesen? Ganz im Gegenteil – er war begeistert: „Genau das brauche ich! Ein paar bescheidene Rechnungen, ein bisschen Feinschliff – das ist genau mein Ding, Meister!“ Und eine Aufgabe fand sich auch: ein Gedankenexperiment eines seiner Lehrer, Gustav Kirchhoff – der sogenannte schwarze Körper. Er absorbiert sämtliche auf ihn fallende Strahlung und sendet selbst Strahlung aus (übrigens ist die Sonne eine ziemlich gute Annäherung an einen solchen schwarzen Körper). Ende des 19. Jahrhunderts hatten zwei spätere Nobelpreisträger, Wilhelm Wien und Lord Rayleigh, Formeln für das Spektrum dieser Strahlung aufgestellt. Aber sie passten überhaupt nicht zusammen: Wiens Formel stimmte für kurze Wellenlängen, die von Rayleigh für lange. Unser Held – inzwischen übrigens kein wirklicher „Jüngling“ mehr, sondern Anfang 40 – nimmt wieder seinen Bleistift zur Hand, um „ein bisschen nachzurechnen“. Doch am Ende stellte sich zwangsläufig heraus, dass ein schwarzer Körper Strahlung in Portionen abgeben muss. Und überhaupt jede Strahlung in Portionen abgegeben wird. In Quanten. „Verdammte Scheiße“, dachte der 42-jährige „Jüngling“. „Verdammte Scheiße“, dachten alle anderen Physiker. Jetzt musste man die gesamte theoretische Physik neu aufbauen. Ach ja – der „Jüngling“ hieß übrigens Max Planck. Hat sich da schön was eingebrockt. Auf dem Bild: Max Planck (c) https://t.me/patsanscience/57 #LernenVonKlassikern #GeschichteDerWissenschaft #HumorUndStyle

Geschichte der Wissenschaft auf lockere Art. Folge 2 „Der Lehrer hat gesagt!“ Vor langer, langer Zeit, in einer wissenschaftlichen Galaxie, lebte ein junger Mann auf der Suche nach seinem Weg. Sein Vater war Professor für Rechtswissenschaften, sein Großvater ein angesehener Theologe, und Onkel sowie andere Verwandte waren ebenfalls in Wissenschaft und Lehre tätig. Die Richtung seines Weges war also vorgegeben – man musste sie nur noch konkretisieren. Der Junge besuchte das Maximiliansgymnasium in München, wurde Klassenbester – und genau da tauchte der Lehrer auf. Naja, zunächst einfach ein Mathematiklehrer, der dem Jungen zeigte, dass er ein echtes Talent für Mathematik und Physik hatte. Zwar war er auch musikalisch begabt – sowohl am Klavier als auch im Gesang – aber mit dem Komponieren wollte es nicht so recht klappen, also entschied er sich für die Physik. 👇👇👇

Und wie versprochen, fast 🥲 pünktlich zum Wochenende – unsere Rubrik #LernenVonKlassikern! Diesmal lernen wir, wie wichtig es ist, tief in die Details einzutauchen und Rechnungen doppelt zu checken. Repost und Übersetzung ins Deutsche aus einem fantastischen Telegram-Kanal. Ich wünsche Euch allen ein wunderbares Wochenende! Ich weiß nicht, was ihr so geplant habt, liebe Kollegen, aber ich werde mir wohl selbst einen Tritt geben und endlich die Video-Vorlesung zur „Einführung in die Komplexitätstheorie“ aufnehmen. Aber bis dahin: #LernenVonKlassikern 👇👇👇

