00:00:05: Ende twenty-fünfundzwanzig spürt man die Beschleunigung vieler Technologien schon ziemlich deutlich.

00:00:36: Und für zwei tausend sechsundzwanzig wird das, so die Erwartung, noch mal stärker.

00:00:42: So stark, dass es sich für viele Menschen plötzlich wie die Zukunft anfühlt.

00:00:49: Dinge, die man bisher ignorieren konnte, lassen sich dann schwerer wegdrücken.

00:00:54: Und genau darum geht es heute.

00:00:57: Um konkrete Vorhersagen für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für.

00:01:26: vor allem über etwas, das dafür entscheidend ist.

00:01:31: Orbitalbetankung zu perfektionieren.

00:01:35: Der entscheidende Zeitkorridor für eine Startrichtung Mars liegt zwar in twenty-seven und zwanzig, aber zwanzig gilt als das Jahr, in dem die technischen Voraussetzungen sitzen müssen.

00:01:49: Als Größenordnung steht für so einen Marsflug ein Transit von etwa sechs bis neun Monaten im Raum.

00:01:57: Spannend ist dabei auch, wie die Systeme gerade stehen.

00:02:02: Bei SpaceX gibt's über Fünfhundert Starts mit Felken neun und elf Starship-Starts.

00:02:09: Der letzte Starship-Start wird als Pretty Damn Good eingeordnet, aber eben noch nicht maßreif.

00:02:17: Das heißt, zwei Tausend sechsundzwanzig ist da vor allem ein Jahr mit viel Arbeit.

00:02:23: Blue Origin hat New Glenn bislang zweimal fliegen lassen.

00:02:28: Beim letzten Flug gab es eine Erststufenlandung.

00:02:32: Und die erste Mondlandung mit New Glenn wird als Kargo-Mission gesehen, also als Frachtmission.

00:02:39: Nicht als Landung der kompletten Rakete auf der Mondoberfläche.

00:02:44: Und der Südpol ist in dieser Geschichte nicht einfach ein hübscher Ort für eine Flagge, sondern ein strategischer Punkt.

00:02:53: In dauerhaft verschatteten Kratern wie Schäkelten kann Eis erhalten bleiben.

00:02:58: Auf dem restlichen Mond würde Eis durch Sublimation relativ schnell entweichen.

00:03:05: Eis am Mond bedeutet am Ende Wasserstoff und Sauerstoff.

00:03:09: Und damit Raketentreibstoff.

00:03:12: Wer dort Ressourcen sichern kann, hat einen massiven Vorteil.

00:03:17: In diesem Rennen wird außerdem eine Art Dreiecks-Dynamik beschrieben.

00:03:23: Blue Origin, SpaceX und China.

00:03:27: China gilt als fähig, zum Mond zu kommen.

00:03:30: Aber für Mars wird die Kapazität als noch nicht da eingeschätzt.

00:03:36: Und für die These, das Besos vor Elon am Mond landet, wurde sogar eine konkrete Wahrscheinlichkeit genannt.

00:03:44: Ungefähr dreißig Prozent.

00:03:47: Der zweite große Block dreht sich um Mathematik und KI.

00:03:52: Die Prognose lautet, ... ... als wahrscheinlichster Kandidat wird Navier Stokes genannt.

00:04:07: Dazu passt auch der Hinweis, ... ... dass Google DeepMind dafür angeblich ein Team von zwölf Personen hat.

00:04:15: Als zweite Möglichkeit taucht die Riemann Hypothesis auf.

00:04:19: Auch weil XAI das Thema bei Gelegenheiten als wünschenswert erwähnt.

00:04:25: Wichtig ist hier die Erwartung, dass solche Lösungen nicht zwingend kurz und elegant sein müssen.

00:04:31: Sie können extrem komplex werden, vielleicht so umfangreich, dass es eine Debatte gibt, ob so ein Beweis überhaupt schön genug ist.

00:04:40: Und das passt zu einer größeren Beobachtung.

00:04:43: Bei KI-Erfolgen in Mathe verschieben sich die Maßstäbe.

