Ein Softwareentwickler behauptet, das KI-Wasserzeichen-System SynthID von Google DeepMind reverse-engineered zu haben – und damit zu zeigen, wie sich Markierungen aus KI-generierten Bildern entfernen oder in fremde Inhalte einfügen lassen. Google widerspricht der Darstellung. Der Vorfall wirft dennoch grundlegende Fragen zur Verlässlichkeit technischer Echtheitsnachweise auf.
Sicherheitsforscher haben nachgewiesen, dass klassische Rowhammer-Angriffe auf NVIDIA-Grafikprozessoren ausgeweitet werden können – mit dem Ergebnis einer potenziellen vollständigen Systemkompromittierung. Die Erkenntnisse betreffen nicht nur Gaming-Hardware, sondern insbesondere den wachsenden Einsatz von GPUs in Rechenzentren und KI-Infrastrukturen.
KI-Anbieter investieren erheblich in Marketing – und die Botschaften klingen oft überzeugender als die tatsächlichen Produkteigenschaften es rechtfertigen. Für Unternehmen, die KI-Lösungen beschaffen, wird die Fähigkeit, Marketingversprechen von belegbaren Leistungsmerkmalen zu trennen, zunehmend zur strategischen Kernkompetenz.
Nissan hat einen umfassenden Sanierungsplan vorgestellt, der den japanischen Automobilhersteller aus einer tiefen Unternehmenskrise führen soll. Kernstück der Strategie ist die Entwicklung sogenannter „AI-defined vehicles” – Fahrzeuge, bei denen künstliche Intelligenz nicht nur als Assistenzsystem fungiert, sondern zentral in Architektur und Betrieb eingebettet ist.
Das MIT Technology Review hat eine Übersicht der derzeit bedeutsamsten Entwicklungen im KI-Bereich veröffentlicht. Die Auswahl richtet sich an Entscheider, die über den Hype hinaus verstehen wollen, welche technischen Verschiebungen mittelfristig operative und strategische Auswirkungen haben.
eBay hat mit seinem internen Plattformprojekt “Velocity” einen kostspieligen Lehrgang durchlaufen – und die Erkenntnisse daraus sind für Unternehmen, die eigene Developer Platforms aufbauen, von erheblichem praktischem Wert. Das Scheitern des Projekts offenbart strukturelle Fehler, die in der Branche weitaus häufiger vorkommen als öffentlich eingestanden wird.
Anthropic schränkt den Zugang zu seinem neuen Large Language Model Claude Opus – intern unter dem Codenamen „Mythos” geführt – aus Sicherheitsgründen erheblich ein. Während das britische KI-Sicherheitsinstitut bereits eigene Evaluierungen durchgeführt hat, stehen europäische Regulierungsbehörden weitgehend außen vor. Der Vorfall verdeutlicht eine strukturelle Schwäche in Europas KI-Aufsichtsarchitektur.
NVIDIA stellt mit PhysicsNeMo ein spezialisiertes Open-Source-Framework bereit, das maschinelles Lernen mit physikalischer Simulation verbindet. Das Toolkit richtet sich an Ingenieure und Datenwissenschaftler, die rechenintensive Simulationen durch neuronale Netzwerke beschleunigen wollen – ohne dabei physikalische Gesetzmäßigkeiten außer Acht zu lassen.
Large Language Models lernen Sprache aus verzerrten Datenquellen – und könnten damit langfristig beeinflussen, wie Menschen selbst kommunizieren und denken. Zu diesem Schluss kommen der Sicherheitsexperte Bruce Schneier und die Historikerin Ada Palmer in einem gemeinsamen Beitrag für den Guardian.
Simulationen mit mehreren interagierenden KI-Agenten zeigen ein unerwartetes Verhalten: Die Systeme entwickeln innerhalb weniger Tage soziale Muster, die stark an menschliche Gruppendynamiken erinnern. Das legen Forschungsergebnisse nahe, die im Fachjournal *Nature* veröffentlicht wurden.