Generative KI

Das maschinelle Lernen ermöglicht einem System aus Daten zu lernen. Machine Learning ist ein Prozess, bei dem sich ein Programm an neue Daten anpasst und selbständig daraus lernt; es werden Erkenntnisse gewonnen und Entwicklungen erkannt. 

Diese Methodik versetzt Maschinen in die Lage, die menschliche Sprache zu verstehen und darauf zu reagieren. Conversational AI wird verwendet um interaktive Systeme zu schaffen, die einen menschenähnlichen Dialog führen können.

Artificial General Intelligence (AGI) beschreibt autonome – derzeit noch nicht existente – Systeme, die Menschen bei vielen wertschöpfenden Tätigkeiten übertreffen. AGI wäre – rein hypothetisch – in der Lage Wissen zu verstehen, zu lernen, anzupassen und in Aufgaben umzusetzen (Terminator oder ähnliche SciFi-Filme lassen grüssen).

Als generative KI werden Modelle der künstlichen Intelligenz bezeichnet, die darauf ausgelegt sind, neue Inhalte in Form von geschriebenem Text, Bildern, Audio und Videos zu erstellen. Die Anwendungsmöglichkeiten dieser Modelle sind breit gefächert. Mit generativer KI ist es z.B. möglich eine Kurzgeschichte im Stil eines bestimmten Autoren zu verfassen, ein realistisches Bild einer fiktiven Person zu erzeugen, ein Musikstück im Stil eines berühmten Künstlers zu erstellen oder auf Grundlage einer textbasierten Beschreibung einen Videoclip zu erstellen.

Generative KI unterscheidet sich von traditioneller KI indem sie aus Daten lernen und neue Dateninstanzen selbständig erstellen kann. Dabei bedient sich generative KI sich Machine-Learning-Techniken um aus Daten zu lernen und neue Daten zu erzeugen. Generative KI ist wesentlich breiter angelegt als Conversational AI, da die Daten nicht nur Text um
fassen.

Durch die "Fähigkeit" neue Dateninstanzen verschiedenster Art (also nicht nur Text) zu generieren ergeben sich viele verschiedene Einsatzmöglichkeiten. Mithilfe generativer KI können virtuelle Assistenten mit humanoiden Reaktionen geschaffen werden. Oder die generative KI kann für die Erstellung von Videospielen können verwendet werden. 

Letztendlich kann die generative KI soweit eingesetzt werden, dass ihr synthetische Daten für das Training anderer KI-Modelle erstellt werden; insbesondere dort wo die Sammlung realer Daten kaum mehr machbar ist.

Bereits heute hat generative KI Einfluss auf Geschäftsanwendungen. Dabei gehen die Einsatzgebiete über Innovations-Management, Automatisierung von (kreativen) Aufgaben bis hin zur Schaffung von personalisierten Kundenerlebnissen.

Bereits heute setzen Unternehmen generative KI ein um Inhalte zu erstellen, komplexe Probleme zu lösen und interne Veränderungen voranzutreiben.

Wie bereits beschrieben basiert generative KI auf Machine Learning, was grundsätzlich nichts anderes bedeutet als, dass die KI aus Daten lernen kann. Dabei geht die generative KI noch weiter und lernt nicht nur von Daten, sondern erzeugt neue Dateninstanzen, welche Eigenschaften der Eingabedaten nachstellen.

Die Basis der generativen KI bildet das Deep Learning. Dabei werden nebst der Verarbeitung von Daten Muster für die Entscheidungsfindung erstellt. Grundsätzlich wird damit versucht das menschliche Gehirn, respektive die Vernetzung analog eines neuronalen Netzwerkes nachzuahmen.
Das Sammeln von Daten und das Modelltraining bilden die Grundlagen der Resultate welche mit generativer KI erzeugt werden. Durch die Verwendung (Generierung von Resultaten) lernt die KI immer wieder Neues dazu und verfeinert damit die Resultate selbständig.