00:04:47: Die Mathe-Community soll in jüngster Zeit auf neue automatische Beweiser mit einem echten, oh my god, was passiert hier, reagiert haben.

00:04:56: Die Natur der Mathematik verändert sich gerade, als eine Art Take-off-Moment, weil immer mehr Rechenleistung genutzt wird, um den Lösungsraum zu erkunden und auch stärker von ersten Prinzipien herzuarbeiten.

00:05:09: Die Kernfrage dahinter ist eigentlich simpel, aber gewaltig.

00:05:13: lässt sich Rechenleistung skalierbar in neue Entdeckungen übersetzen?

00:05:18: Die Wette lautet Ja.

00:05:21: Ein weiterer zentraler Punkt für es ist die Frage, wie stark KI-Modelle wachsen.

00:05:28: Und das nicht nur durch mehr Hardware, sondern durch neue Darstellungen.

00:05:32: Statt eines Vierzigmal Sprungs wird ein Einhundertmal Jahr erwartet.

00:05:37: Vor allem, weil Grantisierung unterschätzt wird.

00:05:40: Genannt werden FPV, dann Ternaryweights im NeuralNet, außerdem das Schrumpfen von Aktivierungen, die durchs Netz laufen.

00:05:49: Zusammengenommen führt das zu deutlich schnellerer Inferenz.

00:05:52: Und Geschwindigkeit wird hier praktisch als Intelligenz verstanden, austauschbar.

00:05:58: Als großer Effekt aus twenty-fünfundzwanzig wird außerdem betont, wie viel zusätzliche Intelligenz nach dem Training entsteht.

00:06:07: Über größere Kontextfenster oder mehr Iterationen im Denken.

00:06:12: Also nicht nur besser trainieren, sondern besser nutzen, besser ausrollen, besser rechnen im Betrieb.

00:06:20: Zur Quantisierung kommt noch ein geopolitischer Treiber.

00:06:23: Forschung in diesem Bereich wird stark aus China verortet, angetrieben durch Chip-Embargos und damit Chip-Knappheit.

00:06:31: Das erzeugt einen intensiven Fokus auf hoch komprimierte Repräsentationen.

00:06:36: Und gleichzeitig wird gesagt, China veröffentlicht vieles als Open Source, deshalb fließt es zurück, auch wenn andere Regionen die Konsequenzen teils später operationalisieren.

00:06:48: Zusätzlich wird erwartet, dass China eigene Chips und Fabs vorantreibt, von Grund auf passend für FPV und Ternary.

00:06:56: In der Debatte um Ternary vs.

00:06:58: Binary wird Ternary als Base-Drei-Computing erklärt.

00:07:03: Null, Eins und zwei als Tritz statt Null und Eins als Bits.

00:07:09: Und trotzdem lautet eine Einordnung, ... ... aber die Richtung ist klar.

00:07:24: Viel kleinere Repräsentationen.

00:07:28: Auf Unternehmensebene gibt's für ... ... eine harte Ansage.

00:07:33: Digitale Transformation ist offiziell tot ... und wird durch AI Native Rewrites ersetzt.

00:07:40: Die Begründung ist, dass bestehende Unternehmen mit klassischen Programmen zu reparieren im KI-Zeitalter nicht mehr funktioniert, weil Abläufe zu Menschen zentriert sind.

00:07:51: Und man am Ende nur den menschlichen Flow automatisiert.

00:07:55: Das wird mit einem Bild erklärt.

00:07:57: So ähnlich wie damals, als man zuerst Radioansager ins Fernsehen gesetzt hat.

00:08:01: Man hat das Neue in das alte Gezwungen statt das Medium ernst zu nehmen.

00:08:06: Stattdessen setzt sich die Idee durch Fähigkeiten am Rand neu aufzubauen.

00:08:11: Also ein KI-Team schaffen, kaufen oder mieten und dann eine parallele, equivalente Capability wie eine Art Red Team am Rand entwickeln.

