👂 🎴 🕸️
<
div
>
Generative
künstliche
Intelligenz
(
KI
)
widmet
sich
der
Erstellung
neuer
''
oft
unvorhergesehener
Daten
oder
Inhalte
''
die
das
Ergebnis
des
Lernens
aus
bestehenden
Daten
sind
.
Diese
Modelle
'
verstehen
'
irgendwie
die
Struktur
und
Verteilung
der
Daten
''
auf
denen
sie
trainiert
wurden
''
und
versuchen
''
neue
Muster
zu
erstellen
''
die
mit
diesen
erlernten
Mustern
übereinstimmen
.
Generative
Modelle
können
für
verschiedene
Zwecke
verwendet
werden
''
wie
zum
Beispiel
die
Erstellung
von
Bildern
''
Texten
''
Tönen
oder
Videos
und
werden
oft
in
Bereichen
wie
der
künstlichen
Inhaltsproduktion
oder
Sprachsynthese
eingesetzt
.
div
>
<
div
>
Text
-
zu
-
Bild
bzw
.
Sprache
-
zu
-
Bild
generative
künstliche
Intelligenz
(
KI
) 
ermöglicht
das
Erstellen
neuer
''
einzigartiger
bildlicher
Inhalte
mittels
Beschreibungen
oder
Befehlen
in
Textform
(
bzw
.
gesprochener
Sprache
).
div
>
Großes
Sprachmodell
(
LLM
)''
oder
Large
Language
Model
''
ist
ein
Typ
der
künstlichen
Intelligenz
''
der
entwickelt
wurde
''
um
menschliche
Sprache
zu
verstehen
und
zu
generieren
.
Diese
Modelle
werden
an
riesigen
Textmengen
geschult
''
wodurch
sie
Grammatik
''
Wortschatz
und
Kontext
verschiedener
Sprachen
lernen
.
Die
Fähigkeit
von
LLM
''
zusammenhängende
und
grammatikalisch
korrekte
Texte
zu
generieren
''
ermöglicht
es
ihnen
''
verschiedene
Aufgaben
zu
erfüllen
''
wie
Fragen
zu
beantworten
''
Texte
zu
schreiben
''
Sprachen
zu
übersetzen
oder
Informationen
zu
zusammenzufassen
''
und
das
alles
ohne
explizite
Programmierung
spezifischer
Regeln
oder
Logiken
.
Neuronale
Netze
im
Kontext
der
KI
sind
<
strong
>
keine
echten
Nervenzellen
strong
>''
sondern
softwarebasierte
Modelle
''
deren
Architektur
von
der
Art
und
Weise
inspiriert
ist
''
wie
das
menschliche
Gehirn
Informationen
verarbeitet
.
Diese
Modelle
bestehen
aus
„
Schichten
“
von
Datenstrukturen
''
die
„
Neuronen
“
genannt
werden
.
Die
Neuronen
sind
miteinander
verbunden
und
ihre
Verbindungen
haben
ein
bestimmtes
„
Gewicht
“
.
Im
Lernprozess
passt
das
System
diese
Gewichte
-
auch
„
Parameter
“
genannt
-
allmählich
an
''
um
den
Fehler
zwischen
seiner
Vorhersage
und
dem
''
was
vorhergesagt
werden
soll
''
zu
verringern
.
GPU
(
Grafikverarbeitungseinheiten
''
NVIDIA
)
und
TPU
(
Tensor
-
Verarbeitungseinheiten
''
Google
)
sind
jene
Hardware
-
Innovationen
''
die
tiefgehendes
Lernen
in
einem
unvorstellbaren
Umfang
ermöglichen
.
Tiefes
Lernen
oder
Deep
Learning
nutzt
neuronale
Netze
mit
vielen
Schichten
(
daher
'
tief
')''
was
dem
Modell
ermöglicht
''
komplexe
Muster
in
Daten
auf
verschiedenen
Abstraktionsebenen
zu
lernen
.
Deep
Learning
wird
in
vielen
Bereichen
angewendet
''
einschließlich
Bild
-
und
Spracherkennung
''
und
ist
eine
Schlüsseltechnologie
in
der
Entwicklung
autonomer
Systeme
wie
selbstfahrende
Autos
oder
Spracherkennung
.
<
br
/><
br
/>
Der
Schlüssel
zum
Erfolg
ist
eine
möglichst
große
Menge
an
Trainingsdaten
.
A
trained
neural
network
is
stored
in
a
file
.
This
file
is
called
„
a
model
“
.
When
You
want
to
use
it
-
either
for
inferencing
or
training
or
both
-
You
need
to
load
the
model
from
the
disk
into
memory
.<
div
><
br
>
div
><
div
>
Based
on
the
amount
of
„
parameters
“
(
e
.
g
.
numbers
which
represent
the
synaptic
weight
)
the
model
contains
''
the
process
of
loading
into
memory
shall
be
or
shall
not
be
succesful
;)
div
>
<
div
>
Lora
is
like
a
small
„
adapter
“
model
which
You
can
train
as
an
addition
to
Your
main
„
big
“
model
.
Training
of
a
Lora
is
much
faster
than
fine
-
tuning
of
the
big
model
itself
.
<
br
>
div
><
div
><
br
>
div
><
div
>
With
a
properly
trained
Lora
''
You
will
give
Your
avatar
a
unique
personality
.<
br
>
div
>
<
div
>
Lora
is
like
a
small
„
adapter
“
model
which
You
can
train
as
an
addition
to
Your
main
„
big
“
model
.
Training
of
a
Lora
is
much
faster
than
fine
-
tuning
of
the
big
model
itself
.
<
br
>
div
><
div
><
br
>
div
><
div
>
With
a
properly
trained
Lora
''
You
will
give
Your
avatar
a
unique
personality
.<
br
>
div
>
In
machine
learning
and
AI
''
we
speak
about
<
br
><
p
class
=
„
fragment
“
>
„
training
“
when
the
AI
is
learning
from
the
data
we
provide
it
p
><
p
class
=
„
fragment
“
>
„
inferencing
“
when
the
AI
is
using
its
current
„
knowledge
“
to
solve
new
problems
(
e
.
g
.
problems
which
maybe
weren
'
t
in
the
training
data
at
all
)
p
>
[Impressum, Datenschutz, Login] Other subprojects of wizzion.com linkring: puerto.life teacher.solar giver.eu baumhaus.digital kyberia.de udk.ai naadam.info refused.science gardens.digital fibel.digital