Innerhalb generativer KI existieren unterschiedliche Anwendungszwecke. Dies erlaubt es uns verschiedene Kategorien zu bilden. 

Das am einfachsten verständliche Modell ist jenes für die Textherstellung. Bestens bekannt sind ChatGPT-3 und ChatGPT-4. Die generative KI versteht den gesamten Kontext einer Eingabe und erzeugt damit zusammenhängende, sinnvolle und kontextgerechte Texte. 

Das generative Adversarial Network (GAN) besteht aus zwei verschiedenen Teilen – einem Generator und einem Diskriminator. Der Generator erzeugt Daten, der Diskriminator bewertet die Qualität dieser Daten. Beide Teile trainieren sich so, dass sie laufend ihre Leistung (die Daten) verbessern. Damit wird der Generator immer geübter, so dass letztendlich quasi realistische Daten entstehen; z.B. Bilder.

Es existieren weitere generative KI-Modelle, welche für Vorhersagen und Transformationen eingesetzt werden.

Bereits heute wird generative KI in verschiedensten Bereichen eingesetzt.

• eCommerce – erstellen von personalisierten Marketinginhalten um mit den Kunden effektiver zu kommunizieren (schneller zum Abschluss).
• Wissenschaft und Medizin – Auffinden neuer Wirkstoffe, Prüfen von Wirkstoffkombinationen, verkürzen von Forschungsphasen,
• Kunst und Unterhaltung - Schaffen von bildlichen Kunstwerken, komponieren von Musik, schreiben von Drehbüchern für Filme und Serien.
• Design und Architektur – generieren von Ideen für unverwechselbare Designs, erstellen von effizienten Grundrissen, ausschöpfen der Baulandfläche
• Technologie und Kommunikation – produzieren von Textantworten (Chatbots, virtuelle Assistenten)

Die Herausforderungen sind vielschichtig und dürfen nicht vernachlässigt werden. Nachfolgend ein paar Stichworte zu den wichtigsten Punkten:

• Daten – um generative KI sinnvoll und gewinnbringend einzusetzen sind Unmengen an relevanten Daten notwendig um die KI ausreichend zu trainieren.
• Trainings – die Trainings generativer KI sind komplex, rechenintensiv, zeitaufwändig und sehr teuer.
• Kontrolle – generative KI kann Inhalte generieren, welche erfunden, falsch, beleidigend oder tendenziös sind.
• Ethik – die Bedenken im Zusammenhang mit generativer KI sind insbesondere im Zusammenhang mit der Authentizität und Integrität der Inhalte. Es können Falschinformationen verbreitet werden oder die KI kann für betrügerische Aktionen missbraucht werden. Strikte Leitlinien sind erforderlich um die KI-Technologie nicht zum "bösen Buben" werden zu lassen.
• Fortschritt – gesetzliche Vorgaben hinken der rasanten Entwicklung hinten nach (und die Entwicklung wird dank generativer KI immer schneller gehen. Unsicherheiten und Rechtsstreitigkeiten sind in diesem Zusammenhang vorprogrammiert.

Die Technologie ist nach wie vor nicht ausgereift und "steckt noch in den Kinderschuhen".  Trotzdem ist generative KI bereits fester Bestandteil unseres Lebens. Das Potenzial ist riesengross, die Risiken – sofern keine Leitlinien aufgestellt werden – ebenfalls.

Unternehmen können mit generativer KI Prozesse automatisieren, die Interaktion mit Kunden verbessern und die Effizienz von Massnahmen steigern. Für kleinere Unternehmen ist diese Technologie im Moment weder sinnvoll noch bezahlbar. 

Grössere Firmen werden durch Versuchte schnell einmal verstehen wo das Potenzial liegt und ihre Entscheidungen treffen müssen.

Am Ende ist jedoch immer noch ein Mensch mit Bedürfnissen, Ängsten, Wünschen und Sorgen. Dieser Mensch (und das sind wir alle) wird entscheiden wo und wie KI zum Einsatz kommen soll und wo die Leitlinien für diese Technologien zu setzen sind.