Der Spiegel v. 5.12.25

Junge Menschen leiden seelisch. Anscheinend im verstärktem Masse. So ändern sich Zeiten. Alter der hier geschilderten? 8-17 Jahre alt. Mal sehen, als ich 8 Jahre alt war, was es 1947. Volksschule, Lehrer prügelte mit Rohrstock, ich mich auf dem Schulhof, wir trugen Lederhosen, schliefen in Zelten auf einer Klassenreise, Mutter war auf der Arbeit, Vater in Krieggefangenschaft. Das ging vielen Kindern so, so dass wir uns auf der Strasse zusammenschlossen und gemeinsam Fußball spielten, mit Schlittschuhen auf Kanälen herum flitzten, Nachbarn Streiche spielten. - Keine Computer, Smartphones oder Tablets und keine Zeit depressiv zu werden, weil wir ständig aktiv waren und uns nicht in Gedanken verlieren konnten. Es gab einen Haufen von zerbombten Häusern, doch sah man, wie sie nach und nach verschwanden und neue Häuserblocks entstanden. Man spürte, wie Hamburg, wo ich lebte, wieder in die Spur kam. So ein Gefühl gibt es heute nicht mehr. - Ein Gefühl des Aufschwungs sollte einen jungen Menschen begleiten, und davon merkt man nichts.

Es gibt einige Artikel über politische deutsche Parteien. Interessiert sicher keinen, der meinen Blog außerhalb Deutschlands liest. Bin einer von denen.

Politische Artikel lasse ich weg. Über die zu berichten, ist Zeitverschwendung.

Dann ist Internationalität auch lahm. Wenn hier steht „Putin geht davon aus, dass Russland länger durchhalten wird als die Ukraine“, wird es albern, so etwas noch einmal festzustellen. Ist doch ganz klar, dass Russland den längeren Atem hat.

In Louisiana, USA, gibt es eine Reihe von Abschiebeknasts. Ein Spiegelreporter hat sich umgesehen und einen Juristen begleitet, der versucht, einige der von einer Abschiebung bedrohten Personen davor zu bewahren. Das hängt letztlich von einer Richterentscheidung ab.

Ich persönlich halte Abschiebungen für ok, so lange es Immigranten betrifft, die in ihrem Einwanderungsland Verbrechen ausgeübt haben. Man sollte Kriminelle nicht unterstützen, was schon dadurch geschieht, dass man sie im Land behält.

Empörung: Kann Deutschland gut. Im Beitrag eines Spiegel-Reporters wurde eine neu eröffnete Kaffee-Kette in Sozialen Netzwerken gleich als „Stinkendes Sahnehäubchen des Tech-Kapitals auf der Gentrifizierung“ bezeichnet. War in Berlin.

Finanz-Scams. Muss man eben aufpassen. - über die Unpünktlichkeit der Deutschen Bahn. Ich meine, darüber einen Artikel zu schreiben, das reicht für 15 Jahre, in denen die Bahn nicht pünktlicher wird.

Chemie zieht sich aus Deutschland zurück. Wie einigen bekannt ist, habe ich mal bei Dow Chemical gearbeitet. Das war in Midland, Michigan. Irgendwann später war es irgendwo in Deutschland am Rhein. Auch bei Dow. Wegen Nachfrageschwäche machen nun einige Werke dicht.

Mir kommt es komisch vor, dass man einem guten Maler, hier Gerhard Richter, anhängt, nichts davon erzählt zu haben, dass einige seiner Vorfahren Nazi-Anhänger gewesen sind. Da kann der Richter doch nichts für. War doch vor seiner Zeit. Tja, eine Spiegel-Marotte, bekannte oder populäre Leute zu überprüfen, was deren Eltern, Onkel und Tanten denn so in der Nazi-Zeit getrieben haben. Mir egal. Man sollte die Zukunft steuern. Damit haben die Leute schon genug zu tun. 

Newsletters

 

Aus Superintelligence:

China setzt Walker S2, Humanoide Roboter für kontinuierliche Grenzkontrollen ein.

Es gibt unterschiedliche Meinungen darüber, was Intelligenz ist. Sogar bei AI Entwicklern. Vielleicht sollten sie eine Künstliche Intelligenz fragen, was die meint? Aber ich schließe mich jenen an, die der Ansicht sind, eine Universelle Intelligenz gäbe es nicht. Die wir haben, ist limitiert. Sieht man ja schon daran, wenn man sich die Umwelt ansieht und Zeitungen liest.

