KI und Recht – EU AI Act
Generative KI-Systeme
Du hast keinen Zugriff auf diese Lektion
Registriere dich bitte oder melde dich an, um auf den Kursinhalt zuzugreifen.
Transcript wird geladen …
Kein Ergebnis für
Nach dieser Lektion kannst du …
- Du kannst den grundlegenden Unterschied zwischen unterscheidenden (diskriminativen) und generativen KI-Systemen erklären.
- Du kannst beschreiben, warum generative KI-Systeme probabilistisch arbeiten und wie sich dies auf ihre Interaktion via Prompts auswirkt.
- Du kannst die Abkürzung GPT aufschlüsseln und die Bedeutung der Begriffe erklären.
- Du kannst das Zusammenspiel von Encoder, Decoder und dem Attention-Mechanismus in der Transformer-Architektur beschreiben.
- Du kannst das Funktionsprinzip von Diffusionsmodellen für die Bild- und Videogenerierung erläutern.
Das hast du gelernt
- Unterscheidende KI-Systeme identifizieren Entscheidungsgrenzen in Daten, während generative Systeme die inhärente Datenstruktur erfassen, um neue Inhalte zu erzeugen.
- Die Ausgaben generativer KI-Systeme sind probabilistisch und variieren bei gleicher Eingabe, weshalb sie gezielt über Prompts gesteuert werden müssen.
- ChatGPT basiert auf dem Generative Pre-trained Transformer, dessen Architektur auf vortrainierten großen Textkorpora aufbaut.
- In der Transformer-Architektur verarbeitet der Encoder die Eingabe, während der Decoder iterativ und unterstützt durch den Attention-Mechanismus die Ausgabe generiert.
- Diffusionsmodelle erzeugen Bilder und Videos durch die schrittweise, iterative Verfeinerung und Entfernung von Bildrauschen.
Begriffe & Definitionen
Diskriminative KI-SystemeKI-Systeme, die Unterschiede in Daten erkennen und auf dieser Basis Entscheidungen treffen oder Empfehlungen geben. Sie ziehen sogenannte Entscheidungsgrenzen zwischen verschiedenen Kategorien in den Daten.
EntscheidungsgrenzenTrennlinien, die ein KI-Modell in den Daten erkennt, um verschiedene Gruppen oder Kategorien voneinander zu unterscheiden.
ProbabilistischEin System arbeitet probabilistisch, wenn es keine festen, immer gleichen Ergebnisse liefert, sondern Ausgaben zufallsbasiert variiert – ähnlich wie ein Würfelwurf unterschiedliche Ergebnisse liefern kann.
PromptEine selbst formulierte Texteingabe, mit der man ein generatives KI-System anspricht und zur Erzeugung einer Antwort oder neuer Inhalte auffordert.
GPT (Generative Pre-trained Transformer)Eine Abkürzung für eine bestimmte Art von KI-Modell: 'Generative' bedeutet, es kann Texte erzeugen; 'Pre-trained' bedeutet, es wurde vorab auf sehr großen Textmengen trainiert; 'Transformer' bezeichnet die technische Architektur, auf der es basiert.
KorpusEine sehr große, gesammelte Menge an Texten oder anderen Daten, die zum Training eines KI-Systems verwendet wird.
EncoderEin Teil der Transformer-Architektur, der die Eingabe des Nutzers verarbeitet und in eine maschinenlesbare, interne Darstellung umwandelt.
DecoderEin Teil der Transformer-Architektur, der schrittweise die Ausgabe erzeugt, indem er auf die Ergebnisse des Encoders und auf seine eigenen vorherigen Ausgaben zurückgreift.
Attention-MechanismusEin Verfahren innerhalb der Transformer-Architektur, das festlegt, welchen Teilen der Eingabe oder bisherigen Ausgabe das Modell besondere 'Aufmerksamkeit' schenkt, um den nächsten Datenpunkt (z. B. das nächste Wort) zu erzeugen.
Iteratives VerfahrenEin Prozess, bei dem ein Ergebnis in mehreren aufeinanderfolgenden Schritten schrittweise entwickelt oder verfeinert wird, anstatt in einem einzigen Durchlauf zu entstehen.
Rauschen (im Kontext von Diffusionsmodellen)Zufällig verteilte Bildinformationen ohne erkennbares Muster – vergleichbar mit dem Bildrauschen eines schlechten Fotos oder dem Schneegestöber eines analogen Fernsehers.
VerrauschenDas absichtliche Hinzufügen von Zufallsstörungen zu einem Bild oder Video, sodass das ursprüngliche Motiv immer weniger erkennbar wird – ein Trainingsschritt bei Diffusionsmodellen.
Was bedeutet …
Denk kurz nach, dann aufdecken.
Begriffe mit „Noch nicht“ kommen in der nächsten Lektion wieder.