📐 Mathematisches Aufwärmtraining fürs Wochenende!🍷 Liebe Kollegen, zum Start ins Wochenende hier eine kleine Aufgabe für die Intuition. Es klingt nach einfacher Arithmetik, aber das Ergebnis lässt einen oft zweimal hinschauen. 🏎 Die Situation: Stellt euch vor, ihr müsst eine Strecke von insgesamt 200 km bewältigen (100 km hin und 100 km zurück). Hinfahrt: Ihr steckt im Verkehr und fahrt mit 40 km/h. Rückfahrt: Die Straße ist frei und ihr fahrt mit 60 km/h. ❓ Frage: Wie hoch ist eure Durchschnittsgeschwindigkeit für die gesamte Strecke (200 km)? 🧐 Wie berechnet man das? Die Intuition flüstert uns oft das arithmetische Mittel zu: (40 + 60) / 2 = 50 km/h. Doch die Durchschnittsgeschwindigkeit ist immer die Gesamtstrecke geteilt durch die Gesamtzeit. 📊 Rechnen wir es Schritt für Schritt durch: Zeit Hinfahrt (t₁): 100 km / 40 km/h = 2,5 Stunden (150 Minuten) Zeit Rückfahrt (t₂): 100 km / 60 km/h ≈ 1,67 Stunden (100 Minuten) Gesamtzeit (T): 2,5 + 1,67 = 4,17 Stunden Durchschnitt (V_avg): 200 km / 4,17 h ≈ 48,1 km/h 💡 Wo liegt das Paradoxon? Warum erhalten wir 48,1 und nicht 50? Schließlich war die Abweichung in beide Richtungen identisch (±10 km/h von der 50 entfernt). Das Geheimnis liegt darin, dass die Funktion der Zeit in Abhängigkeit von der Geschwindigkeit (t(v) = S/v) nichtlinear ist. Grafisch betrachtet ist dies eine konvexe Kurve (eine Hyperbel). Wegen dieser Krümmung gilt: Eine Verringerung der Geschwindigkeit um 10 km/h erhöht die Fahrzeit stärker, als eine Beschleunigung um 10 km/h sie verkürzen kann. Der langsame Abschnitt fällt sprichwörtlich stärker "ins Gewicht", weil man schlichtweg mehr Zeit auf ihm verbringt. 🔍 Eine Frage an die Experten unter euch... Dieses einfache Beispiel ist nur die Spitze des Eisbergs. Dahinter verbirgt sich ein fundamentales mathematisches Gesetz über das Verhältnis von Mittelwerten und Funktionen. Dieses Prinzip hat enorme Auswirkungen auf viele Fachbereiche: — In den Finanzen: Es erklärt, warum Volatilität die Rendite eines Portfolios systematisch "auffrisst". — In der Psychologie: Es ist die Basis für das Verständnis, warum wir Verluste stärker gewichten als Gewinne. — In den Ingenieurwissenschaften: Es ist der Grund, warum schwankende Belastungen ein Bauteil schneller zerstören als eine konstante Durchschnittslast. ❓ Wisst ihr, wie diese Ungleichung in der Mathematik heißt und wo sie euch in eurem Fachbereich schon begegnet ist? 👇 Ich bin gespannt auf eure Kommentare!

