Entwicklungen im Bereich Quantencomputer mit Fokus auf Zuchonogzhi 3, Erfahrungen mit KI-Agenten Manus AI und Fortschritte in der Robotik von Google und Nvidias

Die Themen in Episode 12:

Neuer Quantencomputer aus China: Zuchonogzhi 3

• Soll alles bisherige in den Schatten stellen, inklusive Google Willow.
• Verfügt über 105 Qubits und 182 Koppler.
• Diskussion über die Kohärenzzeit und Gatterzeit als wichtige Kennzahlen.
• Beeindruckende Genauigkeitswerte von 99,9% bei einem Qubit und 99,6% bei zwei Qubits.
• Vergleich mit Google Willow (105 Qubits, 100 Mikrosekunden Kohärenzzeit) und IBM Eagle (ähnliche Fehlerrate bei einem Qubit, aber höher bei zwei).
• Die Behauptung einer Million Mal schnelleren Geschwindigkeit im Vergleich zu Google Willow wird kritisch hinterfragt.
• Erklärung des Prinzips von Qubits und der Schwierigkeit ihrer Messung in der Quantenphysik.

• Die Möglichkeit, aus Qubits „Qubytes“ zu generieren und die Parallelität von Berechnungen.
• Diskussion über das Potenzial von Quantencomputern in Verbindung mit KI auf dem Weg zur AGI (Artificial General Intelligence).

KI-Agenten und „Wipe Coding“ im Test

• Vorstellung der neuen Ernie Modelle 4.5 und X1 von Baidu, die günstiger als DeepSeek angeboten werden.
• Die These, dass im Bereich Foundation Models ein Preiskampf stattfindet, da ein echter „Burggraben“ fehlt.
• Vorstellung der Adobe Experience Platform Orchestrator mit verschiedenen KI-Agenten für Analyse, Content-Erstellung, Lead-Bewertung, Zielgruppen-Segmentierung, Produktempfehlungen und Website-Optimierung.
• Die Frage nach den Kosten solcher Tools und der Wahrscheinlichkeit, dass sie auf bestehende Modelle (OpenAI, DeepSeek etc.) zugreifen.

Erfahrungsbericht von Christian mit Manus AI:

• Erstellung eines Online-Steuerrechners (schnelle Erstellung, aber fehlerhafte Ergebnisse trotz Überarbeitung).
• Erstellung einer Urlaubsplanungs-Webseite (gute Übersicht von Flügen und Hotels, aber fehlende Buchungslinks).
• Interaktion mit dem Agenten während der Aufgabenbearbeitung (z.B. Captcha-Eingabe).
• Hinweis auf die potenziell hohen Kosten für den Betreiber aufgrund langer Bearbeitungszeiten.
• Vergleich mit Raplit und ähnliche Erfahrungen mit „Wipe Coding“ (schnelle Oberflächenerstellung, aber Probleme mit der Korrektheit komplexer Berechnungen).
• Die Schwierigkeit, den Fehlern in KI-generiertem Code auf die Spur zu kommen.
• Die generelle Problematik der Inkonsistenz und Fehlerhaftigkeit von KI-Ergebnissen (Studie mit über 60% Fehlerquote bei Chatbots).
• Widersprüchliche Aussagen über die Fähigkeiten von KI (z.B. Code-Generierung vs. News-Zusammenfassung).
• Die Bedeutung von strukturierten Prompts (z.B. in XML) für genauere Ergebnisse.
• Die These, dass KI „Code Language“ besser versteht als natürliche Sprache.
• Die Notwendigkeit von Genauigkeit, besonders im B2B-Bereich mit Rechnungen und Analysen.
• Die Vorsicht bei Entscheidungen, die auf KI-generierten Ergebnissen basieren (z.B. Investitionen).

