KI, die neue Daten erzeugen kann, die den Trainingsdaten ähnlich sind, wird „generative KI“ genannt. Im Gegensatz zu diskriminativen Modellen, die z. B. feststellen, ob ein Bild eine Katze oder einen Hund zeigt, erzeugen generative Modelle neue Datenpunkte. Die Architektur des Generative Adversarial Network (GAN) ist ein bekanntes Beispiel für ein generatives Modell. Es wird häufig verwendet, um Bilder zu erstellen, die echt aussehen.
Was ist das Gute an kreativer KI?
Kreativität: Generative Modelle können dazu verwendet werden, eine Vielzahl von Problemen auf kreative Weise zu lösen, von der Entwicklung neuer Moleküle für Medikamente bis hin zur Herstellung von Kunst.
Datenerweiterung: Sie können verwendet werden, um mehr Daten zu erzeugen, die zum Trainieren anderer Modelle verwendet werden können. Dies ist nützlich, wenn nicht viele Trainingsdaten zur Verfügung stehen.
Flexibilität: Generative Modelle können auf viele verschiedene Arten verwendet werden, z. B. zur Erstellung von Texten, zur Verarbeitung von Bildern, zur Entwicklung von Videospielen und vielem mehr.
Personalisierung: Durch die Möglichkeit, Daten zu erzeugen, können Empfehlungssysteme oder Benutzeroberflächen erstellt werden, die auf die Person zugeschnitten sind, die sie benutzt.
Simulation: Generative Modelle können in vielen Bereichen der Wissenschaft für Simulationen verwendet werden. So können Tests in einer virtuellen Welt durchgeführt werden, bevor sie in der realen Welt ausprobiert werden.
Verstehen: Wenn man sich die Daten ansieht, die generative Modelle erzeugen, kann man manchmal mehr darüber erfahren, wie die Trainingsdaten zusammengesetzt sind.
Effizienz: Einige Datentypen können mit generativen Modellen schneller erstellt oder verändert werden als mit anderen Methoden.
Anonymisierung: Manchmal können generative Modelle verwendet werden, um Versionen von sensiblen Daten zu erstellen, die die Privatsphäre schützen und dann ohne Risiko für Studien oder Analysen verwendet werden können.
Generative KI hat jedoch auch Probleme und Nachteile, z. B. schwer verständliche Modelle, die Notwendigkeit einer großen Datenmenge für das Training und mögliche ethische Probleme (z. B. die Herstellung von gefälschten Deepfakes). Trotz dieser Probleme ist die generative KI immer noch ein sehr interessanter und hoffnungsvoller Bereich der KI.