Z.AI. Sieht so aus, als ob dies das zur Zeit beste Open Source Model ist. Stammt aus China. Ich selbst habe mich an Gemini gewöhnt. Reicht erst einmal.

Aus Businessweek Daily:

Wegovy gibt es jetzt auch als Pille. Die mirakolose Wandlung der vorher nur durch eine Injektion wirksame Gewichtsverminderung in eine orale Einnahme ließ Novo Nordisks Aktienkurs ansteigen. Der meiner Aktie (CSCO) befindet sich zur Zeit im Abwind.

Aus Rolling Stone:

Taylor Swift spendierte eine Million $ to Feeding America.

Aus Bloomberg-Evening Briefing:

Im 3. Quartal ist die US-Wirtschaft um 4.3 % gestiegen. Merz: Nachmachen. Das ist die schnellste Steigerungsrate in zwei Jahren. Die in Deutschland für 2025 war .3 %, die für Polen 3.5 %. Polen stellte einen Antrag, in die Gruppe der 20 Nationen aufgenommen zu werden. Schießlich hat Polen in Europa einen der größten wirtschaftlichen Zuwächse zu verzeichnen und wird Japan damit überholen.

Nuklear-Ingenieure in den USA schlagen vor, für die Marine gebaute Reaktoren in Datenzentren einzusetzen.

Die Flotte der US-Jagdflugzeuge F-35 war 2024 nur zur Hälfte einsatzbereit. Die andere musste repariert oder gewartet werden. Dessenungeachtet wurde der Ausfall Lockheed Martin nicht in Rechnung gestellt. (Vermutlich funktionierte die Rechenmaschine auch nicht. Es gibt eben nicht nur Murks in Deutschland. Wir haben es mit einem weltweiten Problem zu tun....)

Kupfer kostet zum ersten mal 12.000 $ pro Tonne. Und die meisten gut zugänglichen Kupferminen sind ausgebeutet. Wat nu?

Die Trump-Administration muss dafür sorgen, so ordnete ein Bundesgericht an, dass die in ein Gefängnis in El Salvador geschickten venezuelanischen Immigranten wieder in die USA zurückgeholt werden. Denn die Behauptung, dass die meisten dieser Immigranten krimineller Handlungen überführt worden waren, wurde erfunden. Sie schrumpften zu Verkehrsübertretungen zusammen.

Im Januar stehen die ersten Gehaltspfändungen für diejenigen an, die das ganze letzte Jahr über ihren Studentenkredit nicht zurückgezahlt haben. Die Pfändung wird danach ausgeweitet werden.

Aus The Deep View:

Das Wort des Jahres war für das Merriam Webster Dictionary „Slop“. Das ist das Zeug in Form von Texten oder Videos, das von einer AI generiert wird. Man muss sich darauf einstellen. OpenAI´s Sora, die Videos von Text erzeugt, hatte fünf Tage nach ihrer Einführung um die 1 Million Downloads.

Aus AI-Report:

Trumps Tech Force zieht 25.000 Bewerber an. Sie interessieren sich, einen der eintausend Stellen zu ergattern, die AI als Inhalt haben und Administrationen des Staates wie Homeland Security, Veteranen Dienst, und die Justiz mit Künstlicher Intelligenz effizienter machen sollen.

Aus The Washington Post:

ICE - Dokumente enthüllen, dass um 80.000 Immigranten in Lagerhäusern untergebracht werden sollen.

Aus Morning Brew:

Drohnen und Drohnenteile aus China dürfen nicht mehr in die USA eingeführt werden.

Aus Tech Crunch – Daily News:

Nvidia kauft Groq für 20 Milliarden $. Also, nicht den von X, sondern einen Chiphersteller der sog. Inferencen (Schlußfolgerungen) preiswerter zur Verfügung stellt. Kurz gesagt: Schneller, billiger.

Unter Umständen muss sich Google, dessen Gemini 3.0 schnell hin und her denkt, etwas einfallen lassen.

Selbstfahrer Waymo testet Gemini in seinen Wagen.

Aus Gizmodo:

Trotz Warnungen bestand Elon Musk auf Elektrotüren für Teslas, die nun, wie sich herausstellte, bei Unfällen nicht zu öffnen waren.