Revolution in der Robotik durch Google Gemini Robotics und Nvidia Isaac Groot N1

• Vorstellung von Google Gemini Robotics und Gemini Robotics ER (Embodied Reasoning) basierend auf Gemini 2.0.
• Der Output erfolgt in Maschinensprache zur direkten Robotersteuerung.
• Generalistischer Ansatz, getestet mit verschiedenen Robotertypen (Aloha 2, Apollo).
• Nutzung eines zusätzlichen Modells namens Advanced Vision Language Vision Language Action für räumliches Verständnis und Objekterkennung.
• Reasoning-Modelle (Gemini) für Bewegungsplanung.
• Dieser Ansatz unterscheidet sich von der vorherigen Hypothese, dass Lernen durch die Bewegung des Roboters stattfindet.
• Nvidia Isaac Groot N1 verfolgt einen ähnlichen Ansatz mit Reasoning- und Planungsmodellen zur Robotersteuerung.
• Drei wichtige Elemente für generalistische, interaktive und geschickte Robotik.
• Die Fortschritte ermöglichen die Anreicherung von LLM-Wissen mit Motosensorik.
• Die Notwendigkeit eines Referenzrahmens und Feedback für echtes Lernen wird betont.
• Beeindruckende Beispiele für die Geschicklichkeit der Roboter, wie das Falten eines Papierblatts („Dexterity“).
• Die Fähigkeit, räumliches Verständnis für komplexe Aufgaben wie Origami zu entwickeln.
• Erwähnung des Origami-Beispiels in Anlehnung an den Film „Blade Runner“.
• Beispiel von Unitree, dessen Roboter durch Reinforcement Learning gelernt hat, unter allen Umständen aufzustehen.
• Vergleich mit früheren Boston Dynamics Videos, die nun durch Reinforcement Learning als Standard gelten.
• Reinforcement Learning als Analogie zur Evolution des menschlichen Körpers.
• Nvidia Isaac Groot N1 als Open-Source-Alternative.
• Diskussion über die potenziellen Geschäftsmodelle von Google (Lizenzen, Open Source wie Android) und Nvidia (Lock-in durch Chip-Architektur) im Robotikbereich.
• Die Frage, warum Tesla und andere Robotikfirmen diese neuen Strukturen noch nicht einsetzen.

Zitate/Aussagen:

• „angeblich ist dieser Prozessor eine Million mal schneller als der Google Willow Chip.“
• „Ich habe irgendwie das Gefühl, diese ganze Quantencomputer Thematik ist ähnlich wie Fusionsenergie. Ja, wir stehen immer kurz davor, aber es sind es sind immer noch 5 bis 10 Jahre oder 20 Jahre äh bis es dann tatsächlich soweit ist…“
• Christian: „wenn wir jetzt die Entwicklung zusammennehmen, also Quantencomput und KI, sind wir dann, wenn wir das zusammenbringen, vielleicht doch gar nicht so weit entfernt von der sogenannten ähm AGI…“
• Yusuf zitiert Demis Hassabis: „…dass er nicht glaubt, dass das mit den klassischen Large Language Models und Transformermodellen, die jetzt da draußen sind, dass das was wird. Er redet auch schon von World Models…“
• Christian über die Ergebnisse von Manus AI: „…die Ergebnisse, die ich dann bekommen habe von dem Rechner, ich habe sie mit verschiedenen anderen Tools verglichen, die waren äh leider falsch.“
• Yusuf über ähnliche Erfahrungen mit Raplit: „…hat super ausgeschaut, hat wirklich alles super dargestellt, aber die Berechnungen waren zum Teil einfach Schrott…“
• Christian: „…wenn ich eine Münze werfen würde, dann hätte ich noch eine bessere Erfolgsquote als wenn ich so ein KI Chatbot frag…“ (überspitzt formuliert zur Fehlerhaftigkeit von KI)
• Yusuf zitiert den CEO von Anthropic: „…in sechs bis 12 Monate äh gibt’s keine Software Developer mehr und 90% des Codes wird irgendwie von KI geschrieben…“
• Yusuf: „…wahrscheinlich kann einfach die KI viel besser Code Language verstehen als klassische Sprache, weil die klassische Sprache halt doch noch immer sehr vieldeutig ist.“
• Yusuf über Google Gemini Robotics: „…letztendlich Gemini als Output eine Maschinensprache nutzt, die dann den Roboter steuert quasi…“
• Yusuf: „…die Komplexität so etwas zu tun liegt ja darin, dass man ein räumliches Verständnis davon haben muss, was passiert, wenn ich ein Blatt Papier, was ja quasi zweidimensional ist, falte.“

Hashtags:

#KI #KünstlicheIntelligenz #Quantencomputing #Quantencomputer #Zuchonogzhi3 #GoogleWillow #IBMEagle #Quantenüberlegenheit #AGI #KIAgenten #ManusAI #WipeCoding #BaiduErnie #AdobeExperiencePlatform #Robotik #GoogleGeminiRobotics #Nvidia #GrootN1 #ReinforcementLearning #KIundTechTogo #Podcast #Technologie

Quellen:

• Gemini Robotics und Gemini Robotics-ER
• Chinas neue Quantencomputer Zuchonogzhi 3
• Adobe Experience Platform Orchestrator