AI Glossary
unser umfassender Leitfaden zu Begriffen und Konzepten der Künstlichen Intelligenz
A
Ein maschinelles Lernverfahren, das darauf abzielt, Modelle widerstandsfähiger gegen absichtliche Störungen oder Angriffe zu machen, indem feindliche Beispiele in den Trainingsprozess einbezogen werden.
Autonomes Softwaresystem, das seine Umgebung wahrnimmt, Entscheidungen trifft und eigenständig oder im Auftrag Aufgaben ausführt, z. B. ein Chatbot oder ein Suchassistent.
Inhalte, die vollständig von KI-Modellen erstellt wurden.
Eine präzise und endliche Folge von Schritten zur Lösung einer Aufgabe oder eines Problems. In der KI werden Algorithmen verwendet, um Daten zu analysieren, Muster zu erkennen und Entscheidungen zu treffen.
Die Erstellung von Kunstwerken durch generative Modelle.
Intelligente Systeme, die die Zusammenarbeit zwischen Menschen und Maschine verbessern. Sie helfen bei der Automatisierung und Optimierung von Aufgaben, beispielsweise durch Sprachassistenten oder Produktionshilfen.
Eine Komponente in neuronalen Netzwerken, die es dem Modell ermöglicht, sich auf relevante Teile der Eingabe zu konzentrieren.
Ein neuronales Netzwerk, das Daten komprimiert und dann wiederherstellt, um neue, ähnliche Daten zu erzeugen.
Systeme, die in der Lage sind, ohne menschliche Eingriffe zu operieren. Sie können selbstständig Entscheidungen treffen und auf Umweltbedingungen reagieren. Beispiele sind selbstfahrende Autos und autonome Drohnen.
B
Lernverfahren für neuronale Netze: Fehler aus der Ausgabe werden rückwärts durch das Netz propagiert, um die Gewichte mit Gradientenabstieg zu aktualisieren.
Normalisierung der Eingaben jeder Schicht, um Training zu stabilisieren und zu beschleunigen.
Ein grafisches Modell, das probabilistische Beziehungen zwischen Variablen darstellt. Es wird verwendet, um Unsicherheiten in komplexen Systemen zu modellieren.
Ein Algorithmus, der bei der Textgenerierung verwendet wird, um die besten Sequenzen von Tokens auszuwählen.
Ein Modell, das Text kontextabhängig von beiden Seiten (links und rechts) versteht, aber nicht direkt zur Generierung von Text verwendet wird.
Systematische Fehler in Modellen oder Daten, die zu unfairen oder ungenauen Vorhersagen führen können (z. B. Geschlechterbias).
Bezieht sich auf große Datensätze, die zu umfangreich oder komplex sind, um sie mit traditionellen Datenverarbeitungsmethoden zu analysieren. Big Data erfordert spezialisierte Werkzeuge und Technologien zur Verarbeitung und Analyse.
Ein Programm, das automatisierte Aufgaben ausführt. Beispiele sind Chatbots, die mit Benutzern interagieren können, und Webcrawler, die das Internet durchsuchen.
C
Methode, bei der LLMs ihre Gedankengänge Schritt für Schritt aufschreiben, um komplexe Probleme besser zu lösen.
Ein Programm, das menschenähnliche Konversationen führt.
Eine Methode des unüberwachten Lernens, bei der Datenpunkte in Gruppen oder Cluster eingeteilt werden, basierend auf ihrer Ähnlichkeit.
Ein GAN, das zusätzliche Informationen (z. B. Klassenlabels) als Bedingung verwendet, um spezifische Daten zu erzeugen.
Ein Trainingsansatz, bei dem ähnliche und unähnliche Paare von Datenpunkten verwendet werden, um die Merkmalsrepräsentation zu verbessern.
Neuronale Netze mit Faltungsoperationen, besonders geeignet für Bild- und Mustererkennung.
Ein Modell, das Bilder von einer Domäne in eine andere umwandeln kann, ohne gepaarte Trainingsdaten zu benötigen.
D
Ein Modell von OpenAI, das in der Lage ist, Bilder aus textuellen Beschreibungen zu generieren.
Techniken zur künstlichen Erweiterung des Datensatzes, z.B. durch Spiegeln oder Drehen von Bildern.
Die Methode zur Auffüllung fehlender Werte in Datensätzen.
Der Prozess, bei dem große Datensätze analysiert werden, um Muster und Zusammenhänge zu entdecken. Dies erfolgt durch den Einsatz statistischer Methoden und maschineller Lerntechniken.
