Entdecke, wie generative KI originelle Inhalte wie Texte, Bilder und Audiodateien erstellt und Branchen mit innovativen Anwendungen verändert.
Generative künstliche Intelligenz (KI) ist ein Teilbereich der künstlichen Intelligenz (KI ), der sich auf die Entwicklung von Systemen konzentriert, die neue Inhalte wie Text, Bilder, Audio, Code oder synthetische Daten erzeugen können. Im Gegensatz zu diskriminierenden KI-Modellen, die lernen, auf der Grundlage von Eingabedaten zu klassifizieren oder vorherzusagen (z. B. Objekte in einem Bild zu identifizieren), lernen generative Modelle die zugrundeliegenden Muster und Verteilungen innerhalb eines Datensatzes, um neue, originelle Ergebnisse zu erzeugen, die den Trainingsdaten ähneln. Jüngste Fortschritte, insbesondere bei Modellen wie Generative Pre-trained Transformers (GPT) und Diffusionsmodellen, haben die Erstellung äußerst realistischer und komplexer Inhalte ermöglicht.
Generative KI-Modelle arbeiten in der Regel, indem sie eine Darstellung der Wahrscheinlichkeitsverteilung der Trainingsdaten lernen. Sie können dann aus dieser gelernten Verteilung Stichproben ziehen, um neue Datenpunkte zu erzeugen. Zu den gängigen Architekturen gehören:
Obwohl beides Teilgebiete der KI sind, dienen generative KI und Computer Vision (CV) grundlegend unterschiedlichen Zwecken.
Wie auf der YOLO Vision 2024 erörtert, sind generative KI-Modelle oft deutlich größer (Milliarden von Parametern) als effiziente CV-Modelle, die für Echtzeitanalysen entwickelt wurden (wie Ultralytics YOLOv8mit Modellen ab ein paar Millionen Parametern). Generative KI erfordert erhebliche Rechenressourcen für Training und Inferenz, während viele CV-Modelle für den Einsatz auf Standardhardware oder Edge-Geräten optimiert sind.
Allerdings überschneiden sich diese Bereiche zunehmend. Generative KI kann den Lebenslauf unterstützen, indem sie synthetische Daten für das Training von Erkennungs- oder Segmentierungsmodellen erstellt, insbesondere für seltene Szenarien, und so die Robustheit und Leistung der Modelle verbessern kann.
Generative KI hat zahlreiche Anwendungen in verschiedenen Bereichen:
Die Macht der generativen KI bringt auch erhebliche ethische Herausforderungen mit sich. Dazu gehören das Potenzial, Fehlinformationen oder schädliche Inhalte zu generieren, die Erstellung überzeugender Deepfakes, Fragen des Urheberrechts und des geistigen Eigentums an generierten Inhalten sowie inhärente Verzerrungen, die aus Trainingsdaten gelernt werden. Der Umgang mit diesen Problemen erfordert eine sorgfältige Abwägung von KI-Ethik, Transparenz und robusten rechtlichen Rahmenbedingungen. Es ist wichtig, diese Technologien verantwortungsvoll zu entwickeln und einzusetzen. Um deine eigenen KI-Modelle zu verwalten und zu trainieren, kannst du Plattformen wie Ultralytics HUB nutzen.