@wfreisei.bsky.social
Fazit: Während ChatGPT 2022 aus einer bereits produktiven Infrastruktur entstand, stehen Quantencomputer noch vor grundlegenden Durchbrüchen im Hardware-Bereich, der Fehlerkorrektur und überhaupt im Nachweis eines echten, praxistauglichen Vorteils – sowohl allgemein als auch speziell für ML.
August 21, 2025 at 11:14 AM
Fazit: Während ChatGPT 2022 aus einer bereits produktiven Infrastruktur entstand, stehen Quantencomputer noch vor grundlegenden Durchbrüchen im Hardware-Bereich, der Fehlerkorrektur und überhaupt im Nachweis eines echten, praxistauglichen Vorteils – sowohl allgemein als auch speziell für ML.
Die Hoffnung auf einen Quantenvorteil im Machine Learning ist daher primär theoretisch und für praktische Datenprobleme weiterhin unbewiesen.
August 21, 2025 at 11:11 AM
Die Hoffnung auf einen Quantenvorteil im Machine Learning ist daher primär theoretisch und für praktische Datenprobleme weiterhin unbewiesen.
Viele zunächst bahnbrechend erscheinende Quantenalgorithmen wurden nachträglich durch neue klassische Verfahren auf „normale“ Rechner vergleichbar oder sogar schneller umgesetzt.
August 21, 2025 at 11:09 AM
Viele zunächst bahnbrechend erscheinende Quantenalgorithmen wurden nachträglich durch neue klassische Verfahren auf „normale“ Rechner vergleichbar oder sogar schneller umgesetzt.
3. Belegbarer Nutzen von Quantum Computing bei ML fehlt: Beim maschinellen Lernen ist bis heute nicht nachgewiesen, dass Quantencomputer bei real weltlichen Datenproblemen überhaupt einen Vorteil bringen.
August 21, 2025 at 11:09 AM
3. Belegbarer Nutzen von Quantum Computing bei ML fehlt: Beim maschinellen Lernen ist bis heute nicht nachgewiesen, dass Quantencomputer bei real weltlichen Datenproblemen überhaupt einen Vorteil bringen.
Die aktuellen Lösungen leiden unter massiver Fehleranfälligkeit, begrenzter Qubit-Zahl und enormen Hürden beim Skalieren, Initialisieren und Auslesen von Quantenzuständen. Weiterhin ist es extrem aufwendig, klassische Daten (wie bei KI) überhaupt in ein geeignetes Quantenformat zu überführen.
August 21, 2025 at 11:07 AM
Die aktuellen Lösungen leiden unter massiver Fehleranfälligkeit, begrenzter Qubit-Zahl und enormen Hürden beim Skalieren, Initialisieren und Auslesen von Quantenzuständen. Weiterhin ist es extrem aufwendig, klassische Daten (wie bei KI) überhaupt in ein geeignetes Quantenformat zu überführen.
2. Quantencomputer stecken technologisch und praktisch noch in den Kinderschuhen. Trotz zahlreicher Fortschritte gibt es bis heute keinen praktisch einsetzbaren Quantenrechner, der bei realen Aufgaben einen eindeutigen Vorteil gegenüber klassischen Computern gezeigt hat.
August 21, 2025 at 11:06 AM
2. Quantencomputer stecken technologisch und praktisch noch in den Kinderschuhen. Trotz zahlreicher Fortschritte gibt es bis heute keinen praktisch einsetzbaren Quantenrechner, der bei realen Aufgaben einen eindeutigen Vorteil gegenüber klassischen Computern gezeigt hat.
Der "plötzliche" Sprung war in Wahrheit das Ergebnis fortlaufender Verbesserungen von Rechenleistung, Datenverfügbarkeit und Software-Algorithmen, die bereits breit einsetzbar waren. Die Grundlagen (wie GPUs, großskalige Server-Cluster, Deep-Learning-Frameworks) existierten und waren robust.
August 21, 2025 at 11:06 AM
Der "plötzliche" Sprung war in Wahrheit das Ergebnis fortlaufender Verbesserungen von Rechenleistung, Datenverfügbarkeit und Software-Algorithmen, die bereits breit einsetzbar waren. Die Grundlagen (wie GPUs, großskalige Server-Cluster, Deep-Learning-Frameworks) existierten und waren robust.
1. ChatGPT von 2022 basiert auf dem Deep-Learning-Modell GPT3.5 (GPT 3.0 kam 2020, GPT 2.0 kam 2019) sowie ausgereifter, jahrzehntelang optimierter klassischer Hardware.
August 21, 2025 at 11:06 AM
1. ChatGPT von 2022 basiert auf dem Deep-Learning-Modell GPT3.5 (GPT 3.0 kam 2020, GPT 2.0 kam 2019) sowie ausgereifter, jahrzehntelang optimierter klassischer Hardware.
Dieser Vergleich ist falsch und irreführend, weil beide technologische Sprünge völlig unterschiedlich sind – sowohl in ihrer Entwicklung als auch in ihren infrastrukturellen Voraussetzungen.
Dazu drei Argumente ...
Dazu drei Argumente ...
August 21, 2025 at 11:01 AM
Dieser Vergleich ist falsch und irreführend, weil beide technologische Sprünge völlig unterschiedlich sind – sowohl in ihrer Entwicklung als auch in ihren infrastrukturellen Voraussetzungen.
Dazu drei Argumente ...
Dazu drei Argumente ...
Manche behaupten, dass die praktische Nutzung von Quantencomputern in den nächsten drei Jahren möglich sein wird. Sie begründen dies manchmal mit dem Erscheinen von chatGPT im Nov. 2022 und dass dies auch drei Jahre vorher nicht absehbar gewesen sei.
Dieser Vergleich ist falsch und irreführend.
Dieser Vergleich ist falsch und irreführend.
August 21, 2025 at 11:00 AM
Manche behaupten, dass die praktische Nutzung von Quantencomputern in den nächsten drei Jahren möglich sein wird. Sie begründen dies manchmal mit dem Erscheinen von chatGPT im Nov. 2022 und dass dies auch drei Jahre vorher nicht absehbar gewesen sei.
Dieser Vergleich ist falsch und irreführend.
Dieser Vergleich ist falsch und irreführend.