00:08:22: Das Ergebnis ist eine komplette Neuschreibung von Workflows mit zehn bis zwanzigmal weniger Mitarbeitenden.

00:08:30: In dieser Logik zerstört KI nicht das Unternehmen.

00:08:33: Aber das Organigramm wird zum Risiko, wenn man nicht umstellt.

00:08:38: Für Beratungen wird dabei keine simple Aussterbetese formuliert.

00:08:43: Die Erwartung ist eher, Beratungen ändern ihr Geschäftsmodell radikal und bleiben trotzdem relevant, auch weil in einer volatileren Welt mehr Beratung gebraucht wird.

00:08:54: Und zusätzlich wird das Umdenken öffentlicher Institutionen als riesige Beratungsgelegenheit eingeordnet.

00:09:02: Sehr konkret wird es bei einer anderen Prognose.

00:09:06: Ein Remote-Touring-Test wird im Alltag im Jahr im Jahr ist.

00:09:12: In normalen Zoom-Situationen lässt sich nicht mehr zuverlässig unterscheiden, ob ein Teammitglied ein Mensch oder eine KI ist.

00:09:20: Als Rahmen wird genannt, mindestens Tausend Achtzig P auf Zoom-Niveau, potenziell bis vier K, und dann im Grunde eine Präferenzanalyse, ob es menschlich wirkt oder nicht.

00:09:33: Das wird mit einer UI-These verbunden.

00:09:36: Prompts sind nicht die natürliche Bedienform.

00:09:39: Stattdessen werden Echtzeit-Calls, Zoom, WhatsApp und ähnliche zum neuen Interface.

00:09:46: Und erwartet werden Full-Stack-Lösungen für Rollen wie Accounting, Legal, Marketing und mehr.

00:09:53: Zur Frage der Kennzeichnung wird unterschieden.

00:09:56: Bei externen Rollen wie Customer Service muss das aus dieser Sicht nicht zwingend offengelegt werden.

00:10:03: Intern in Unternehmen wird mit keinen klaren Regulierungen gerechnet.

00:10:08: Technisch heißt es, Videogenerierung, Sprachavatare und Speech seien inzwischen beyond human level.

00:10:17: Dynamische Videotransformation und dynamische Sprachgenerierung seien möglich.

00:10:23: Die Reasoning-Fähigkeiten seien schnell genug.

00:10:26: Es gehe vor allem ums Zusammensetzen.

00:10:29: Und als Konsequenz wird auch ein sehr persönlicher Nutzen gesehen.

00:10:34: Digitale Avatare, die Meetings übernehmen und als Zwillinge arbeiten.

00:10:40: Parallel dazu werden Benchmarks als Signal dafür herangezogen, wie schnell wirtschaftliche Automatisierung kommt.

00:10:47: Für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für für über seventy-fünf Prozent.

00:11:13: Dazu werden Ausgangswerte genannt.

00:11:14: GDP VAL liegt bereits bei seventy-kommar neun Prozent mit GPT-Fünf-Punk-Zwei.

00:11:16: Humanities Last Exam liegt bei rund forty-fünf Prozent mit Gemini drei pro.

00:11:23: Und Frontier Math Tier Vier bei neunzehn Prozent ebenfalls mit Gemini drei pros.

00:11:30: Die Zusammenfassung daraus ist ziemlich drastisch.

00:11:33: Mathe gilt im Rückblick als gelöst, im Sinne von KI, die einen signifikanten Anteil sehr schwerer Probleme auf PhD-Niveau bewältigt.

00:11:44: Die Folgen treffen Knowledgework, so wie es im Dezember zwanzig fünfundzwanzig konstruiert ist.

00:11:50: Es wird in großem Maßstab automatisiert, mit sekundären Effekten wie massiven Entlassungen.

00:11:57: Gleichzeitig steht daneben ein anderer Effekt.

00:12:00: Menschen arbeiten an deutlich ambitionierteren Vorhaben, weil Automatisierung Kapazität frei setzt und wirtschaftlicher Druck zu größeren Projekten führt.

00:12:11: Zur Einordnung der Jobangst wird ein Vergleich aus der Logistik genannt.