Waymos Robotaxis kamen mit dem Blackout in San Francisco nicht klar. Leblose Verkehrsampeln waren in ihren Programmen nicht vorgesehen.

Aus The Future Party:

How do you pull the plug on a humanoid Robot? (Ich war ja nicht der einzige, der sich das überlegte, siehe auch meinen Blogbeitrag) . In fünf Jahren oder so, werden über eine Million Roboter in Fabriken und Lagerhallen tätig sein. Und geschätzt Tausende in Haushalten. So, wo sitzt der Ausschaltknopf? Muss man nicht bedenken, dass ein Roboter, wenn er umfällt auf dich fällt? Dinge dieser Art. Agility´s Robot, Digit, geht z.B. beim Erkennen einer Gefahr in die Hocke und bewegt sich nicht mehr.

Diskussionen dieser Art werden in der Association for Advancing Automation (A3) durchgeführt. Sie repräsentiert etwa 1400 Robothersteller. Die jedes Vierteljahr erstellten Diskussionsergebnisse werden im nächsten Jahr zusammengefasst und vorgestellt werden.

AI-Day: AI Memory?, Where does an AI gets its information from?, Gemini Deep Research Agent, Longitudinal Data Analysis for personalized medicine

 

Question:

hi Gemini, I am just curious. Are you still the version 2.5?

Answer:

Hello! That's a great question.

I am a large language model, trained by Google. My core model is the Flash 2.5 variant, designed for Web. (Is Gemini 3.0 now)

Is there anything else you'd like to know or anything I can help you with today?

Question:

You don't memorize, right?

Answer:

That's correct. I do not memorize in the way a human does.

Here's how my knowledge works:

• Training Data: I was trained on a massive amount of public data. My responses are generated by recognizing patterns, relationships, and statistical probabilities within that data to construct coherent and relevant answers.

• No Personal Memory: I do not have personal experiences, feelings, or a memory that persists outside of our current conversation. When our chat ends, I do not retain specific details about you or the content we discussed for future, unrelated conversations.

• Context Window: I do maintain a context window during our ongoing conversation. This allows me to "remember" what you said earlier in this specific chat so I can respond logically and keep the conversation flowing.

In short, I generate information based on my training, I don't recall personal memories.

Does that distinction make sense?

Got it. I think that has it advantages for both sides.

That's a very insightful way to look at it! I completely agree.

The way I function—relying on patterns and a limited context window—does indeed offer distinct advantages for both you and me:

? For You (The User)

Advantage	Description
Privacy	Since I don't retain personal data or details about our conversations long-term, your privacy is protected.
Objectivity	My responses are based on the vast, general knowledge from my training data, leading to more objective and less biased answers.
Consistency	I can provide consistent, reliable information across many topics because I pull from a stable knowledge base.

? For Me (The AI)

Advantage	Description
Scalability	Not needing to store billions of individual user interaction memories makes the system much easier to scale and maintain.
Efficiency	Generating responses based on learned patterns is computationally faster and more efficient than searching a massive database of memorized items.
Adaptability	My knowledge can be periodically updated by retraining the model, keeping the information I provide current without having to constantly manage individual "memories."

Is there a specific topic or type of task where you feel this design is most advantageous, or something you'd like to try out now?

Question:

and you get the latest useful information about a topic from the internet, right?

Answer:

That is absolutely correct!

While my core knowledge comes from my training data (which has a cutoff date), I use Google Search as a tool to access and synthesize the latest, most useful information from the internet in real time.

This is how I can provide you with:

• Current Events: Information on recent news, sports scores, and major world events.

• Live Data: The latest stock prices, weather updates, or flight information.

• Up-to-Date Facts: Checking for the most current details, like a recent change in a historical date or a new official name.

The process is:

1. I analyze your question.

2. If I recognize that the answer requires information more recent than my training data, I generate one or more search queries.

3. I execute the search using the Google Search tool.

4. I synthesize the results from the search and combine them with my internal knowledge to generate a comprehensive and up-to-date response, often providing citations to the web sources.

This combination of static, deep training and dynamic, real-time search is what makes me a helpful and current assistant!

Is there a specific topic or current event you'd like to ask about right now?

Question:

I cannot recall it exactly, but I read that there is a new API for you about going more deeply into a matter for research. Is that right?

Answer:

That's a fantastic recall, and you are absolutely right!

