Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind25. November 2022 · Q002483

DeepMind’s latest research at NeurIPS 2022

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Beitrag fasst ausgewählte DeepMind-Arbeiten für die NeurIPS 2022 zusammen: effizientere große und multimodale Modelle, neue Reinforcement-Learning- und Netzwerkalgorithmen sowie Ansätze für Erklärbarkeit, Schadensvermeidung und faire KI. Die genannten Leistungsverbesserungen sind Behauptungen des Unternehmens; der Text ist eine Vorschau und enthält keine unabhängige Überprüfung oder detaillierten Versuchsdaten.

Mittel

Der Beitrag gibt einen Überblick über ausgewählte Arbeiten, die DeepMind auf der NeurIPS 2022 vorstellen wollte. Laut Text präsentierte das Unternehmen 47 Arbeiten, darunter 35 externe Kooperationen. Bei großen Modellen nennt DeepMind Chinchilla: Das Modell mit 70 Milliarden Parametern übertreffe viele größere Sprachmodelle und habe effizientere Skalierungsregeln angestoßen. Flamingo verarbeitet Bilder, Videos und Texte und erreiche laut Beitrag bei vielen multimodalen Few-shot-Aufgaben einen neuen Bestwert. Weitere Themen sind Dateneigenschaften für In-Context-Lernen, effizientere Reinforcement-Learning-Agenten und BYOL-Explore, das in komplexen visuellen Umgebungen übermenschliche und rauschrobuste Leistung erzielen soll.

Für die automatische Netzwerkkonfiguration beschreibt DeepMind ein Verfahren, das bis zu 490-mal schneller als der damalige Stand der Technik sei und die meisten Eingabebeschränkungen erfülle. Andere Arbeiten befassen sich mit Graph Neural Networks, Erklärbarkeit durch kausale Selbstmodelle, der Vermeidung schädlicher Handlungen und Fairness unter Verteilungsverschiebungen, auch im Gesundheitswesen. Der Text ist eine thematische Vorschau: Die Leistungsangaben stammen aus DeepMinds eigener Darstellung; unabhängige Prüfung und ausführliche Versuchsdetails enthält er nicht.

Ausführlich lesen

Der Bericht stellt DeepMinds für die NeurIPS 2022 angekündigte Forschung vor. Die Konferenz fand laut Text vom 28. November bis 9. Dezember 2022 als hybride Veranstaltung in New Orleans statt. DeepMind gibt an, als Diamond-Sponsor aufzutreten und 47 Arbeiten zu präsentieren, davon 35 in Zusammenarbeit mit externen Forschenden. Der Beitrag ist eine Auswahl wichtiger Themen und Ergebnisse, keine vollständige Darstellung aller Arbeiten.

Bei großen Modellen hebt DeepMind Chinchilla hervor: Das Sprachmodell mit 70 Milliarden Parametern übertreffe viele größere Modelle, darunter Gopher. Die zugrunde liegenden Skalierungsgesetze deuteten demnach darauf hin, dass frühere Modelle gemessen an ihrem Trainingsumfang zu groß gewesen seien. Der Beitrag führt Chinchillas Einfluss auf nachfolgende, effizientere Modelle an und nennt eine Auszeichnung als herausragende Hauptkonferenzarbeit. Außerdem beschreibt er Flamingo als Familie multimodaler Modelle, die Bilder, Videos und Texte verarbeiten. Ein einzelnes Modell habe bei zahlreichen offenen multimodalen Aufgaben einen neuen Bestwert im Few-shot-Lernen erreicht. Eine weitere vorgestellte Arbeit untersucht, welche Dateneigenschaften In-Context-Lernen fördern.

Im Bereich Reinforcement Learning kündigt DeepMind einen Ansatz an, der die Entscheidungsfähigkeit von Agenten durch einen erheblich erweiterten Zugriff auf abrufbare Informationen und mit geringerem Rechenaufwand verbessern soll. BYOL-Explore wird als einfacherer Ansatz für neugiergetriebene Erkundung in visuell komplexen Umgebungen vorgestellt. Laut Beitrag erzielt der Agent übermenschliche Leistung und bleibt gegenüber Rauschen robust.