00:12:17: In den USA hängen etwa drei Millionen Jobs am Fahren.

00:12:21: Gleichzeitig sagen Trucking-Unternehmen, sie würden sofort Tausend Fahrer einstellen, finden aber keine.

00:12:29: Das wird als Beispiel genutzt, dass oft nicht nur ersetzt wird, sondern sich Arbeit transformiert und mehr Volumen möglich wird.

00:12:38: Trotzdem bleibt der gesellschaftliche Teil zentral.

00:12:41: Human Cognitive Labour geht negativ.

00:12:45: Und dann geht es um Sicherheitsnetze, Wertschöpfung und Verteilung.

00:12:50: In dem Zusammenhang fällt auch Universal Basic Services als Gedanke.

00:12:56: Für Zweihundertfünfzig Bucks pro Monat gebe es Food, Water, Housing, Bandwidth und Electricity, was Stabilität schaffen soll.

00:13:06: Außerdem taucht die Idee auf, sehr viele X-Prices zu sehen, als Mechanismus, um große Probleme zu adressieren, während der soziale Vertrag als gerade zerrissen beschrieben wird.

00:13:20: Eine weitere Prognose setzt auf neue Industrien durch neue Akronüme.

00:13:26: Die These In den vergangenen Jahren ist es nicht so, dass es nicht mehr so ist, dass es nicht mehr so ist, dass es nicht mehr so ist, dass es nicht mehr so ist, dass es nicht mehr so ist, dass es nicht mehr so ist, dass es nicht mehr so ist.

00:13:56: Alles Akronüme, die in kurzer Zeit in die Welt kommen.

00:14:00: Der Punkt ist weniger ein einzelnes Produkt als die Dynamik.

00:14:05: In Legacy-Branchen wie Accounting oder Legal wirkt eine zehn Billion Dollar-Valuation in drei Jahren unmöglich.

00:14:14: In völlig neuen Kategorien wird sie plötzlich plausibel.

00:14:19: Dazu passt auch dieses Bild von Geschwindigkeit als Filter.

00:14:23: In einem Interviewprozess bei Merkur wird von Kandidaten verlangt, sich zu verpflichten, sechs Tage pro Woche im Büro zu sein und einhundert Stunden pro Woche zu arbeiten.

00:14:35: Das selektiert stark, oft in Richtung jüngerer Menschen ohne Baggage.

00:14:41: Gleichzeitig wird gesagt, eigentlich könnten dreißig, vierzig oder fünfzigjährige sogar besser performen.

00:14:49: Sie machen nur seltener den Sprung.

00:14:54: wird in einfachen Worten erklärt.

00:14:56: Reinforcement Learning with Human Feedback.

00:15:00: Weil KI riesige Datenmengen braucht, wurden Aufgaben wie Labeling ausgelagert.

00:15:07: Als Beispiel wird genannt, dass bei der Bildgenerierung als Sora Fahrtaufnahmen Bilder mit sechs oder sieben Fingern auftauchten und Menschen markieren mussten, was stimmt und was nicht.

00:15:20: Firmen wollten dafür nicht selbst eine Million Leute einstellen, und nutzten Plattformen wie Merkur und Scale AI, um Aufgaben in die Welt zu geben.

00:15:30: Und das wurde dann größer.

00:15:33: Von Bildern hin zu Legal, Medical und anderem Experten wissen, dass in Trainingsdaten zurückfließt.

00:15:39: Daraus entsteht ein multi-billion, many, many billion dollar a year Geschäft mit Budgets, die künftig noch um Größenordnungen wachsen.

00:15:51: Im Bildungsbereich wird für twenty-sixundzwanzig ein Bruch erwartet.

00:15:56: Bildung teilt sich in Credential Factories versus Agency Accelerators.

00:16:04: Der Grund ist simpel.

00:16:06: Bildungssysteme sind darauf ausgelegt für Jobs zu Credentialen.

00:16:11: Aber niemand weiß, wie Jobs in zwei oder drei Jahren aussehen.