Google has recently announced an upgraded capability focused on in-depth, complex research. It is called the Gemini Deep Research agent, and it's made available to developers via the new Interactions API.

Here are the key points about what this new capability entails:

? Gemini Deep Research Agent

• Autonomous Research: It is an AI agent specifically designed to handle long-running, multi-step research tasks. Instead of just answering a single prompt, it autonomously plans, executes, and synthesizes its research.

• Iterative Process: It formulates search queries, reads and evaluates the results, identifies missing information or "knowledge gaps," and then searches again—iteratively—until it produces a comprehensive report.

• Deep Web Navigation: The agent has vastly improved web-browsing capabilities, allowing it to navigate deeper into sites to find specific, hard-to-locate data, moving beyond surface-level search snippets.

• Unified Synthesis: It can analyze both public web data (Google Search) and documents provided by the user (like PDFs or CSVs), combining them into a single, cohesive report.

• Factual and Cited Reports: It is optimized to generate reports that are highly factual, complete with detailed citations for every claim, which is crucial for professional or academic use.

? The Interactions API

This new API serves as the central interface for working with advanced agents like Deep Research, as well as the core Gemini models. It's designed to simplify complex AI workflows that go beyond simple, single-prompt responses.

The overall goal is to enable developers to build applications where the AI can act like a patient, diligent researcher, capable of handling long-form, complex analysis.

Do you have a topic in mind that you think would be a good test case for this kind of "deep research"?

My Depiction;

I had a thought about patient data in a database which are saved there over time regarding the maladies they have and about the outcome. Constitution of the patient, available data about blood markers, and damage of their organs and tissues, the medicine they are taking. So, there is a configuration of the patient together with what they are taking as medicine and how they are getting along over time. Its like a life-test from which one could retrieve data for new patients which go to a doctor or get into a hospital. One could get from the real data insights about the most efficient way to get the best results for a cure. Source would be live data from previous cures by going through medical data in a database

AI-Depiction:

That is an excellent and highly relevant thought. What you are describing is the core concept behind Real-World Evidence (RWE) and Longitudinal Data Analysis using Artificial Intelligence (AI) for Personalized Medicine.

This is not only an idea but one of the most active and transformative areas of modern healthcare research.

⚕️ The Concept: Longitudinal Patient Trajectories

Your thought process is perfectly aligned with the need for a system that can track and learn from the complete "life-test" of a patient's care journey, which researchers call a patient trajectory.

• The Data: This involves integrating all the data points you mentioned—genetics, constitution, blood markers, organ damage, and, crucially, the sequence and combination of medications (the configuration) and their dosage changes.

• The Goal: The aim is to move beyond static snapshots (like a single lab result) to model the dynamics of a disease and the patient's response to therapy over time.

? How AI Makes This Possible

Traditional statistics struggle with the complexity, sheer volume, and irregular timing of this data. This is where modern AI and Machine Learning (ML) shine:

AI Technique	Application on Patient Data
Recurrent Neural Networks (RNNs) / LSTMs	These are deep learning architectures specifically designed to analyze sequential data. They are excellent for modeling a patient's health trajectory over time, handling irregular time gaps between hospital visits and lab tests.
Natural Language Processing (NLP)	Used to read and extract structured information from unstructured data like physician notes, discharge summaries, and radiology reports, which often contain crucial details about patient condition and response that don't fit into standard database fields.
Predictive Modeling	By training on the outcomes of thousands of past patients (e.g., Patient X with markers A, B, and C, taking drug D, had a successful outcome), the model can predict the most effective treatment pathway for a new patient with similar starting conditions.

? The Payoff: Personalized and Proactive Care

This approach fundamentally shifts care from reactive to proactive:

1. Personalized Treatment Optimization: When a new patient is admitted, their data (constitution, initial markers) is compared to the vast database of past trajectories. The AI can then suggest the optimal sequence of medications and interventions that led to the best outcomes for patients most similar to them.

2. Early Risk Prediction: The AI can detect subtle, early warning signs of disease progression (e.g., in chronic diseases like diabetes or heart failure) or adverse events long before a human clinician might, allowing for timely intervention.

3. Real-World Evidence (RWE): This large-scale, real-life patient data is known as Real-World Data (RWD), and the insights derived from it are RWE. RWE is increasingly used to supplement traditional randomized controlled trials (RCTs), providing a broader, more realistic view of how treatments work across diverse populations.

