Die wichtigsten Begriffe
Künstliche Intelligenz (KI): Künstliche Intelligenz bezieht sich auf die Entwicklung von Computerprogrammen und -systemen, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. KI-Systeme können Muster erkennen, Probleme lösen, Entscheidungen treffen und menschenähnliche Verhaltensweisen in bestimmten Kontexten nachahmen. Sie nutzen Algorithmen und Daten, um zu lernen, sich anzupassen und ihre Leistung im Laufe der Zeit zu verbessern. KI wird in verschiedenen Bereichen wie Gesundheitswesen, Transportwesen, Finanzen, Robotik und vielen anderen eingesetzt.
Generative Künstliche Intelligenz (KI): Generative KI bezieht sich auf Technologien oder Modelle, die in der Lage sind, neue und kreative Inhalte zu generieren. Anstatt auf vordefinierte Daten oder Regeln zurückzugreifen, kann generative KI eigenständig neue Informationen, Texte, Bilder oder andere Inhalte erstellen. Dies geschieht durch das Lernen aus vorhandenen Daten und die Anwendung von Algorithmen, um neue Muster zu generieren.
Chatbot: Ein Programm oder System, das mithilfe von KI-Technologien wie Generative AI in der Lage ist, menschenähnliche Konversationen zu führen und auf Benutzereingaben zu reagieren.
ChatGPT: ChatGPT ist eine spezielle Variante generativer KI, die darauf abzielt, menschenähnliche Konversationen zu führen. Es ist darauf trainiert, auf Texteingaben zu reagieren und in einem Dialog ähnlich wie ein Chatbot zu interagieren. ChatGPT nutzt das Konzept des Transfer Learning, bei dem es von einer großen Menge an Internettext lernt und dann an spezifische Anwendungsfälle oder Kontexte angepasst werden kann. Es kann beispielsweise in Kundensupport-Chats, virtuellen Assistenten oder ähnlichen Szenarien eingesetzt werden, um auf Benutzereingaben zu antworten.
Prompt: Die Eingabe oder Anfrage, die an ein generatives KI-Modell wie ChatGPT gesendet wird, um eine gewünschte Ausgabe zu erhalten. Es ist der Text oder die Anweisung (oft in natürlicher Sprache), die verwendet wird, um das Modell zu leiten und ihm zu sagen, was genau generiert oder beantwortet werden soll.
Prompt Engineering: Der Prozess des Erstellens effektiver Anfragen oder Prompts, um gewünschte Ergebnisse von Generative AI-Systemen wie ChatGPT zu erhalten. Es beinhaltet das Experimentieren mit verschiedenen Formulierungen, das Hinzufügen von Anweisungen oder spezifischen Details und das Verfeinern des Prompts, um die gewünschten Ausgaben zu erzielen.
Weitere Begriffe zur Nutzung
One-shot Learning: Ein Lernparadigma, bei dem ein Modell in der Lage ist, neue Aufgaben oder Konzepte mit nur einer einzigen Beispielsitzung zu erlernen, anstatt einer großen Menge an Trainingsdaten.
Fine-tuning: Ein Verfahren, bei dem ein vortrainiertes Modell wie ChatGPT an einen spezifischen Anwendungsfall oder Kontext angepasst wird, um bessere Leistung und spezifische Ergebnisse zu erzielen.
Transfer Learning: Ein Konzept, bei dem ein Modell, das für eine bestimmte Aufgabe trainiert wurde, auf eine andere, ähnliche Aufgabe angewendet wird, indem es das bereits erlernte Wissen nutzt und anpasst.
Bias und Fairness: Begriffe, die sich mit der potenziellen Verzerrung von KI-Modellen und Algorithmen befassen, die zu ungerechten oder ungleichen Ergebnissen führen können. Das Verständnis von Bias und Fairness ist wichtig, um die Auswirkungen von Generative AI-Systemen zu berücksichtigen und ethisch verantwortungsvolle Lösungen zu entwickeln.
Weitere Begriffe zur Technologie
Machine Learning (ML): Eine Teilmenge der KI, die Algorithmen und Techniken verwendet, um automatisch aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. ML ist die Grundlage vieler generativer KI-Anwendungen.
Deep Learning (DL): Ein Bereich des ML, der auf der Verwendung von neuronalen Netzwerken mit vielen Schichten basiert. Deep Learning ermöglicht es generativen KI-Modellen, komplexe Muster zu lernen und zu generieren.
Neural Networks: Eine Klasse von KI-Modellen, die vom Aufbau des menschlichen Gehirns inspiriert sind. Neuronale Netzwerke spielen eine wichtige Rolle in der Generative AI, da sie komplexe Muster erkennen und generieren können.
Generative Models: KI-Modelle, die darauf abzielen, neue und kreative Inhalte zu generieren, wie z. B. Bilder, Texte, Musik oder Videos. Generative Modelle können auf statistischen Modellen, neuronalen Netzwerken oder anderen Techniken basieren.
GANs (Generative Adversarial Networks): Ein spezieller Typ generativer Modelle, der aus zwei konkurrierenden neuronalen Netzwerken besteht – dem Generator und dem Diskriminator. GANs ermöglichen die Generierung von qualitativ hochwertigen und realistischen Inhalten.
Natural Language Processing (NLP): Ein Teilbereich der KI, der sich mit der Verarbeitung und Analyse von menschlicher Sprache befasst. NLP ist wichtig für die Entwicklung von generativen KI-Modellen, die menschenähnliche Texte generieren können, wie zum Beispiel ChatGPT.
GPT (Generative Pre-trained Transformer): GPT ist ein spezifischer Ansatz für generative KI, der auf dem Transformer-Modell basiert. Es handelt sich um ein tiefes neuronales Netzwerk, das große Mengen an Textdaten analysiert und darauf trainiert wird, sinnvolle und zusammenhängende Texte zu generieren. GPT kann verschiedene Aufgaben wie Textgenerierung, Übersetzung oder Konversation bewältigen und hat einen breiten Anwendungsbereich.