AI-Lexikon
Das Nachschlagewerk für alles rund um Machine Learning und AI.
Künstliche Intelligenz (KI)
Künstliche Intelligenz sind Computerprogramme, die keinen vordefinierten Regeln folgen, sondern ihr Verhalten selbstständig anhand von Beispielen erlernen.
##Klassische Computerprogramme## folgen festen, vordefinierten Regeln. Zum Beispiel: Wenn der User auf einen bestimmten Button klickt, öffnet sich ein Dialog.\nMit ##Künstlicher Intelligenz## (englisch Artificial Intelligence) sind Computerprogramme gemeint, bei denen keine solchen Regeln einprogrammiert sind, sondern die ihre Regeln anhand von Beispielen “erlernen”. Wenn man einer solchen KI 10.000 Bilder von Hunden zeigt, lernt die KI selbständig, Hunde auf Bildern zu erkennen. In diesem Sinn lernt eine KI ganz ähnlich wie wir Menschen.
Machine Learning (ML)
Machine Learning (ML) ist ein Teilgebiet der Künstlichen Intelligenz. Die meisten modernen KIs bauen auf Machine Learning auf.
##Machine Learning## (ML) ist ein Teilgebiet der Künstlichen Intelligenz. Die meisten modernen KIs bauen auf Machine Learning auf. ML-Algorithmen werden während der Trainingsphase mit großen Mengen von Daten gefüttert. Sie sind in der Lage, selbstständig Muster in diesen Daten zu erkennen. Ein Schlüsselaspekt von ML ist die Fähigkeit, sich kontinuierlich zu verbessern und anzupassen: Je mehr Daten ein ML-Modell verarbeitet, desto präziser werden seine Vorhersagen und Entscheidungen. \nMachine Learning wird in vielfältigen Bereichen eingesetzt: vom selbstfahrenden Auto über ChatGPT bis hin zur Vorhersage von Krankheitsverläufen in der Medizin.\nÄhnlich wie Menschen durch Beobachtung und Erfahrung lernen, erlangen ML-Modelle ihr Wissen durch Daten. Während allerdings Menschen oft nur wenige Beispiele brauchen, benötigen ML-Algorithmen oft Millionen von Datensätzen. Dafür sind sie in einigen Fällen sogar in der Lage, komplexe Muster in Daten zu erkennen, die für das menschliche Auge unsichtbar sind.
Generative KI
Generative KI ist ein fortschrittlicher Bereich der Künstlichen Intelligenz, der sich darauf konzentriert, neue Inhalte wie Texte, Bilder oder Musik autonom zu erzeugen.
##Generative KI## beschreibt KI-Systeme, die dazu in der Lage sind, neue, originelle Inhalte zu erstellen. Während traditionelle KI-Modelle darauf ausgelegt sind, Muster in Daten zu erkennen und darauf basierend Entscheidungen zu treffen, gehen generative KI-Modelle einen Schritt weiter. Sie können beispielsweise neue Bilder generieren, die es noch nie zuvor gab, originelle Musik komponieren oder realistische Texte verfassen. \nEin bekanntes Beispiel für generative KI sind Deep Learning-Modelle wie GPT-3 oder DALL-E, die in der Lage sind, komplexe Aufgaben in den Bereichen Text- und Bildgenerierung zu übernehmen. Diese Systeme lernen durch die Analyse riesiger Datenmengen und sind in der Lage, kreative und oft überraschend detaillierte Werke zu schaffen. Generative KI wird in einer Vielzahl von Bereichen eingesetzt, von der Unterhaltungsindustrie über die akademische Forschung bis hin zur Produktentwicklung. Sie eröffnet neue Wege für Kreativität und Innovation, indem sie Menschen ermöglicht, mit KI als Werkzeug neue Ideen zu erforschen und umzusetzen.
Large Language Models (LLM)
Large Language Models (LLMs) wie GPT-4 sind fortschrittliche KI-Systeme, die darauf spezialisiert sind, menschliche Sprache zu verstehen und zu generieren.
##Large Language Models## (LLMs) sind eine revolutionäre Klasse von KI-Modellen, die darauf ausgelegt sind, menschliche Sprache in einem Umfang und einer Komplexität zu verstehen, die bisher unerreichbar waren. Sie werden durch das Trainieren an gigantischen Textmengen entwickelt, manchmal Milliarden von Wörtern aus Büchern, Artikeln und dem Internet. Dies ermöglicht es ihnen, ein tiefes Verständnis von Sprache, Kontext und sogar spezifischen Wissensgebieten zu entwickeln.\nEin Schlüsselmerkmal von LLMs ist ihre Fähigkeit, in einer Vielzahl von Anwendungen eingesetzt zu werden – von der einfachen Texterstellung über die Beantwortung komplexer Fragen bis hin zur Sprachübersetzung. Sie können auch für kreative Aufgaben wie das Schreiben von Gedichten oder das Generieren von Kunst verwendet werden.\nEin entscheidender Vorteil von LLMs gegenüber früheren KI-Modellen ist ihre Flexibilität. Sie sind nicht auf eine spezifische Aufgabe beschränkt, sondern können eine breite Palette von Anfragen verarbeiten. Dies bedeutet, dass sie in der Lage sind, menschenähnliche Dialoge zu führen und auf eine Vielzahl von Themen einzugehen, was sie zu einem wertvollen Werkzeug in Bereichen wie Bildung, Unterhaltung und Kundenservice macht.
Tokens in Language Models
Tokens sind die Grundbausteine in der Verarbeitung von Sprache durch große Sprachmodelle (LLMs). Sie ermöglichen es, komplexe Texte in kleinere, handhabbare Einheiten zu zerlegen.
##Tokens## sind eine Art von "Wortbausteinen" in der Sprachverarbeitung. In großen Sprachmodellen (Large Language Models, LLMs) wie GPT-3 oder BERT werden Texte in Tokens zerlegt. Diese Zerlegung hilft dabei, komplexe Texte in kleinere, handhabbare Einheiten zu unterteilen.\nEin Token kann ein Wort, ein Teil eines Wortes oder sogar ein einzelnes Zeichen sein. Die Art der Tokenisierung hängt vom spezifischen Algorithmus des Modells ab. Einige Modelle verwenden "subword tokenization", bei der häufige Wörter als ganze Tokens behandelt werden, während seltene Wörter in kleinere Einheiten zerlegt werden. Dies ermöglicht eine effizientere Verarbeitung der Sprache, da das Modell so ein breiteres Spektrum an Wörtern mit einer begrenzten Token-Liste abdecken kann.\nDie Verwendung von Tokens erlaubt es dem Modell, mit einer großen Vielfalt an Spracheingaben umzugehen und dabei die zugrundeliegenden Strukturen und Bedeutungen effektiv zu erfassen. Tokens sind daher ein wesentlicher Bestandteil moderner LLMs und spielen eine entscheidende Rolle bei der Interpretation und Generierung von Sprache.