🤖 KI löst Mathematik-Rätsel, an dem man 90 Jahre lang scheiterte Es geht um das Erdős-Problem Nr. 1196 aus der Zahlentheorie. Ein Ereignis, dass bereits die Weltpresse berichtet – sogar Forbes hat dem Thema gerade eine ausführliche Analyse gewidmet: Das Modell GPT-5.4 Pro (Release April 2026) fand die Lösung in etwa 80 Minuten. Zum Vergleich: Der Mathematiker Jared Lichtman aus Oxford beschäftigte sich rund 7 Jahre lang mit diesem Thema. Lichtman selbst bezeichnete den gefundenen Beweis als einen „Beweis aus dem Buch“. 📖 Zur Erinnerung: Paul Erdős pflegte zu sagen, dass Gott ein „Buch“ besitze, in dem die schönsten, kürzesten und „perfektesten“ Beweise für alle mathematischen Theoreme stehen. Wenn ein Mathematiker eine besonders elegante Lösung findet, sagt man: „Die ist aus dem Buch“. 🔷 Wo lag die Schwierigkeit? Die Aufgabe betrifft sogenannte primitive Mengen. Historisch gesehen folgten fast alle Ansätze seit den 1930er Jahren demselben Muster: Das Problem wurde aus der diskreten Arithmetik in die Methoden der mathematischen Analysis übertragen. Das wurde zum Standard – und wie sich nun herausstellte, zur Sackgasse. 90 Jahre lang waren Mathematiker Gefangene der Analysis und versuchten, das Problem über stetige Funktionen zu lösen. Die KI hingegen bewies „digitale Hartnäckigkeit“: Sie blieb in der reinen Arithmetik, wo der Mensch schon lange aufgegeben hatte. 🔷 Was wurde anders gemacht? Die Lösung kam ohne den Übergang zur Analysis aus. Das Modell: -blieb im Rahmen der Arithmetik; -nutzte die von-Mangoldt-Funktion; -baute eine Argumentation ohne den üblichen analytischen Apparat auf. Laut Lichtman gleicht dies einem „Zug, der lange nicht in Betracht gezogen wurde, schlicht weil alle anderen einen anderen Weg einschlugen“. 🔷 Wie kam es dazu? Es war kein simpler Prompt à la „Löse diese Aufgabe“. Lichtman hat: -dem Modell den Kontext seiner jahrelangen Forschung übermittelt. -die Formalisierung in der Sprache Lean vorgegeben. -den Suchraum gezielt eingegrenzt. Daraufhin untersuchte das KI-Modell eine Richtung, die zuvor als aussichtslos galt. 💡 Was bedeutet das? Es scheint, als würde KI nicht mehr nur als Rechenwerkzeug nützlich sein, sondern als Medium, um unkonventionelle Denkansätze zu prüfen, die der menschlichen Intuition widersprechen. 🔷 Wo findet man Details? -Die Aufgabe ist auf erdosproblems bereits als gelöst markiert. -Ein Entwurf des Beweises kursiert als LaTeX/Overleaf-Dokument. -Die formale Verifizierung in Lean läuft bereits. 📌 Ein vollständiger arXiv-Preprint liegt zum jetzigen Zeitpunkt noch nicht vor. Sobald die offiziele Publikation erscheint, werden wir sie hier für euch – geschätzte Kollegen – in einem eigenen Post verständlich aufbereiten.

Unsere geplante Serie #LernenVonKlassikern Heute lernen wir von Immanuel Kant, wie man eine Bewerbung richtig schreibt :-) Quelle: https://korpora.org/kant/ #SamstagsStimmung #KarriereMitHumor P.S. Immanuel Kant hat damals die Stelle doch nicht bekommen…