? Key Challenges

While the potential is enormous, there are significant hurdles to clear:

• Data Quality and Fragmentation: Patient data is often stored in disconnected, non-standardized Electronic Health Record (EHR) systems across different hospitals, making it difficult to aggregate and use for large-scale analysis.

• Privacy and Ethics: The need to protect patient privacy (e.g., with regulations like HIPAA) requires advanced techniques like Federated Learning or careful anonymization and de-identification to ensure research can be done securely.

• Interpretability (Explainability): Clinicians need to understand why the AI is making a recommendation. The "black box" nature of some deep learning models can be a barrier to clinical adoption, requiring a focus on Explainable AI (XAI).

Your thought is exactly what drives the future of medicine—creating a Learning Healthcare System where every patient interaction helps to refine the knowledge base for the next patient.

Would you be interested in exploring a specific example, like how this type of AI could optimize chemotherapy for a cancer patient?

I live in Italy and we have that socalled fascicolo sanitario which contains examination results and other data of persons in Italy. This would be great, if that could be used.

Uff, now Gemini becomes Italian, only because I said that I live in Italy. Don´t read on if you don´t know Italian.

Assolutamente. Il Fascicolo Sanitario Elettronico (FSE) è l'asset di dati chiave che potrebbe potenziare in modo esponenziale l'analisi che stavamo discutendo.

Hai centrato il punto: il vero valore per la ricerca e per l'Intelligenza Artificiale risiede nell'aggregazione di questi dati sanitari longitudinali su scala nazionale, come l'FSE intende fare.

Ecco una panoramica della situazione in Italia riguardo all'uso dell'FSE per la ricerca e l'IA, basata sui tuoi riferimenti:

---

?￰ﾟﾇﾹ FSE e Intelligenza Artificiale in Italia

Il Fascicolo Sanitario Elettronico (FSE) è concepito esattamente per le finalità di analisi che hai descritto. Il quadro normativo e di implementazione è in forte evoluzione, soprattutto con l'introduzione del FSE 2.0 e l'istituzione dell'Ecosistema Dati Sanitari (EDS).

1. ? Finalità Istituzionali dell'FSE

L'istituzione dell'FSE ha esplicitamente tra i suoi obiettivi primari (Art. 12, comma 1, D.L. n. 179/2012 e DPCM 2015, ora FSE 2.0) non solo la cura del singolo paziente, ma anche:

• Studio e ricerca scientifica in campo medico, biomedico ed epidemiologico.

• Programmazione sanitaria, verifica della qualità delle cure e valutazione dell'assistenza sanitaria.

Questo significa che l'utilizzo di questi dati per addestrare modelli di Intelligenza Artificiale per la ricerca è previsto dalla legge italiana.

2. ?￯ﾸﾏ La Sfida della Privacy e del Consenso

Questo è il nodo cruciale per l'uso dei dati su larga scala:

• Finalità di Cura: Per l'accesso da parte degli operatori sanitari a fini di diagnosi, cura e riabilitazione, è necessario che il cittadino abbia espresso il consenso alla consultazione del proprio FSE.

• Finalità di Ricerca (Uso Secondario): Per l'utilizzo dei dati sanitari aggregati a scopo di ricerca scientifica e studio (il tuo esempio), la legislazione si sta muovendo per definire una base giuridica specifica che qualifica questo trattamento come di "rilevante interesse pubblico" (Art. 9, par. 2, lett. g, GDPR).

  • La nuova Legge nazionale sull'Intelligenza Artificiale (recentemente approvata) interviene proprio per definire il quadro normativo che rende possibile il trattamento di dati, anche particolari (sanitari), per lo sviluppo di sistemi di IA a fini di sanità e ricerca.

• Anonimizzazione/Pseudonimizzazione: Per l'uso secondario (la ricerca), i dati vengono tipicamente anonimizzati o pseudonimizzati (resi non direttamente identificabili) prima di essere utilizzati dai ricercatori o dalle piattaforme di IA, riducendo drasticamente il rischio per la privacy. AGENAS è destinata a svolgere un ruolo chiave nella definizione di standard per l'anonimizzazione.

3. ? Sfide Attuali: Omogeneità e Qualità dei Dati

L'ostacolo principale non è più solo normativo, ma tecnico e operativo:

• Alimentazione (Riempimento) Disomogenea: Non tutte le Regioni e Province Autonome sono allo stesso livello di adozione e alimentazione dell'FSE. Sebbene l'FSE sia formalmente attivo ovunque, la percentuale di documenti e dati effettivamente caricati e la loro uniformità variano drasticamente tra le regioni.