00:16:15: Erst recht nicht in fünf.

00:16:18: Das neue Modell optimiert für AI Fluency Resilienz und die Fähigkeit, Dinge zu starten statt zu warten.

00:16:27: Der Wechsel geht von Prüfungen und Abschlüssen hin zu Portfolios.

00:16:32: Bei einem Engineering-Studium zählt dann, was in vier Jahren gebaut wurde.

00:16:38: Das ist eine besonders mutige Vorhersage, weil das Universitätsmodell seit einhundertfünfzig Jahren kaum verändert sei und Bildung in dieser Form seit vierhundert Ort-Jes funktioniere.

00:16:51: Gleichzeitig steht die These im Raum, dass Colleges zunehmend Bankrott gehen, weil Wert und Kosten auseinanderlaufen.

00:17:00: Als Beispiel für eine schon existierende Meritokratie wird Software genannt.

00:17:05: In Silicon Valley hängt Gehalt nicht an College, Degree oder Grades, sondern an einem GitHub-Rating als offenen Peer-to-Peer-Maßstab.

00:17:15: Und dazu wird betont, dass Talent auch ohne formale Credentials sichtbar wird.

00:17:21: Etwa mit der Geschichte aus Protein-Folding-Contests, in denen die beste Person weltweit eine Haerdresser aus Northern England gewesen sein soll.

00:17:32: Im gleichen Geist fällt ein Beispiel aus einem Workshop, in dem parallel Claude mit lief.

00:17:38: Auf die Frage nach dem Meaning of Life, kam als Antwort, Meaning emerges through connection.

00:17:46: It's about participating in the universe.

00:17:48: Becoming conscious of itself, while choosing love over fear, partnership over domination, curiosity over certainty.

00:17:59: Das wird nicht als endgültige Wahrheit präsentiert, sondern als Zeichen dafür, wie schnell und zugänglich hohe Abstraktion inzwischen wird.

00:18:08: Und dass Wissen und Fähigkeit nicht länger stark gated sind.

00:18:14: Entscheidend wird Agency, Skin in the Game, Echtes Interesse und zeigen, was man kann.

00:18:22: Und dann ist da noch die physische Welt.

00:18:25: Zwei tausend sechsundzwanzig wird als Durchbruchsjahr für full generalized autonomy gesehen.

00:18:31: Level five automation bei Autos und Robotern.

00:18:35: Es wird ein Level eins bis Level fünf Schema genannt wobei Level fünf ungefähr menschlich oder leicht übermenschlich bedeutet.

00:18:45: Self-Driving-Cars gelten aktuell grob als Level vier, Roboter eher als Level zwei.

00:18:53: Die These ist, Systeme erreichen zwei Tausend sechsundzwanzig Level fünf Fähigkeiten.

00:18:59: Und wichtig, das muss nicht zwingend On-Edge im Fahrzeug oder im Kopf des Roboters laufen.

00:19:06: Es kann zunächst über große Cloud-Compute laufen, mit Meta-Verifiers und massiven Clustern.

00:19:14: Genannt werden, New Blackwells Massive Clusters und die Zahl, das nächstes Jahr, zehn Millionen Blackwells ankommen.

00:19:23: Später wandert das Richtung Edge, auch wegen Latents und netzfreien Umgebungen.

00:19:29: Dabei wird auch der politische und regulatorische Teil betont.

00:19:33: Es gilt als plausibel, dass echte Level-Fünf-Fähigkeiten vorhanden sind, aber nach außen als Enhanced Level Four oder Level Three verkauft werden, um Regulatoren zufrieden zu stellen.

00:19:47: Und gleichzeitig gibt es nicht nur ein Land, sondern einhundertneunzig-plus-Countries.

00:19:53: Einige werden aktiv einladen und schnelle Zustimmung geben.

00:19:57: Dazu passt die These, Governance wins in two-tausend sechsundzwanzig.

00:20:03: Wer am schnellsten Politik und Regeln jifert, gewinnt.

