Definitions

Generative KI

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.

Großes Sprachmodell

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.

Text-zu-Bild

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).

Neuronale Netze

Neuronale Netze im Kontext der KI sind keine echten Nervenzellen, 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.

TPU

GPU (Grafikverarbeitungseinheiten, NVIDIA) und TPU (Tensor-Verarbeitungseinheiten, Google) sind jene Hardware-Innovationen, die tiefgehendes Lernen in einem unvorstellbaren Umfang ermöglichen.

Tiefes Lernen & große Daten

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.

Der Schlüssel zum Erfolg ist eine möglichst große Menge an Trainingsdaten.

model

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.

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 ;)

lora

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.

With a properly trained Lora, You will give Your avatar a unique personality.

lora

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.

With a properly trained Lora, You will give Your avatar a unique personality.

training & inferencing

In machine learning and AI, we speak about

"training" when the AI is learning from the data we provide it

"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)