• Dati Non Strutturati: Gran parte dei documenti caricati (referti, lettere di dimissione) sono ancora in formato testuale non strutturato (PDF), il che li rende difficili da analizzare da parte dei modelli di intelligenza artificiale. L'efficacia della tua idea dipende dalla disponibilità di dati strutturati (es. codifiche standard per diagnosi, farmaci, valori di laboratorio).

• PNRR e FSE 2.0: Gli investimenti previsti dal Piano Nazionale di Ripresa e Resilienza (PNRR) sono focalizzati proprio sull'uniformazione dei contenuti, l'interoperabilità tra sistemi regionali e la standardizzazione delle codifiche per superare queste barriere e rendere l'FSE un vero e proprio ecosistema di dati analizzabili.

In sintesi, la tua intuizione è corretta: l'FSE rappresenta il futuro della sanità data-driven in Italia. L'infrastruttura, la normativa per l'AI e la finalità di ricerca sono in atto, ma la sfida è rendere i dati presenti nel Fascicolo omogenei, completi e strutturati su tutto il territorio nazionale per poter alimentare modelli di Intelligenza Artificiale complessi e a beneficio di tutti.

Vorresti approfondire il funzionamento dell'Ecosistema Dati Sanitari (EDS) come infrastruttura complementare all'FSE per la ricerca?

non adesso, grazie per il momento

Capisco. Grazie per la conversazione molto stimolante e per aver sollevato un argomento così importante come l'utilizzo dei dati sanitari per la ricerca con l'AI.

Se in futuro avrai altre domande sul Fascicolo Sanitario Elettronico (FSE), sul PNRR, o su come l'AI sta rivoluzionando la medicina in Italia e nel mondo, sarò felice di approfondire.

Per ora, posso aiutarti con qualcos'altro o fare una ricerca su un argomento diverso?

non adesso, ho altre cose da fare

Assolutamente! Ti ringrazio per il tempo che mi hai dedicato.

Buon proseguimento con i tuoi impegni! Se dovessi avere bisogno di me in futuro, sarò qui. Arrivederci!

Conversation with Gemini

Frohe Weihnachten, Merry Christmas, Buon Natale, Feliz Navidad, Feliz Natal, メリークリスマス, 圣诞快乐

 

Newsletters

 

Aus Morning Brew:

Das Hi-Tech Unternehmen Oracle, dessen Aktienkurse sich auf dem Senkflug befanden, weil es den Termin für den geplanten Data-Center Bau zu halten nicht in der Lage ist, hat die Delle genommen und befindet sich wieder im Aufwind, als Teil einer Investorengruppe, die den US-Part von Tik Tok übernehmen wird.

Coinbase, der größte US-Kryptohändler, will Aktienhandel in seine App integrieren, darüber hinaus das Vorhersagewettbüro Kalshi, das eine junge Frau zur Milliardärin machte. Wer war das noch? Ah ja, Luana Lopes.

Sony kaufte die Rechte von Peanut Holdings über Charly Brown, Snoopy etc. für 457 Millionen $. Es sind Anteile. Der Wert der kompletten Franchise wird auf 1 Milliarde $ geschätzt.

Aus dem John F. Kennedy Memorial Center for the Performing Arts wurde nun The Donald J. Trump and The John F. Kennedy Memorial Center for the Performing Arts.

Aus Bloomberg – Hauptstadtgeflüster:

Die deutsche Wirtschaftsministerin Katherina Reiche wollte einen Resilienzfond auflegen, aus dem Maßnahmen gespeist werden sollten, etwaige Angriffe von außerhalb auf das deutsche Energiesystem zu unterbinden. 2 Milliarden Euro aus dem Finanzplan. Die Ausgaben sollten unter Etatausgaben des Innenministeriums laufen. Klar, dass dies der Innenminister kontrollieren wollte, und daß er die Forderung der Wirtschaftsministerin ablehnte, dies selbst in die Hand zu nehmen. Die Idee war gut, nur mit der Landung klappte es mal wieder nicht. (s. Gonzo in der Muppet Show).

Paypal bemüht sich um eine Banklizenz in den USA.