🤖 Mathematik 2.0: Mensch + KI = Ergebnis Kann die KI jemals ungelöste mathematische Probleme knacken, an denen die brillantesten Köpfe seit Jahrhunderten scheitern? Und wenn ja – was fehlt uns noch im Bereich Machine Learning? Vor wenigen Tagen erschien dazu ein Artikel des berühmten Mathematikers Terence Tao. Wir haben die wichtigsten Gedanken für euch zusammengefasst. Wo KI früher als Spielerei galt, die zwar Mathe-Olympiaden unter Schülern lösen kann, haben die Ereignisse der Jahre 2025–2026 bewiesen: Neuronale Netze sind zu vollwertigen Kollegen für Profi-Mathematiker geworden. Was ist 2025–2026 passiert? 🚀 Forschungs-Durchbruch: Professor Ernest Ryu bewies dieses Jahr mithilfe von ChatGPT die Nesterov-Vermutung, die 42 Jahre lang ungelöst blieb. Dabei hat nicht eimal die KI die Lösung des wichtigen Problems gefunden. Die KI hat eine Ideenkette geliefert, die Prof. Ryu und seine Kollegen in einen strengen mathematischen Beweis umsetzen konnten. ⚡ Highspeed-Mathematik: Das System AlphaEvolve von DeepMind findet in wenigen Tagen Lösungen, für die Experten früher Monate brauchten. Es „evolviert“ Python-Programme so lange, bis ein optimales Ergebnis steht. 🤝 KI als Sparringspartner für Mathematiker: Modelle wie Gemini, Claude oder ChatGPT werden immer seltener für fertige Antworten und immer häufiger als Partner für Brainstormings genutzt. Selbst wenn die KI Fehler macht, liefert sie oft unkonventionelle Strategien, die den Horizont des menschlichen Denkens erweitern. Die Philosophie des Wandels (nach Terence Tao): Tao betont, dass KI den Menschen nicht ersetzt, sondern eine natürliche Weiterentwicklung unserer Werkzeuge ist (ähnlich wie einst der Buchdruck). Gleichzeitig sieht er drei kritische Punkte, an denen Gefahren entstehen: 🔹Verlust des „Aromas“ der Mathematik: Ein menschlicher Beweis hat ein eigenes „Aroma“ – wir verstehen nicht nur, dass etwas stimmt, sondern auch warum. KI liefert oft „sterile“ Lösungen: Sie funktionieren, sind korrekt, aber ihnen fehlt der Funke. Wir riskieren, Berge richtiger Antworten zu erhalten, die uns jedoch nicht wirklich schlauer machen. 🔹Die Gefahr eines „Pakts mit dem Teufel“: Wir delegieren Routine und Berechnungen an die KI und gewinnen dadurch Effizienz, riskieren aber den direkten Kontakt zur mathematischen Wahrheit zu verlieren. Die Entwicklung der KI muss menschenzentriert bleiben – wir dürfen unsere Intuition und unser ästhetisches Empfinden nicht einbüßen. 🔹Die neue Rolle des Wissenschaftlers: Der Mathematiker der Zukunft berechnet keine Integrale mehr von Hand – das war eigentlich vor 20 Jahren selbst mir klar , da ich auf dem Gebiet von Computer Algebra promovierte 🙂 Der Mathematiker der Zukunft ist derjenige, der die richtigen Fragen stellt und Strategie der Wissenssuche entwickelt. Die drei Phasen der Interaktion mit KI: Klowden und Tao schlagen drei Bilder vor, um unseren Platz neben der KI – heute und in Zukunft – zu verstehen: 🍦 Kurzfristig (KI als „Vanilleextrakt“): Die KI ist ein Zusatz. Eine kleine Menge verfeinert das „Gericht“ (Text, Code), zu viel macht es ungenießbar. Die Grundstruktur bleibt menschlich. 🛡️ Mittelfristig (KI im „Red Team“): Die KI fungiert als „Juniorpartner“ für Prüfungen, Tests und Fehlersuche (Red Team), während das schöpferische Element (Blue Team) beim Menschen bleibt. 🌍 Langfristig (kopernikanische Wende): So wie die Erde einst aufhörte, das Zentrum des Universums zu sein, wird auch der menschliche Verstand nicht mehr das einzige Zentrum der Erkenntnis sein. Wir müssen die Existenz anderer „Planeten“ (Formen von Intelligenz) akzeptieren, die uns ergänzen, ohne unseren Wert zu mindern. ___ Fazit (nach Terence Tao): Die KI hat ihren „Master der Wissenschaften“ bereits in der Tasche und arbeitet nun an ihrer Promotion. Unsere Aufgabe ist es nicht, uns zu wehren, sondern zu lernen, dieses mächtige Werkzeug zu steuern – um gemeinsam Tunnel in bislang unbekannte Wissensgebiete zu graben. ___ ❓ Was denkt ihr: Sind wir bereit für die „kopernikanische Wende“ in unserem Kopf? Schreibt es in die Kommentare 👇

Unsere geplante Serie #LernenVonKlassikern Heute lernen wir von Immanuel Kant, wie man eine Bewerbung richtig schreibt :-) Quelle: https://korpora.org/kant/ #SamstagsStimmung #KarriereMitHumor P.S. Immanuel Kant hat damals die Stelle doch nicht bekommen bzw. nicht sofort diese Stelle bekommen. P.P.S. Danke an Anna-Maria – sie hat mich zu diesem Post und zur Serie „Lernen von Klassikern“ inspiriert. Bleibt dran!

Channel name was changed to «Mathematik, Mensch & KI/ML/DS: Zwischen Erfolg und Fail»

Channel name was changed to «Mathematik, Mensch & KI(ML): Zwischen Erfolg und Fail»

Mathematik, Mensch & KI/ML/DS: Zwischen Erfolg und Fail pinned «Hi zusammen! 👋 Ich bin Dmitry. Schön, dass ihr hier seid! Ich habe Informatik an der TU München studiert und anschließend in den Naturwissenschaften promoviert. Danach habe ich mehrere Jahre in der Robotik und Medizintechnik als Software- und Test-Ingenieur…»