Aus einem Hobby vor ca. 25 Jahren wurde eine Leidenschaft und ein spannendes Betätigungsfeld. Sei es systemnahes Programmieren oder Kernel Hacking, hier lernt man nie aus. Was ist schneller? Hyperthreading oder Multithreading bei pipelined FPU usage? Warum ist paralleles Programmieren in manchen Fällen einfach langsamer als eine sequentielle Abarbeitung des Stacks? Und warum ist strcpy() so gefährlich und was ist ein Register? Manches, was ich hier auf meinen Reisen mitnehme, kommt (in Zukunft) im Blog-Bereich dieser Seite zum tragen.

'Cogito ergo sum', okay, definiere 'denken'...
Seid ~15 Jahren ist AI/ML ein definierendes Thema für mich und ein ebenfalls niemals endendes Lernfeld.

Klar ist der Hype derzeit auch in der Öffentlichkeit angekommen, aber ich sehe weniger Parallelen zu meinen eigenen Bestrebungen ein technisch verstandenes und sinnvoll zu nutzendes deep-learning-net zu entwicklen.
ChatGPT, Copilot und Co. sind tolle Techdemos, aber einen praktischen und beständigen Nutzen für den User sehe ich derzeit noch nicht. Da blicke ich eher in die Richtung Nvidia und deren DLSS Techniken oder NOAA und deren NCAI program.

Mein Research in diesem Bereich bezieht sich auf ein selbst entwickeltes und stetig überarbeitetes 'deep-learning-framework', an welchem ich verschiedene Praktiken, Formeln und deren Nutzen und Performance teste.
Um überhaupt die Prozesse der 'Black-Box', also des Netzes, verstehen zu können, halte ich es für sinnvoll das Rad an dieser Stelle immer wieder neu zu erfinden und immer ein wenig anders zu gestalten. So gelangt man zu einigen wertvollen Erfahrungen und wechselt stetig die Perspektive um die Aufgabe aus vielen Blickwinkeln zu betrachten.
Das ganze Konstrukt entwickele ich in C auf Linux.
Auch Assembly um Optimierungen zu analysieren/implementieren oder CUDA/CPU Spielereien um Zugriffsoptimierungen zu erhalten sind hier ein ganz großes Thema. Der Bereich ist schwierig klar zu begrenzen.
Selbst Biologie ist ein Thema, wenn man den Versuch wagt, das 'Lernen' an sich verstehen zu wollen und entsprechend virtuell zu kopieren.