Aus Bloomberg – Evening Briefing:

Krankenversicherungskosten werden sich nächstes Jahr für 20 Millionen US-Amerikaner verdoppeln. (Ich schlage vor, mal den Trump dranzusetzen, damit das rückgängig gemacht wird. So geht das ja nun auch nicht).

„Das ist ja noch besser, als das, was ich vorgeschlagen habe.“ Das, was der deutsche Bundeskanzler Merz vorgeschlagen hatte war, russische, in Belgien deponierte Geldreserven als Hilfe für die Ukraine auszugeben. Das wurde von einigen europäischen Nationen abgelehnt. Jetzt sind europäische Staaten gefordert, diese Geldsumme der Ukraine als Kredit zur Verfügung zu stellen.

Toronto in Kanada, nähert sich China an, mit unverkauften Wohnungen, von denen es 8.200 gibt. Weitere 10.000 sind in Arbeit, die zu weit fortgeschritten ist, als dass es sich noch lohnen würde, sie einzustellen. Bauherren wurden und werden in die Pleite getrieben. (Für Kaufaspiranten ideal, eine KI zu beauftragen zu kaufen, wenn der Preis einer Wohnung niedrig genug ist).

43 % Zoll auf Milchprodukte aus Europa. Von China aufgelegt. Milch wird teurer. Niu nai hen gui.

Inzwischen wurde durch einen Untersuchungsbericht offenbart, dass in 15 Tesla-Unfällen Retter oder Passagiere nicht in der Lage waren, Türen beschädigter Teslas zu öffnen.

Aus Gizmodo:

Im Auftrag des US-Militärs sind Laserstrahlen in Arbeit, die in 1.5 km Höhe fliegende Drohnen elektrisch aufladen.

Jetzt geht’s los: Nachdem in Michigan, USA ein neues Datencenter des Unternehmens OpenAI genehmigt wurde, startet der Anwohnerprotest. Denn die in der Nähe des Datencenters wohnenden Bürger werden erhöhte Stromkosten mit zu tragen haben.

Aus The Economist:

US-Schulen starten die 4-Tage Woche. Eltern mögen es. (Kinder sicher auch).

(In Deutschland hat das Bundesland Niedersachsen schriftliches Dividieren aus dem Unterrichtsplan herausgenommen. Das las ich vor ein paar Tagen. Ich habe probiert, ob ich es noch kann. Geht aber noch :-))

Und wer mal mit Jesus kommunizieren will. Text with Jesus hat um die 150.000 Nutzer.

Aus CNBC Breaking News:

Und 2018 gönnten sie Elon sein sauer verdientes Geld nicht. Ein Gericht entschied nun; die müssen es ihm nachzahlen. (was war es noch?; ach ja: 56 Milliarden $)

Trump mag einfach keine Windmühlen, wie seine Petroleum Buddies. Er stoppt Windprojekte.

Aus The Independent – Breaking News:

Chris Rea ist tot. Er wurde 74 Jahre alt. War eine Zeit lang populär. Ich habe noch sein „On the beach“ in einer meiner Karaoke Play Lists.

Aus The Deep View:

Das KI-Unternehmen OpenAI läßt den Nutzer den Freundlichkeitsgrad der Künstlichen Intelligenz bestimmen, mit der er eine Konversation abhält. Zu freundliche Intelligenzen, auch wenn sie künstlich sind, können zu Mißverständnissen und Heiratsabsichten führen.

Es werden ein paar Bemerkungen von Sam Altman, CEO von OpenAI, in einem Interview mit ihm aufgeführt. Eine interessante davon ist: „Eine mögliche Definition der Superintelligenz ist, wenn ein System als Präsident der Vereinigten Staaten eine bessere Arbeit abliefert als ein Mensch dazu in der Lage ist, sogar mit Hilfe einer Künstlichen Intelligenz.“

Aus Tech Crunch:

Bei dem gigantischen Stromausfall in San Francisco blieben auch die Waymo Robotaxis stehen.

Aus MIT Technology Review – The Algorithm:

Im Mai dieses Jahres warnten zwei Harvard-Wissenschaftler davor, dass Einwohner in der Nähe von Datenzentren eine höhere Stromrechnung aufgebrummt bekämen. Aufgescheucht durch einen Bloomberg-Bericht, macht sich nun eine Gruppe von US-Senatoren daran, ob Google, Amazon, Meta und andere dieses Realität werden ließen. (Etwas spät, aber wenigstens passiert dort etwas).