ChatGPT oder was ist die künstliche Intelligenz?
![](https://bfi.community/wp-content/uploads/2023/07/chickenzwei.png)
Grundsätzlich handelt es sich bei künstlicher Intelligenz (KI oder in engl.: AI) um Programme, die intelligent sind. Es ist der Versuch, menschliches Lernen und Denken auf den Computer zu übertragen und ihm damit Intelligenz zu verleihen. Statt für jeden Zweck programmiert zu werden, kann eine KI eigenständig Antworten finden und selbstständig Probleme lösen. Intelligent ist dabei sehr subjektiv zu betrachten und nicht alle Programme können das. Bei Alexa zum Beispiel handelt es sich um eine künstliche Intelligenz, die auf einer von Amazon entwickelten Sprachsoftware basiert.
Die Technologie künstliche Intelligenz kann in 3 Kategorien unterteilt werden:
- Enge KI (Narrow AI), die für eine bestimmte Aufgabe wie Spracherkennung entwickelt wurde
- Allgemeine KI (General AI), die jede intellektuelle Aufgabe ausführen kann, die auch ein Mensch erledigen kann
- und Superintelligente KI (Superintelligent AI), die die menschlichen Fähigkeiten bei den meisten wirtschaftlich wertvollen Arbeiten übertrifft
Innerhalb dieser begrifflichen Definitionen, gibt es derzeit eine spezielle Untergruppe: die generative KI, die täuschend ähnliche Texte, Bilder und andere Inhalte erzeugen kann.
Es handelt sich um eine Reihe von trainierten KI-Modellen und -Techniken, die statistische Methoden nutzen, um Inhalte auf der Grundlage von Wahrscheinlichkeiten zu produzieren. Diese Arten von KI-Systemen lernen, die Daten, auf die sie trainiert wurden, zu imitieren (wichtig – imitieren, nicht verstehen und anwenden) und produzieren dann ähnliche Inhalte (also keine Fakten). Im Gegensatz zur diskriminierenden KI, die Eingaben in vordefinierte Kategorien einteilt (z. B. Spamfilter), erzeugt die generative KI neue, synthetische Daten, die die Trainingsdaten widerspiegeln.
Generative Modelle verwenden verschiedene Klassen von statistischen Modellen (oft neuronale Netze). Im derzeit bekanntesten Beispiel ChatGPT wird eine Encoder/Decoder-Architektur verwendet. Die Eingaben werden von einem Encoder-Netzwerk analysiert und klassifiziert, in computerlesbare Zahlen und Variablen umgewandelt, durch das trainierte neuronale Netzwerk geschickt und das Ergebnis der Zahlen und Variablen wird als Text an einen Decoder zurückgegeben.
GPT-Modelle (GPT = Generative Pre-trained Transformer -> Vortrainiert und lernt NICHT laufend dazu) verwenden eine Variante des Transformers, den so genannten Transformator-Decoder, der eine ganze Sequenz von Daten (z. B. einen Satz) auf einmal liest und so komplexe Abhängigkeiten zwischen Wörtern in einem Satz modellieren oder herausfinden kann, d.h. er wandelt die Eingabe A in die Ausgabe B um (z.B. Text wird in ein Bild umgewandelt). Die Modelle werden an sehr großen Textmodellen trainiert und dann für bestimmte Aufgaben wie Übersetzung, Beantwortung von Fragen oder Texterzeugung feinabgestimmt. Die leistungsfähigen Sprachmodelle, die sie erstellen, können erstaunlich kohärente und kontextbezogene Sätze, Absätze oder sogar ganze Artikel produzieren, haben aber immer noch das Problem, dass sie, wie die anderen Modelle, nur auf Wahrscheinlichkeiten basieren und deshalb auch „haluzinieren“ oder Inhalte erfinden, weil sie „wahrscheinlich“, aber falsch sind.
Mit Open AI hat GPT eine große Reichweite erreicht und wie in der Grafik ablesbar in kürzester Zeit 100 Mio User erreicht:
![](https://bfi.community/wp-content/uploads/2023/07/image-18.png)
Kunst
Generative KI hat zahlreiche Anwendungen in Kunst und Design gefunden und verändert die Art und Weise, wie wir Kunst schaffen und erleben. Dall-E, Midjourney und viele andere Bildgeneratoren haben gezeigt, dass es möglich ist, realistische und überzeugende Kunst zu schaffen.
![](https://bfi.community/wp-content/uploads/2023/07/image-19.png)
Generative KI-Modelle werden auch für die Komposition von Musik eingesetzt. Noch vor wenigen Jahren war es undenkbar, dass etwas so Komplexes und Kreatives wie Musik von einer Maschine erzeugt werden könnte. Netzwerke wie MusicLM von Google oder MuseNet von OpenAI sind Modelle, die auf MIDI-Dateien aus verschiedenen Genres und Quellen trainiert wurden und Kompositionen in vielen verschiedenen Stilen erzeugen können.
KI kann nicht nur neue Stücke erschaffen, sondern auch bestehende transformieren. KI-Modelle können die Stilelemente eines Bildes lernen und sie auf ein anderes anwenden – eine Technik, die als neuronaler Stiltransfer bekannt ist. Das Ergebnis ist ein hybrides Bild, das den Inhalt eines Bildes mit dem künstlerischen Stil eines anderen kombiniert.
