Sıla Ermut
Sıla ist Branchenanalystin bei AIMultiple und befasst sich mit KI-Modellen, KI-Infrastruktur, KI-Governance und Unternehmensanwendungen von KI.
Forschungsinteressen
Sılas Forschung konzentriert sich auf den Einsatz von KI in Marketing, Gesundheitswesen, Lieferketten und Nachhaltigkeit. Sie befasst sich außerdem mit KI-Evaluierung, Governance, Ethik und Adoption.Ihre Arbeit umfasst die Recherche und den Vergleich von KI-Technologien, die Analyse ihrer Geschäftsanwendungen sowie die Mitarbeit an den Technologie-Benchmarks von AIMultiple.
Berufserfahrung
Sıla war zuvor als Personalvermittlerin tätig und arbeitete in Projektmanagement- und Beratungsunternehmen.Ausbildung
Sie besitzt:- Bachelor of Arts in Internationalen Beziehungen von der Bilkent University.
- Master of Science in Sozialpsychologie von der Başkent University.
Ihre Masterarbeit befasste sich mit ethischen und psychologischen Bedenken im Zusammenhang mit KI. Ihre Arbeit untersuchte die Beziehung zwischen KI-Exposition, Einstellungen gegenüber KI und existenziellen Ängsten über verschiedene Nutzungsgrade von KI hinweg.
Neueste Artikel von Sıla
Vergleichen Sie 9 große Sprachmodelle im Gesundheitswesen
Wir haben 9 LLMs mithilfe des MedQA-Datasets verglichen, einem Benchmark für klinische Prüfungen auf Graduierten-Niveau, der aus USMLE-Fragen abgeleitet ist. Jedes Model beantwortete dieselben klinischen Multiple-Choice-Szenarien mit einem standardisierten Prompt und ermöglichte so einen direkten Vergleich der Genauigkeit. Wir haben außerdem die Latenz pro Frage erfasst, indem wir die Gesamtlaufzeit durch die Anzahl der abgeschlossenen…
Statistiken zum KI-Energieverbrauch
Eine aktuelle Prognose sagt voraus, dass KI bis 2028 mehr als die Hälfte des Stroms von Rechenzentren verbrauchen wird.Da rechenintensive Workloads wie generative KI zunehmen, dürfte auch die Gesamtstromnachfrage steigen. Wir haben Daten der IEA, des MIT und großer Cloud-Anbieter ausgewertet, um Effizienztrends beim KI-Energieverbrauch sowie politische Maßnahmen und Best Practices zu identifizieren. Für die…
Top 20+ Prognosen von Experten zum Verlust von Arbeitsplätzen durch KI
Als McKinsey-Berater half ich Unternehmen ein Jahrzehnt lang, neue Technologien einzuführen. Meine kurzen Antworten: Hinweis: Die Größe der Diagramme korreliert mit der Größe der Prognose zum Arbeitsplatzverlust. Die in unserer Analyse genannten Prozentsätze basieren auf Annahmen über die gesamte Arbeitsplatzverdrängung. In bestimmten Szenarien beinhalteten diese Annahmen potenzielle Arbeitsplatzgewinne durch die Einführung von KI. Um jedoch…
LLM-Parameter: Typen, Skalierung, Fine-Tuning-Leitfaden
Die Parameteranzahl ist eine der am häufigsten zitierten Spezifikationen eines großen Sprachmodells, aber sie bestimmt nicht, wie gut ein Modell funktioniert oder wie viel es kostet, es zu betreiben. Das folgende Diagramm vergleicht 31 Modelle anhand ihres LLM-Index-Scores und ihrer durchschnittlichen Kosten pro Aufgabe über sieben Benchmarks. Vier Modelle bilden die Pareto-Linie, bei der kein…
Wu Dao 3.0: Chinas Version von GPT-5
Als die USA den Zugang Chinas zu fortschrittlichen Chips unterbrachen, stand die Beijing Academy of Artificial Intelligence vor einer Wahl: sich über Einschränkungen beschweren oder Wege finden, sie zu umgehen. Sie wählten die zweite Option. Wu Dao 3.0, das im Juli 2023 veröffentlicht wurde, verwirft das alte Spielbuch. Keine riesigen Modelle mit Billionen von Parametern,…
Vergleichen Sie die Top 6 der KI-Präsentations-Tools
Wir haben die Top-6-KI-Präsentations-Tools über 9 Dimensionen mit 4 verschiedenen Prompts bewertet, um ihre Kontext- und Prompt-Verständnis-Fähigkeiten, die visuelle KI-Integration sowie die Anpassungsfähigkeiten an Stimme und Markenstil zu beurteilen: Siehe die Methodik und die Bewertungskriterien, um zu verstehen, wie wir diese Ergebnisse berechnet haben. Die Punktzahlunterschiede zwischen Gamma, Google Slides mit Gemini, SketchBubble, Canva und…
Die Zukunft der Large Language Models
Sehen Sie die Zukunft der Large Language Models, indem Sie Ansätze wie Selbsttraining, Faktenprüfung und spärliche Expertise vergleichen, die LLM-Einschränkungen beheben könnten. LLMs greifen während Gesprächen auf externe Quellen zu, anstatt sich auf Trainingsdaten zu verlassen. Das Model fragt externe Datenbanken ab, ruft aktuelle Informationen ab und liefert Quellenangaben. Einschränkung: Macht weiterhin Fehler. Quellenangaben garantieren…
Top 7 KI-Anbieter im Benchmark
Das Ökosystem der KI-Infrastruktur wächst schnell; Anbieter bieten unterschiedliche Ansätze für den Aufbau, das Hosting und die Beschleunigung von Models. Während alle das Ziel verfolgen, KI-Anwendungen zu betreiben, fokussiert sich jeder auf eine andere Ebene des Stacks. Wir haben die am häufigsten genutzten Anbieter auf OpenRouter: CoreWeave Forge, ehemals Weights & Biases (W&B), Cerebras, DeepInfra,…
Top 6 KI-App-Builder: Lovable, Base44 & Glide
Wir haben die Top-6-No-Code/Low-Code-KI-App-Builder mit 1 Prompt über 15 Dimensionen getestet, darunter Einrichtung, Stöbern, Checkout, Design und Benutzerfreundlichkeit. Lesen Sie die Benchmark-Methodik und -Bewertung, um zu sehen, wie wir diese Tools getestet haben. Lovable lässt sich am besten als KI-gestützter Low- bzw. No-Code-App-Builder mit Code-First-Ausgabe beschreiben. Nutzer erstellen hauptsächlich über natürliche Sprache-Prompts, iteratives Feedback und…
Axway MFT: Ein umfassender Leitfaden
Managed File Transfer (MFT)-Lösungen verschieben Daten sicher zwischen Systemen. Axway MFT ist Teil von 74Software, entstanden aus der Zusammenführung von Axway und Sopra Banking Software. Wir haben die Funktionalität, das Nutzerfeedback und die Wettbewerbsalternativen von Axway MFT analysiert. Abbildung 1: SecureTransport-Datenflussprotokolle Axway MFT ist eine Dateiübertragungssoftware, die Daten zwischen Netzwerken und Systemen verschiebt. Die Plattform…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.