Logo

edumaps

Medienzentren Hessen
FAQ - Häufige Fragen Freie Mediathek
de
DE
EN
ES
FR
IT
RU
Was ist Künstliche Intelligenz?
2 / 36
Modalitäten, Fine Tuning, Halluzination, Bias und RAG (für angepasste Assistenten)
  • Modalitäten…
    • Mithilfe von Large Language Models (LLMs; große Sprachmodelle) lassen sich alle digital repräsentierbaren Objekte (Texte, Bilder, Töne, Videos, 3D-Modelle, Molekülstrukturen, etc.) generieren bzw. von einem Datentyp in einen anderen überführen (z. B. lassen sich aus Texten Bilder erstellen).
  • Fine Tuning/Anpassung an konkrete Bedürfnisse…
    • LLMs werden zur Anpassung an ganz bestimmte Anwendungsanforderungen dem sogenannten Fine Tuning unterzogen. OpenAI setzt bei ChatGPT auf ein zweites neuronales Netzwerk für diesen Vorgang. Dieses zweite neuronale Netz (Optimierer) wird durch den Ansatz des Reinforcement Learnings (Verstärkungslernen) durch menschliches Feedback vortrainiert. Es dient der Beurteilung der Güte bzw. Erwünschtheit der Datenausgabe. Anschließend treffen die beiden neuronalen Netze (GPT und Optimierer) in einer virtuellen Umgebung aufeinander und interagieren nach dem Trial-and-Error-Prinzip miteinander. Das Ergebnis ist in diesem Fall eine auf Konversation abgestimmte Anwendung.
  • Halluzination…
    • ML-Systeme des Typs GPT erzeugen mitunter sachliche und/oder logische Fehler, da sie kein inhaltliches Verständnis besitzen, sondern (zumeist) das statistisch Erwartbare anhand ihrer LLMs ausgeben.
  • Bias...
  • Vorschaubild ilias.phzh.ch LINK
  • Retrieval Augmented Generation…
    • "Bei Retrieval Augmented Generation (RAG) erweitert man den Prompt für das Large Language Model um Suchergebnisse aus einer Dokumentensammlung, einer Datenbank, einem Wissensgraph (Knowledge Graph) oder einer anderen Suche (z.B. Internetsuche). Das Wissen für die Antwort kommt also aus angebundenen Quellen und nicht aus dem LLM." (Quelle)
      Durch die Verwendung von RAG kann die Wahrscheinlichkeit des Auftretens von Halluzinationen und Bias in den Ausgaben eines LLMs verringert werden.
      Außerdem können so z. B. im Schulkontext angepasste Lern- und Lehrassistenten bereitgestellt werden. Bei der Erstellung derartiger Assistenten ist es jedoch wichtig, urheberrechtlich sauber zu arbeiten.
0