BLOG-Artikel-Serie Teil 1
DeepSeek ist ein Large Language Model (LLM) eines chinesischen Unternehmens, dass bei üblichen LLM-Tests mit OpenAI und anderen großen LLMs mithalten soll. Der Coup? Das Training des Modells soll nur 5,5 Millionen Dollar gekostet haben [1], also nur ein Bruchteil im Vergleich zu OpenAI und Copilot [2].
Wir haben DeepSeek ausprobiert und wollen hier berichten, wie DeepSeek aus unserer Sicht im Requirements Engineering (RE) abschneidet.
Für alle die es verpasst haben!
Am 19.09.2024 fand eine Online-Podiumsdiskussion über das Thema „Die Zukunft des Requirements Engineerings im Zeitalter der KI“ statt.
Wie man dem Namen der Podiumsdiskussion entnehmen kann, wurde über den derzeitigen Stand generativer KIs im Kontext des Requirements Engineerings gesprochen und darüber, was in Zukunft zu erwarten ist und Vielem mehr.
WeiterlesenSchon seit Jahren beschäftigen wir SOPHISTen uns mit der Genauigkeit der Sprache.
Mit dem Regelwerk für natürlichsprachliche Anforderungen – dem SOPHIST REgelwerk – haben wir einen Leitfaden für Requirements Engineers kreiert, der auf der ganzen Welt genutzt wird. Da KI-Systeme nun immer mehr im Engineering Kontext eingesetzt werden, haben wir uns auch in diesem Kontext mit der Genauigkeit des Promptings beschäftigt. Doch auch auf der Seite der KI-Systeme kann an der Genauigkeit der Antworten geschraubt werden, indem man einen Parameter anpasst: Die Temperatur.
Wenn die KI in Requirements- & Systems Engineering auf Überraschungen setzt
Die zunehmende Präsenz künstlicher Intelligenz (KI) revolutioniert derzeit nahezu alle Aspekte unseres Lebens, einschließlich der hochspezialisierten Bereiche des Requirements- und Systems Engineering. Diese Disziplinen sind stark auf reproduzierbare Ergebnisse angewiesen, um Zuverlässigkeit und Validität sicherzustellen. Während unserer Forschung zur Anwendbarkeit von KI-Systemen im Requirements- und Systems Engineering stießen wir häufig auf Situationen, in denen wir unseren Kollegen live demonstrieren wollten, wie wir mithilfe der KI zu bestimmten Ergebnissen gelangt sind. Dabei kam es jedoch häufig vor, dass diese Demonstrationen nicht wie erwartet funktionierten, was uns oft zu der Bemerkung führte: „Gestern hat es noch funktioniert!“.
Daher stellen wir uns nun die Frage: Wie lässt sich eine Technologie, deren Wesen durch Nicht-Determinismus geprägt ist, in eine Welt integrieren, die auf Stabilität und Präzision angewiesen ist?
Weiterlesen