Noch mehr Hunde und GANs

Hier sind die Ergebnisse eines GAN (generativen gegnerischen Netzes) zur Generierung von Hundebildern, das eine gewisse Zeit lang trainiert, um realistische Hundebilder zu erzeugen.

Vier Bilder von Hunden, die eines nach dem anderen immer realistischer aussehen.

(Quelle: Projected GANs Converge Faster, 2021)

Denke daran, dass ein GAN aus zwei Modellen besteht, die miteinander konkurrieren:

Ein Generatormodell versucht, gefälschte Daten zu erzeugen, die von echten Daten nicht zu unterscheiden sind.
Ein Diskriminatormodell versucht, zwischen echten und gefälschten Daten zu unterscheiden.

Was passiert bei voranschreitendem Training mit den Ergebnissen?

Diese Übung ist Teil des Kurses

Konzeptuelle Einführung in generative KI

Kurs anzeigen

Interaktive Übung

Setze die Theorie in einer unserer interaktiven Übungen in die Praxis um

Übung starten

Diese Übung ist Teil des Kurses

Konzeptuelle Einführung in generative KI

Geringe SchwierigkeitSchwierigkeitsgrad

4.8+

2163 reviews

Kurs kostenlos starten

Mache dich mit dem Konzept der generativen KI vertraut und erfahre mehr über ihre Fähigkeit, Inhalte zu erstellen, sowie über ihre praktischen Anwendungen und Grenzen. Du wirst die Unterschiede zwischen traditionellen maschinellen Lernmodellen, generativer KI und künstlicher allgemeiner Intelligenz (Artificial General Intelligence, AGI) kennenlernen und die Schlüsselfaktoren erkunden, die die Entwicklung der generativen KI vorantreiben.

Exercise 1: Was ist generative KI?Exercise 2: Generative KI kennenlernen Exercise 3: Arbeiten mit einem generativen KI-Modell Exercise 4: Anwendungen für generative KI Exercise 5: Generative KI in der Landschaft des maschinellen Lernens Exercise 6: Das richtige Werkzeug für jede Aufgabe Exercise 7: Unterscheidung: generative KI und traditionelles ML Exercise 8: Noch mehr Hunde und GANs

Aktuelle Übung

Exercise 9: Die Entwicklung generativer KI Exercise 10: Das Feld vorantreiben Exercise 11: Transformatoren Exercise 12: Durchbrüche bei generativer KI

In diesem Kapitel gehen wir auf die wichtigsten Schritte bei der Erstellung generativer KI-Modelle ein: Forschung und Design, Datensammlung, Modelltraining und Evaluierung. Wir untersuchen die Bedeutung verschiedener Datensätze und fortgeschrittener Trainingstechniken sowie verschiedener Evaluierungsmethoden und diskutieren ihre Stärken und Grenzen.

Exercise 1: Modelldesign und Datenerhebung Exercise 2: Forschung und Design Exercise 3: Ein unerwarteter Datensatz Exercise 4: Modelltraining Exercise 5: Einflussfaktoren beim Modelltraining Exercise 6: Techniken zur Entwicklung spezialisierter Modelle Exercise 7: Modellevaluierung Exercise 8: PixAIr-Animation Exercise 9: Hilfe für Intellibrand bei der Modellevaluierung

In diesem Kapitel geht es um den verantwortungsvollen Einsatz von generativer KI. Wir erörtern Herausforderungen und Strategien zur Abschwächung sozialer Vorurteile, Überlegungen zum geistigen Eigentum und Datenschutz sowie ethische Fragen zur Verhinderung von Missbrauch. Abschließend erkunden wir das immense Potenzial und die Risiken künstlicher allgemeiner Intelligenz (AGI) sowie die Ansätze zur Kontrolle ihrer Ergebnisse.

Exercise 1: Soziale Vorurteile einschätzen und abmildern Exercise 2: Ursachen für Vorurteile Exercise 3: Vorurteile erkennen und abschwächen Exercise 4: Urheberrecht und Eigentümerschaft Exercise 5: Rechtliche und datenschutzrelevante Überlegungen Exercise 6: Ansprüche auf geistiges Eigentum erkennen Exercise 7: Verantwortungsvolle generative KI-Anwendungen Exercise 8: Nutzungsprinzipien Exercise 9: Verantwortungsvolle KI-Praktiken einführen Exercise 10: Künstliche allgemeine Intelligenz (Artificial General Intelligence, AGI)Exercise 11: AGI-Merkmale Exercise 12: AGI-Ergebnisse

Kapitel 4 untersucht das Potenzial generativer KI für menschliche Arbeitsabläufe und wie sie sich auf diese auswirkt und integriert werden kann. Es erörtert die wichtigsten Beteiligten der KI-Entwicklung, von Universitäten bis zu Unternehmen, und untersucht die gesellschaftlichen Anpassungen an KI. Es befasst sich mit den Auswirkungen von KI auf Produktivität, Arbeitswelt, Bildung, Medien, Unterhaltung, Wissenschaft und ethische Fragen.

Exercise 1: Neue KI für alte Arbeitsabläufe Exercise 2: Generative KI für die Datenwissenschaft nutzen Exercise 3: Entwurf einer neuen Marketingkampagne Exercise 4: Fortschritte der generativen KI Exercise 5: Open Source: ja oder nein?Exercise 6: Super Duper GANs Exercise 7: Bereit für die Zukunft mit generativer KI Exercise 8: Generative KI in der Bildung Exercise 9: Wertvolle Fähigkeiten in einer Welt mit KI Exercise 10: Du hast es geschafft!