Zu algorithmischen Fortschritten zählt ein Verfahren zur automatischen Konfiguration von Rechnernetzwerken, das auf neuronalem algorithmischem Schlussfolgern beruht. DeepMind zufolge ist es bis zu 490-mal schneller als der damalige Stand der Technik und erfüllt dabei die Mehrheit der Eingabebeschränkungen. Eine weitere Arbeit untersucht den Zusammenhang zwischen Graph Neural Networks und dynamischer Programmierung sowie deren Kombination für bessere Leistung außerhalb der Trainingsverteilung.

Der Abschnitt zu verantwortungsvoller KI behandelt Erklärbarkeit, Schadensvermeidung und Fairness. Vorgeschlagen wird unter anderem, ein System ein kausales Modell seiner selbst erlernen zu lassen, damit es sein Verhalten sinnvoll erklären kann. Die Maßzahl „counterfactual harm“ soll Probleme herkömmlicher Methoden zur Vermeidung schädlicher Strategien überwinden. Eine weitere Arbeit untersucht, wie sich Fairnessfehler durch Verteilungsverschiebungen diagnostizieren und mindern lassen, insbesondere im medizinischen Einsatz.

Die genannten Leistungsangaben und Schlussfolgerungen sind Aussagen des DeepMind-Beitrags. Der Text liefert dafür keine unabhängige Prüfung, detaillierte Versuchsergebnisse oder vollständigen Vergleichsbedingungen. Er verweist für Einzelheiten auf die jeweiligen Arbeiten und eine Ressourcenübersicht.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist ein Blogbeitrag des Unternehmens als Vorschau auf Konferenzarbeiten. Leistungsangaben wie 490-fache Geschwindigkeit oder Bestwerte bei Flamingo stammen von DeepMind selbst und sind nicht unabhängig geprüft. Die Einordnung stützt sich nur auf diese Kurzbeschreibungen.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Konferenzrahmen (36. NeurIPS, hybrid, New Orleans) und DeepMinds Rolle als Diamond-Sponsor
  • Die Auszeichnung von Chinchilla als Outstanding Main Track Paper
  • Die Aussage, dass Chinchilla-Skalierungsregeln bereits andere Modelle geprägt haben, wird nur knapp erwähnt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 25 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 61 %gleiches Oberthema, hilft nicht
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 41 %Hintergrund, keine Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra 64 %gleiches Oberthema, hilft nicht
  2. SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
    • clef 24 %gleiches Oberthema, hilft nicht
    • Luna 100 %kein Bezug
    • JEV 45 %gleiches Oberthema, hilft nicht
    • amos 28 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 57 %Hintergrund, keine Belege
    • JEV 28 %gleiches Oberthema, hilft nicht
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 71 %gleiches Oberthema, hilft nicht
    • d3-ultra 71 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 37 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 30 %gleiches Oberthema, hilft nicht
    • d3-ultra 59 %gleiches Oberthema, hilft nicht
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 49 %Hintergrund, keine Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 34 %nur am Rande erwähnt
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 60 %gleiches Oberthema, hilft nicht
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 32 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra 56 %gleiches Oberthema, hilft nicht
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 44 %einzelne zitierbare Belege
    • JEV 52 %einzelne zitierbare Belege
    • amos 29 %Hintergrund, keine Belege
    • SubQ 56 %gleiches Oberthema, hilft nicht
    • drex 33 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung einzelne zitierbare Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 31 %gleiches Oberthema, hilft nicht
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra 70 %gleiches Oberthema, hilft nicht
  2. SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 67 %gleiches Oberthema, hilft nicht
    • d3-ultra 58 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 31 %nur am Rande erwähnt
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 64 %gleiches Oberthema, hilft nicht
    • drex 65 %gleiches Oberthema, hilft nicht
    • d3-ultra 57 %gleiches Oberthema, hilft nicht
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 43 %einzelne zitierbare Belege
    • JEV 30 %nur am Rande erwähnt
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 54 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 62 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt
  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 43 %gleiches Oberthema, hilft nicht
    • JEV 22 %Hintergrund, keine Belege
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 72 %gleiches Oberthema, hilft nicht
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra 50 %gleiches Oberthema, hilft nicht
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 24 %nur am Rande erwähnt
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 68 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →