Was bedeutet Generative KI?
Generative KI ist ein weit gefasster Begriff, der jede Art von künstlicher Intelligenz (KI) beschreibt, mit der neue Texte, Bilder, Videos, Audios, Codes oder synthetische Daten erstellt werden können.
Während der Begriff generative KI oft mit ChatGPT und Deepfakes in Verbindung gebracht wird, wurde die Technologie ursprünglich zur Automatisierung der sich wiederholenden Prozesse bei der digitalen Bild- und Audiokorrektur verwendet.
Da maschinelles Lernen und Deep Learning von Natur aus auf generative Prozesse ausgerichtet sind, können sie ebenfalls als Arten generativer KI betrachtet werden.
Techopedia erklärt die generative KI
Jedes Mal, wenn eine KI-Technologie etwas selbst generiert, kann sie als “generative KI” bezeichnet werden. Dieser Oberbegriff umfasst sowohl Lernalgorithmen, die Vorhersagen treffen, als auch solche, die anhand von Aufforderungen selbstständig Artikel schreiben und Bilder malen können.
Wie generative KI funktioniert
Sobald ein generativer KI-Algorithmus mit Daten trainiert wurde, kann er neue Ergebnisse erzeugen, die den Daten ähneln, mit denen er trainiert wurde. Da generative KI mehr Rechenleistung erfordert als diskriminative KI, kann ihre Implementierung teurer sein.
Die am häufigsten verwendeten generativen Modelle für die Text- und Bilderstellung heißen Generative Adversarial Networks (GANs) und Variational Autoencoders (VAEs).
In einem GAN werden zwei maschinelle Lernmodelle gleichzeitig trainiert. Das eine wird als Generator und das andere als Diskriminator bezeichnet. Die Aufgabe des Generators besteht darin, neue Ausgaben zu erzeugen, die den Trainingsdaten ähneln. Die Aufgabe des Diskriminators ist es, die erzeugten Daten zu bewerten und dem Generator Rückmeldung zu geben, um seine Ergebnisse zu verbessern.
Bei einer VAE wird ein einzelnes maschinelles Lernmodell trainiert, um Daten in eine niedrigdimensionale Darstellung zu kodieren, die die wichtigen Merkmale, Strukturen und Beziehungen der Daten in einer geringeren Anzahl von Dimensionen erfasst.
Das Modell dekodiert dann die niedrigdimensionale Darstellung zurück in die Originaldaten. Im Wesentlichen ermöglichen die Kodierungs- und Dekodierungsprozesse dem Modell, eine kompakte Darstellung der Datenverteilung zu erlernen, die es dann zur Erzeugung neuer Ausgaben verwenden kann.
Einige generative KI-Modelle können sogar zufälliges Rauschen als Input verwenden, um neue Outputs zu erzeugen. Bei diesem Ansatz nimmt das Modell einen zufälligen Rauschvektor als Eingabe, lässt ihn durch das Netzwerk laufen und erzeugt eine Ausgabe, die den Trainingsdaten ähnlich ist. Die neuen Daten können dann als zusätzliche, synthetische Trainingsdaten für kreative Anwendungen in Kunst, Musik und Textgenerierung verwendet werden.
Wenn generative KI als Produktivitätswerkzeug zur Steigerung der menschlichen Kreativität eingesetzt wird, kann sie als eine Art erweiterte künstliche Intelligenz eingestuft werden.
Beliebte kostenlose generative KI-Anwendungen für Kunst
Kunst-KI-Generatoren bieten Endbenutzern eine unterhaltsame Möglichkeit, mit künstlicher Intelligenz zu experimentieren. Hier sind einige der beliebtesten und kostenlosen Kunst-KI-Generatoren:
DeepDream Generator – Eine Open-Source-Plattform, die Deep-Learning-Algorithmen verwendet, um surrealistische, traumähnliche Bilder zu erzeugen.
DALL-E2 – Dieses KI-Modell von OpenAI generiert neue Bilder aus Textbeschreibungen.
Pikazo – Diese mobile App nutzt KI-Filter, um digitale Fotos in Gemälde verschiedener Stilrichtungen zu verwandeln.
Artbreeder – Diese Plattform nutzt genetische Algorithmen und Deep Learning, um Bilder von imaginären Nachkommen zu erstellen.
Beliebte kostenlose generative KI-Apps für Schreibende
Die folgenden Plattformen bieten Endnutzern eine gute Möglichkeit, mit dem Einsatz von KI für kreative Schreib- und Recherchezwecke zu experimentieren:
GPT-3 Playground – ermöglicht Endnutzern die Interaktion mit dem GPT-3-Sprachmodell von OpenAI und die Generierung von Text auf der Grundlage von Aufforderungen, die der Endnutzer gibt.
Write With Transformer – ermöglicht Endnutzern die Verwendung von Hugging Face’s Transformer ML-Modellen, um Text zu generieren, Fragen zu beantworten und Sätze zu vervollständigen.
AI Dungeon – dieses Online-Abenteuerspiel verwendet ein generatives Sprachmodell, um einzigartige Geschichten auf der Grundlage von Spielerentscheidungen zu erstellen.
Writesonic – diese Schreib- und Bilderzeugungsplattform ist eine beliebte Wahl für Produktbeschreibungen im E-Commerce.
Beliebte kostenlose generative KI-Apps für Musik
Hier sind einige der besten generativen KI-Musik-Apps, die mit kostenlosen Testlizenzen genutzt werden können:
Amper Music – erstellt Musikstücke aus vorab aufgenommenen Samples.
AIVA – verwendet KI-Algorithmen, um Originalmusik in verschiedenen Genres und Stilen zu komponieren.
Ecrette Music – nutzt KI, um lizenzfreie Musik für persönliche und kommerzielle Projekte zu erstellen.
Musenet – kann Songs mit bis zu zehn verschiedenen Instrumenten und Musik in bis zu 15 verschiedenen Stilen produzieren.
Geschäftliche Anwendungen für generative KI
Die heutige generative KI ist in der Lage, Inhalte zu erstellen, die aussehen, als wären sie von Menschen geschrieben worden, und den Turing-Test zu bestehen, der von dem berühmten Mathematiker und Kryptographen Alan Turing ins Leben gerufen wurde. Das ist einer der Gründe, warum man sich Sorgen macht, dass generative KI Menschen ersetzen könnte, die in den Bereichen Verlagswesen, Rundfunk und Kommunikation tätig sind.
Hier ein Beispiel dafür, wie generative KI einen menschlichen Werbetexter ersetzen könnte:
- Die Aufgabe: Zusammenstellung einer Versicherungsbroschüre aus einer Liste von Policen, zusammen mit deren Kosten, Leistungen und anderen Details.
- Auf herkömmliche Weise würde sich ein menschlicher Texter all diese Rohdaten ansehen, Notizen machen und einen Text verfassen. Mit generativer KI können lernende Algorithmen die Rohdaten programmgesteuert überprüfen und einen Text erstellen, der aussieht, als sei er von einem Menschen geschrieben worden.
- Neben der Erstellung von Ergebnissen für das Marketing gibt es weitere beliebte Einsatzmöglichkeiten für generative KI in der Wirtschaft:
- Web-Publishing – generative KI-Modelle können verwendet werden, um ansprechende Sachtexte, digitale Bilder, Video- und Audioinhalte zu erstellen.
- Kunst und Unterhaltung – mit generativen KI-Modellen lassen sich fesselnde Web3-Erlebnisse schaffen.
- Portfoliomanagement – generative KI-Modelle können zur Optimierung von Anlageportfolios eingesetzt werden, indem sie eine breite Palette von Marktdaten analysieren und dann detaillierte Vorhersagen auf der Grundlage der bisherigen Performance und aktueller Markttrends erstellen.
- Gesundheitswesen – KI-Modelle können zur Erstellung personalisierter Behandlungspläne und synthetischer Bilder verwendet werden, die zur Feinabstimmung medizinischer Bildanalyseanwendungen eingesetzt werden können.
- Customer Experience Management – generative Chatbots können zur Beantwortung von Kundenfragen und für personalisierte Marketingbotschaften eingesetzt werden.
Wird generative KI den Menschen am Arbeitsplatz ersetzen?
Befürworter der Technologie argumentieren, dass generative KI zwar Menschen in einigen Berufen ersetzen wird, aber auch neue Arbeitsplätze schaffen wird, da es immer einen Bedarf an einem “Human in the Loop” (HiTL) geben wird (siehe auch: “ChatGPT – Kann dieser KI Chatbot menschliche Arbeitsplätze ersetzen?“).
Der Mensch muss nach wie vor das am besten geeignete generative KI-Modell für die jeweilige Aufgabe auswählen, Trainingsdaten sammeln und vorverarbeiten und die Ergebnisse des KI-Modells bewerten.
Generative KI und Ethik
Einige Menschen sind besorgt über die ethischen Aspekte des Einsatzes generativer KI-Technologien, insbesondere solcher Technologien, die die menschliche Kreativität simulieren.
Generative KI kann Ergebnisse produzieren, die sich nur schwer zu den verantwortlichen Parteien zurückverfolgen lassen, was es wiederum schwierig machen kann, Einzelpersonen oder Organisationen für von KI generierte Fake News oder Deepfake-Videos zur Verantwortung zu ziehen.
Dies hat zu einer allgemeineren Debatte über verantwortungsvolle KI geführt und darüber, ob Beschränkungen eingeführt werden sollten, um Datenwissenschaftler daran zu hindern, das Internet zu scrapen, um die großen Datensätze zu erhalten, die sie zum Trainieren ihrer generativen Modelle benötigen.
Gegenwärtig hängt die Rechtmäßigkeit des Scrapens des Internets zur Beschaffung kostenloser Daten für das Training von mehreren Faktoren ab – unter anderem von den spezifischen Gesetzen und Vorschriften des Landes, in dem die Daten gesammelt werden, von der Art der gesammelten Daten und von der Art der Verwendung der Daten.
Da der Wert hochwertiger Datensätze immer weiter steigt und die Dateneigentümer sich des Wertes ihrer Webinhalte für Datenwissenschaftler immer mehr bewusst werden, müssen Ingenieure für maschinelles Lernen (MLEs) möglicherweise Web-Publisher für die Daten bezahlen, die sie zum Trainieren ihrer generativen Modelle verwenden.
