KI - kurz und informativ, Klartext "to Go" in unter 5 Minuten – Détails, épisodes et analyse

Ich habe für euch das neue Bildgenerierungs- und Bearbeitungsmodell von Google ausprobiert und es ist wirklich gut geworden. Die Konsistenz, eine der größten Schwächen der Modelle bisher, ist hervorragend. An einem praktischen Beispiel zeige ich euch, wie ihr Google AI Studio für kreative Bildideen und KI-gestützte Bildbearbeitung nutzen könnt.

Zum Google AI Studio gelangt ihr hier: https://aistudio.google.com/

Probiert es aus und lasst mich wissen, wie ihr das findet! Lasst gerne auch einen Kommentar da, wie ihr solche ungeplanten Spezialfolgen zwischendurch findet und was ihr von dem Videoformat haltet.

In dieser ersten Folge einer Mini-Reihe zu generativer KI schauen wir uns an, was generative Modelle eigentlich sind, wie sie funktionieren und was sie von anderen Modellen unterscheidet.

Speziell in dieser Folge sprechen wir über die riesigen Datenmengen, die GPT-3 fürs Training verwendet hat. Sie soll ein bisschen als kleine Einführung dienen - 5 Min. sind eben leider nicht so lange. Darauf aufbauend besprechen wir Themen zur Nachhaltigkeit, Datenschutz und Urheberrecht, und vieles mehr.

Bleibt gespannt und neugierig!

Wie funktioniert Netflix, Amazon & Co.? Was hat ein MRT mit KI zu tun? Wie funktionieren Spam-Filter?

Solche und weitere Fragen klären wir in der heutigen Folge, in der wir uns einige spannende Beispiele aus der Praxis anschauen, die ihr alle kennt oder schonmal gesehen habt. All das sind interessante Lösungen für Probleme, in denen Machine Learning dabei hilft, Dinge schneller, besser und manchmal auch fairer zu machen.

Lernen ohne Anleitung?

In dieser Folge schauen wir uns zwei Lernmethoden an, bei denen Modelle ohne explizite Anleitung lernen: Reinforcement Learning – bei dem Feedback wie in einem Belohnungssystem wirkt – und Unsupervised Learning, wo Muster in Daten erkannt werden, ohne dass jemand vorgibt, was zu sehen ist. Wir erklären die Konzepte anschaulich und mit Beispielen aus dem Alltag – von Saugrobotern bis zum Online-Shopping.

Auch wenn wir im Titel von Künstlicher Intelligenz reden, wisst ihr, wenn wir ihr die anderen Folgen gesehen habt, dass wir eigentlich Machine Learning meinen.

Wie lernen Maschinen eigentlich?
In dieser Folge schauen wir uns an, wie ein Machine-Learning-Modell im sogenannten überwachten Lernen (Supervised Learning) trainiert wird – anschaulich erklärt am Beispiel von Katzen- und Hundebildern. Wir klären, was gelabelte Daten sind, wie der Trainingsprozess funktioniert und warum ein Modell auch mit neuen, unbekannten Daten umgehen können muss.

Denkt daran: Künstliche Intelligenz ist der Oberbegriff. Wir beschäftigen uns mit Daten, deshalb: Machine Learning.

In dieser Folge räumen wir den KI-Buzzword-Dschungel auf: Was ist eigentlich der Unterschied zwischen Künstlicher Intelligenz, Machine Learning und Deep Learning? Wir erklären die Begriffe klar, zeigen, wie sie zusammenhängen, und geben einen Überblick über wichtige Anwendungsfelder wie Computer Vision, Natural Language Processing und Robotik.

Was ist eigentlich der Unterschied zwischen Google und ChatGPT?In dieser Folge von „KI – kurz und informativ“ klären wir eine der häufigsten Fragen aus meinen Schulungen: Worin unterscheiden sich Sprachmodelle von klassischen Suchsystemen wie Google und warum ist ChatGPT keine Suchmaschine?

Wir sprechen unter anderem über den sogenannten Knowledge Cutoff der Modelle und warum Suchmaschinen tagesaktuell sind - im Gegensatz zu Sprachmodellen. Oder etwa nicht?

Was genau ist eigentlich ein Modell im Kontext von Künstlicher Intelligenz und Machine Learning? In dieser Folge von "KI – kurz und informativ" gehen wir etwas mehr ins Detail und schauen uns die mathematischen und intuitiven Grundlagen an.

Anhand dessen können wir besser erklären, welche Unterschiede es zwischen den Modellfamilien gibt. Außerdem werden wir dank dieses Wissens in der Lage sein, neuronale Netze zu beschreiben und zu verstehen.

Wie funktioniert eigentlich ein neuronales Netz? In dieser Folge von „KI – kurz und informativ“ schauen wir uns die Grundlagen des Deep Learning an, einem Teilgebiet des Machine Learning und der Künstlichen Intelligenz.
Wir sehen, warum künstliche neuronale Netze von unserem Gehirn inspiriert sind, wie sie aufgebaut sind und wie sie lernen – Schritt für Schritt. Das Thema ist nicht einfach und daher brechen wir es in mehrere kleinere Teile auf. Hier findet ihr den ersten Teil.

Viel Spaß bei dieser Folge!

Künstliche Intelligenz bietet scheinbar grenzenlose Möglichkeiten. Doch auch solche Systeme haben Schwächen. Genau darüber sprechen wir in dieser Folge. Einige Herausforderungen moderner KI- und Machine-Learning-Systeme sind bspw.:

• Bias & Fairness

• Distribution Shift

• Overfitting & Underfitting

• Halluzinationen von Sprachmodellen

Anhand praktischer Beispiele und reallen Fällen, erfahrt ihr was diese Schwächen sind und was für Folgen sie haben können.

Link zum ProPublica-Artikel:

https://www.propublica.org/article/how-we-analyzed-the-compas-recidivism-algorithm

Link zum Artikel mit dem Rechtsanwalt: https://www.tagesschau.de/wissen/technologie/ki-rechtsanwalt-100.html