Was ist generative KI – und was kann sie leisten?

Die Bildgenerierung verwendet Techniken aus einer Teilmenge des maschinellen Lernens, die als Deep Learning bezeichnet wird. Deep Learning hat die meisten Fortschritte in der KI vorangetrieben - ein Großteil davon begann im Jahr 2012, als ein wegweisendes Papier aus dem Jahr 2012 über die Bildklassifizierung das Interesse an der Technologie neu entfacht hat. Deep Learning verwendet Modelle, die an großen Datensätzen trainiert werden, bis das Programm die Beziehungen in diesen Daten versteht. Dieses Modell kann dann in Anwendungen verwendet werden, um beispielsweise zu erkennen, ob sich ein Hund auf einem Bild befindet, oder um Text zu übersetzen.

Bildgeneratoren arbeiten, indem sie diesen Prozess umkehren. Anstatt Englisch ins Französische zu übersetzen, übersetzen sie englische Sätze in Bilder. Sie bestehen normalerweise aus zwei Hauptteilen: Einem, der den Anfangssatz verarbeitet, und einem anderen, der die Daten in Bilder umwandelt.

Der erste Teil, Generative künstliche Intelligenz, basiert auf einer Methode namens Generative Adversarial Networks (kurz GAN). Früher wurden diese GANs oft verwendet, um Fotos von Personen zu erstellen, die nicht existierten. Im Wesentlichen arbeiten sie, indem sie zwei KI-Modelle gegeneinander ausspielen, um bessere Bilder zu erstellen, die ein vorgegebenes Ziel erreichen. Einen Überblick über die Funktionsweise einer solchen GAN-Struktur gibt es u.a. bei Google: https://developers.google.com/machine-learning/gan/gan_structure

Neuere Methoden verwenden jedoch häufig Transformatoren; ein Konzept, das erstmals 2017 in einem Papier von Google vorgeschlagen wurde. Transformatoren nutzen viel größere Datensätze – die Kosten für das Trainieren dieser Technik belaufen sich allerdings auf Millionen von Dollar. Bekannteste Vertreter dieser Transformatoren sind beispielsweise GPT-3, LaMDA und Wu-Dao. Letzterer ist übrigens der derzeit größte seiner Art: 10x größer als GPT-3. Nicht unwichtig zu erwähnen, dass es sich um eine chinesische Entwicklung handelt – und dass weder Dokumentationen noch Schnittstellen zur verfügung stehen. Zumindest nicht für die westliche Welt ...

Viele Investoren sehen in der generativen künstlichen Intelligenz eine potenziell transformative Technologie, wie das Smartphone oder die Anfänge des Internets. Durch diesen Wandel wird der potenzielle Markt, der diese Technologie nutzen könnte, erheblich vergrößert. Start-ups, Cloud-Service-Anbieter und Chiphersteller könnten von dieser neuen Technologie profitieren.

Cantrell argumentiert, dass die generative künstliche Intelligenz einer grundlegenderen Technologie namens Datenbank ähnelt. „Generative KI ist ein bisschen wie eine Datenbank“, sagte er, „und Datenbanken helfen dabei, das enorme Potenzial von Anwendungen freizusetzen. Fast jede Anwendung, die wir jemals in unserem Leben verwendet haben, baut auf einer Datenbank auf, aber niemanden interessiert es, wie eine Datenbank funktioniert, sie wissen nur, wie man sie benutzt."

Einige Fachleute sind der Meinung, dass die Start-ups, die diese neuen Technologien vorantreiben, schließlich die Softwaregiganten herausfordern könnten, die derzeit die KI beherrschen. Dazu gehören Google, die Facebook-Muttergesellschaft Meta und Microsoft.

Clement Delangue, CEO von Hugging Face, sagte: „Es wird eine große Anzahl neuer Unternehmen im Wert von Billionen Dollar geben, und diese Startups werden auf dieser neuen Technologie basieren.“ Entwicklerplattformen ähnlich wie GitHub, die vor trainierte KI-Modelle hosten, einschließlich Craiyon und Stable Diffusio. Ziel ist es, Programmierern den Aufbau von KI-Technologie zu erleichtern.

Auch Cloud-Dienstleister wie Amazon, Microsoft und Google könnten profitieren, da generative KI eine rechenintensive Technologie ist. Meta und Google haben einige der besten Köpfe auf diesem Gebiet eingestellt, um diese fortschrittliche Technologie in die Produkte des Unternehmens zu integrieren. Im September kündigte Meta eine KI-Initiative namens „Make-A-Video“ an, die die Technologie auf die nächste Stufe heben wird, indem Videos statt nur Bilder generiert werden.

Meta-CEO Mark Zuckerberg postete auf seiner Facebook-Seite: „Dies ist ein erstaunlicher Fortschritt. Ein Video zu erstellen ist viel schwieriger als ein Foto zu erstellen, da das System nicht nur jedes Pixel richtig machen muss, sondern auch vorhersagen muss, wie es sich im Laufe der Zeit ändern wird .“ Kürzlich veröffentlichte Google auch Code für ein Programm namens Phenaki, das Text in minutenlange Videos umwandeln kann. Um mit KI Video erstellen zu können – kann man auch schon auf Lösungen zurückgreifen, die komplett online funktionieren. In dem verlinkten Blogbeitrag stellen wir diese Lösung näher vor.

Der Ansturm könnte auch Chipherstellern wie Nvidia, AMD und Intel Auftrieb geben, deren Grafikprozessoren ideal für das Training und den Einsatz von KI-Modellen sind. Jensen Huang, Chief Executive von Nvidia, hob kürzlich die generative KI als Schlüsselanwendung für die neuesten Chips des Unternehmens hervor und sagte, dass solche Technologien die Kommunikation bald revolutionieren könnten.