![](https://bfi.community/wp-content/uploads/2023/07/image-20.png)
Natürliche Sprachverarbeitung:
- Text- und Inhaltserstellung: Modelle wie GPT-3 und GPT-4 haben viel zum aktuellen Hype beigetragen. Ihre bemerkenswerten Fähigkeiten, menschenähnliche Texte zu erstellen, haben die Fantasie beflügelt. Diese Modelle können Artikel schreiben, Gedichte verfassen, Code schreiben oder verbessern. Das macht sie zu wertvollen Werkzeugen für die automatisierte Erstellung von Inhalten und nimmt uns Arbeit ab – allerdings mit dem Problem, dass die Inhalte nicht immer genau sind und sich alle ungefähr gleich anhören.
- Dialogsysteme und virtuelle Assistenten: Durch das Verstehen von Sprache, aber auch durch die gezielte Generierung von Inhalten, haben generative Modelle auch das Potenzial, einen Dialog zwischen Mensch und Maschine zu ermöglichen. Sie können kontextbezogene Antworten generieren und menschenähnliche Unterhaltungen führen. Diese Fähigkeit erhöht die Effektivität von virtuellen Assistenten, Chatbots und KI im Kundenservice und in vielen anderen Bereichen.
- Transkription und Spracherweiterung: Ein weiterer weithin bekannter Anwendungsfall sind Sprachmodelle, die Inhalte aus Sprache erstellen. Die Herausforderung besteht darin, dass diese Modelle den Kontext verstehen müssen, um eine schlechte Mikrofonqualität oder Geräusche im Raum auszugleichen. Auf diese Weise erzeugt generative KI scharfe und klare Ergebnisse und schafft auch viel bessere Transkriptionen von Videos und Audioinhalten.
Medikamentenentwicklung und Gesundheitswesen
Generative KI hat ein vielversprechendes Potenzial für das Gesundheitswesen und die Medikamentenentwicklung, da sie auch verschiedene Strukturen oder Verbindungen vorhersagen oder „erfinden“ kann.
- Entdeckung neuer Medikamente/Moleküle: Generative Modelle können molekulare Strukturen für potenzielle Medikamente vorhersagen und so den Prozess der Medikamentenentwicklung beschleunigen. Verschiedene Unternehmen versuchen seit Jahren, mithilfe von KI-Modellen neue molekulare Verbindungen zu erfinden und daraus Medikamente zur Behandlung von Krankheiten zu entwickeln.
- Personalisierte Medizin: Generative Modelle können auch dabei helfen, medizinische Behandlungen zu personalisieren. Durch das Lernen von Mustern aus Patientendaten können diese Modelle dabei helfen, die effektivste Behandlung für einzelne Patienten zu finden.
Beispiele für Generative AI (zum Teil kostenpflichtig)
- GPT-4 von OpenAI: Dieses transformatorbasierte Modell ist ein leistungsstarker Sprachgenerator, der E-Mails verfassen, Code schreiben, schriftliche Inhalte erstellen, Nachhilfe geben und übersetzen kann.
- DeepArt: Diese App, auch bekannt als Prisma, nutzt generative Modelle, um von Nutzern hochgeladene Fotos in Kunstwerke zu verwandeln, die von berühmten Künstlern inspiriert wurden.
- MidJourney: Ist ein Text-zu-Bild Generator welche Bilder und Grafiken anhand von Benutzereingaben erstellt.
- DeepDream von Google: Ein Programm, das mithilfe von künstlicher Intelligenz Muster in Bildern findet und verbessert und so traumähnliche, psychedelische Verwandlungen erzeugt.
- Jukin Composer: Dieses Tool, das auf dem MuseNet von OpenAI basiert, nutzt KI, um originelle Musik für Videoinhalte zu komponieren.
- Insilico Medicine: Ein Biotech-Unternehmen, das generative Modelle nutzt, um Molekularstrukturen für potenzielle Medikamente vorherzusagen und so den Prozess der Medikamentenentwicklung zu beschleunigen.
- ChatGPT: Ein von OpenAI entwickelter KI-gestützter Chatbot, der menschenähnliche Textkonversationen führen kann und im Kundenservice und bei persönlichen Assistenten eingesetzt wird.
- NVIDIAs StyleGAN: Ein Generatives Adversariales Netzwerk, das hyperrealistische Bilder von menschlichen Gesichtern erzeugt, die es in der Realität nicht gibt.
- Artbreeder: Eine Plattform, die GANs verwendet, um vom Benutzer eingegebene Bilder zu komplexen und neuartigen Bildern wie Porträts und Landschaften zusammenzufügen.
- Runway ML: Dieses kreative Toolkit nutzt generative Modelle, um Künstlern und Designern zu helfen, einzigartige Animationen und Bilder zu erstellen.
- Deepfake-Technologie: Eine Technologie, die GANs nutzt, um überzeugende Gesichtstausche in Videos zu erzeugen und so einen potenziell täuschenden, aber beeindruckend realistischen Videoinhalte zu schaffen.
Fazit
Generative AI ist definitiv eine faszinierende Technologie, die es ermöglicht, täuschend echte Inhalte in großem Umfang zu erstellen. Die Anwendungsfälle für diese Technologien sind beeindruckend und werden mit Sicherheit viele Dinge automatisieren, die bisher kostspielig waren.
Aber wie jede Technologie bringt auch die KI, die täuschend echte Inhalte erstellen kann, ihre eigenen Herausforderungen und ethischen Überlegungen mit sich. Von Deepfakes über Fehlinformationen bis hin zu Datenschutzbedenken und Voreingenommenheit gibt es viele unbeantwortete Fragen. Unternehmen, die Gesellschaft und Staaten müssen sich auf eine wirksame Kontrolle und Regulierung einigen.