@littledetritus@geraffel.social
2026-09-27 09:34 UTC
@isotopp@infosec.exchange @publictorsten@mastodon.social @masek@infosec.exchange
Bin bei dem Workflow bei dir.
Imho machst du hier die implizite Annahme, dass die beiden Formen von Compute die KI aktuell braucht - Training und Inference - kategoriell getrennt bleiben.
Soweit ich das verstanden habe ist der Hauptgrund dafür, dass Training im Gegensatz zu inference Backpropagation braucht.
Bin mir nicht sicher in wie weit das gerade mit den aktuellen Entwicklungen in MLOps, dauerhaft so bleiben wird.
1/2
Replies (1)
-
@littledetritus@geraffel.social 2026-09-27 09:39
@isotopp@infosec.exchange @publictorsten@mastodon.social @masek@infosec.exchange Das würde imho bedeuten, dass - solange Backpropagation für Training notwendig ist - du durch MLOps immer wieder und vermutlich immer häufiger zentrales Compute brauchst um das Modell anzupassen. Ein Gamechanger könnte aber sein wenn für das Retraining Ansätze wie wir sie vom Hebbeschen Lernen kennen umsetzbar sind. Dann wäre es möglich das Nachtrainieren umszusetzen ohne das gesamte Neuronale Netz neu zu trainieren und das ließe sich dann ggf. lokal machen 2/2