KI in der Schule – Teil 5: Generative KI

Trainingsdaten

Schon mal von dem „Magischen Radierer“ gehört? Oder längst benutzt? Google brachte dieses Tool, mit dem man aus Fotos unliebsame Motive (oder auch ganze Personen) entfernen kann, zu einem breitgestreuten Einsatz auf das Smartphone. Bemerkenswert ist, dass nach dem Entfernen nicht ein „Loch“ in dem Bild übrigbleibt, sondern ein Algorithmus die fehlenden Bildteile aus dem Kontext des Bildes berechnet und passgenau eingefügt. Dies ist ein Beispiel für den Einsatz Künstlicher Intelligenz, genauer für ein „Generatives KI-Modell“.

Generative KI-Modelle sind eine Art von KI, die darauf abzielen, neue Daten zu erzeugen, die denen ähneln, auf denen sie trainiert wurden. Sie tun dies, indem sie Muster und Strukturen in den Trainingsdaten erkennen und darauf basierend neue Datenpunkte generieren. Die so neu erzeugten Inhalte bzw. Daten sind dabei von den ursprünglich vorhandenen Daten inspiriert oder abgeleitet.

Ein Generatives KI-Modell könnte beispielsweise darauf trainiert werden, menschliche Gesichter zu generieren. Wenn also dem Algorithmus eine Vielzahl von Fotos von Gesichtern zum Training geben werden, „lernt“ das Modell, die zugrundeliegenden Merkmale und Strukturen dieser Gesichter zu erkennen - z.B. die Position und Form von Augen, Nase, Mund usw.. Nach dem Training kann das Modell dann neue Gesichter generieren, die den Trainingsbildern ähnlichsehen, aber nicht identisch sind.

Im Zusammenhang mit dem Training gibt es verschiedene Methoden, die zur Anwendung kommen können. Eine verbreitete Methode ist das sogenannte „überwachte Lernen“, bei dem ein Modell auf der Basis von Eingabe-Ausgabe-Paaren trainiert wird. Eine andere, in diesem Kontext häufig angewendete Methode ist das „nicht-überwachte Lernen“. Hier versucht das maschinelle Lernmodell, aus den Daten selbstständig Strukturen und Muster zu erkennen, ohne dass es vorher explizit auf bestimmte Ausgaben trainiert wurde.

Zu den bekanntesten Anwendungsfällen gehören beispielsweise Code, Texte, Bilder oder Musik.

Code

Generative KI kann besonders leicht im Bereich der Softwareentwicklung angewendet werden, insbesondere bei der automatischen Code-Erzeugung. Bei dieser Anwendung kann ein generatives Modell darauf trainiert werden, Code in einer bestimmten Programmiersprache zu schreiben. Es lernt Muster und Strukturen aus den Trainingsdaten und kann dann benutzt werden, um neuen Code zu schreiben oder bestehenden Code zu vervollständigen, basierend auf den spezifischen Anforderungen des Nutzers.

Bilder

In Bezug auf Bilder sind generative Modelle ebenfalls sehr leistungsfähig. Ein bemerkenswertes Beispiel sind Generative Adversarial Networks (GANs). GANs bestehen aus zwei Teilen: einem Generator, der versucht, Daten zu erzeugen, die echten Daten ähneln, und einem Diskriminator, der versucht, zwischen den echten und den vom Generator erzeugten Daten zu unterscheiden. Die beiden Netzwerke werden gleichzeitig trainiert und „kämpfen“ gegeneinander, wodurch der Generator dazu gebracht wird, immer bessere „Fälschungen“ zu erstellen. Dieser Ansatz wurde genutzt, um realistische menschliche Gesichter zu erzeugen, Kunstwerke zu erschaffen und sogar 3D-Modelle von Objekten und Szenen zu generieren.

Texte

Generative KI wird auch in der Texterzeugung eingesetzt, wie z.B. bei Chatbots, automatisierten Textzusammenfassungen und maschinellen Übersetzungen. Modelle wie GPT (Generative Pretrained Transformer) werden darauf trainiert, menschlichen Text zu imitieren. Sie können dann verwendet werden, um neue Texte zu generieren, die auf bestimmten Eingaben basieren. Solche Modelle können komplexe Muster in Textdaten erkennen und replizieren, was zu Texten führt, die in der Regel von menschlich erstellten Texten nicht zu unterscheiden sind.

Musik

Im Bereich der Musik haben generative Modelle das Potenzial, neue Kompositionen zu erschaffen, die von bestehenden musikalischen Werken inspiriert sind. Durch das Training auf einer Vielzahl von Musikstilen und Genres kann eine generative KI neue Melodien, Harmonien und Rhythmen erstellen, die den trainierten Stilen entsprechen. KI-generierte Musik kann sowohl in der Unterhaltungsindustrie als auch in der personalisierten Medienproduktion Anwendung finden.