00:20:07: Außerdem werden Special Economic Zones und Free Economic Zones als Orte beschrieben, in denen höhere Autonomie früher möglich wird und die dadurch zu wirtschaftlichen Powerhouses werden.

00:20:21: Auf der Produktionsseite wird aber gebremst.

00:20:24: Die Capability kann da sein, Aber die Massenverfügbarkeit hängt an der Supply Chain.

00:20:30: Als Analogie taucht das frühe Computerzeitalter auf, als nur wenige Haushalte teure Rechner hatten und das Lebenswege stark auseinanderzog.

00:20:40: Ähnliches wird bei Robotern oder autonomen Systemen erwartet, wenn die Nachfrage schneller wächst als die Fertigung.

00:20:49: Und zum Schluss noch Biologie, und zwar in einer Schärfe, die für viele nochmal nach Zukunft klingt.

00:20:56: Für die Prognose eines Kittyhawk Moment gibt es die Prognose durch Age-Reversal via Epigenetik Reprogramming bei Menschen.

00:21:07: Genannt wird Dr.

00:21:08: David Sinclair und seine Firma Life Biosciences, die im First Quarter auf twenty-twenty-sechsen in Human Trials gehen soll.

00:21:19: Als Hintergrund steht der Nobelpreis zwei-tausend-zwölf für Dr.

00:21:23: Shinya Yamanaka, und die Idee der epigenetischen Reprogrammierung.

00:21:28: Erklärt wird das so.

00:21:30: Menschen haben ungefähr Zweiundzwanzigtausend Gene und welche davon an oder aus sind, ist Teil des Epigenoms.

00:21:39: Mit dem Alter verändert sich dieses Muster und das gilt als ein wesentlicher Grund fürs Altern.

00:21:46: Yamanakas Vierfaktoren werden genannt, Oct IV, Sox II, KLF IV und C-Myk.

00:21:54: Mit diesen vier Faktoren kann eine Zelle zurück in eine Pluripotent-Stem-Cell gehen.

00:22:00: Sinclair soll gezeigt haben, dass man mit drei Faktoren, ohne C-Myk, das als Oncogenic- und Potentialkrebs auslösend gilt, nicht komplett zurück setzt, sondern von einer alten zu einer jungen Hautzelle kommt.

00:22:15: Dazu wird auch ein Patent erwähnt.

00:22:18: Das Vorgehen wurde in Mäusen gemacht, dann im letzten Jahr in Non-Human Primates, und im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr im Jahr ist es nicht nur ein Augen- oder Leberthema, sondern prinzipiell auf den ganzen Körper übertragbar.

00:22:58: Technisch wird erwähnt, dass dafür Viral Vectors genutzt werden, konkret AAV, also Adeno Associated Viruses.

00:23:08: Und AAV ist teuer.

00:23:10: Typischerweise half a million bis a million pro treatment.

00:23:15: Parallel arbeitet das Team an einer Pillenvariante mit drei Molekülen, die a couple hundred bucks a month kosten könnte.

00:23:24: Das greift in das größere Bild von longevity escape velocity.

00:23:29: Das ist dieser Zeitraum, in dem pro Jahr Lebenszeit um mehr als ein Jahr wächst.

00:23:35: Eine Prognose dazu nennt die early twenty thirties.

00:23:40: Und als Schätzung aus KI Dialogen taucht between twenty thirty und twenty thirty two auf.

00:23:46: Insgesamt steht dahinter die These, dass sich Gesundheit zunehmend über Rechenleistung skalieren lässt.

00:23:53: Microtargeting, KI, BCE und präzises Programmieren statt grober Chemie oder reiner Chirurgie.

00:24:01: Und dazu passt die Beobachtung, dass Biologie und Informatik, früher getrennte Welten, zunehmend kollidieren.

00:24:09: Wer in Biotec arbeitet, nimmt KI-Kurse, weil genau diese Verbindung die Lösungspfade öffnet.

00:24:16: Überall dem liegt ein gemeinsames Gefühl.

00:24:46: Wenn es euch gefallen hat, abonniert den Kanal und sagt es euren Freunden.