Ein Entscheidungsbaum ist ein Modell, das Entscheidungen anhand einer Baumstruktur trifft, indem es die Daten in verschiedene Klassen oder Regressionen aufteilt.
Ein Algorithmus, der neuronale Netzwerke verwendet, um Bilder zu erzeugen, die surreale und traumhafte Darstellungen von Objekten und Szenen bieten.
Ein Teilgebiet des maschinellen Lernens, das auf künstlichen neuronalen Netzwerken mit vielen Schichten basiert. Es wird verwendet, um komplexe Muster in großen Datenmengen zu erkennen.
Ein Ansatz zur Bildgenerierung, der schrittweise verrauschte Bilder rekonstruiert.
Teil eines GANs, der versucht zu unterscheiden, ob die Daten echt oder vom Generator erzeugt sind.
E
Eine Technik, bei der mehrere Modelle kombiniert werden, um die Vorhersagegenauigkeit zu verbessern. Bekannte Methoden sind Random Forests und Gradient Boosting.
Methoden und Ansätze, die darauf abzielen, die Entscheidungen und Vorhersagen von KI-Systemen transparent und nachvollziehbar zu machen. Dies erhöhten das Vertrauen und die Akzeptanz von KI-Anwendungen.
kennst du schon unsere KI-Seminare?
Künstliche Intelligenz (KI) ist der Treiber für die meisten modernen Veränderungen. Ohne Change gibt es keine Innovation. In unseren KI-Seminaren befähigen wir dich, Widerstandsfähigkeit, Agilität und innovative Produkte und Services zu entwickeln. So steigerst du nicht nur deine digitalen Umsätze, sondern auch die Profitabilität deines Unternehmens. Unsere Seminare bieten dir das Know-how, um die digitale Performance nachhaltig und dauerhaft zu verbessern. Lass uns gemeinsam deine Zukunft gestalten und dein Unternehmen mit KI auf Erfolgskurs bringen.
F
Die Generierung realistischer menschlicher Gesichter durch Modelle wie StyleGAN.
Der Prozess der Auswahl, Modifikation und Erstellung von Merkmalen (Features) aus Rohdaten, um die Leistung von maschinellen Lernmodellen zu verbessern.
Die Fähigkeit eines Modells, Aufgaben nach nur wenigen Beispielen zu bewältigen.
Technik, bei der ein Sprachmodell nur wenige Beispiele einer Aufgabe im Prompt erhält, um diese Aufgabe zu lösen.
Anpassung eines vortrainierten Modells an eine spezifische Aufgabe oder Datensatz.
G
Die Umkehrung des Prozesses eines GANs, um den latenten Vektor eines Bildes zu finden.
Modelle, die in der Lage sind, neue Daten zu erzeugen, die den Mustern der Trainingsdaten ähneln. Beispiele sind generative Modelle, die Bilder, Texte oder Musik erstellen können.
Ein Modell, das zwei neuronale Netzwerke – Generator und Diskriminator – gegeneinander antreten lässt, um realistische Daten zu erzeugen.
Ein Bereich der KI, der sich auf die Erzeugung neuer Daten (z. B. Bilder, Texte, Musik) konzentriert, die den Trainingsdaten ähneln.
Teil eines GANs, das darauf trainiert wird, neue Daten zu erzeugen, die den echten Daten ähnlich sehen.
Parameter eines neuronalen Netzes, die die Stärke der Verbindungen zwischen Neuronen bestimmen und während des Trainings so angepasst werden, dass das Modell die Daten möglichst gut abbildet.
Ein Modell, das große Mengen an Textdaten verwendet, um natürlichsprachliche Texte zu generieren.
H
Kombiniert datengetriebene maschinelle Lernmethoden mit regelbasierten Ansätzen. Dies ermöglicht die Nutzung der Stärken beider Ansätze zur Entwicklung leistungsfähigerer Systeme.
Parameter, die die Struktur und das Training eines maschinellen Lernmodells steuern, wie z.B. die Lernrate oder die Anzahl der Schichten in einem neuronalen Netz.
I
Die Generierung von Textbeschreibungen für Bilder.
Die Technik, niedrig aufgelöste Bilder in hochauflösende Versionen umzuwandeln.
Die Umwandlung eines Bildes in ein anderes Bild, z.B. von einer Skizze zu einem fotorealistischen Bild.
Fähigkeit von LLMs, allein aus im Prompt bereitgestellten Beispielen neue Aufgaben zu erlernen – ohne zusätzliche Gewichtsänderungen.
Vorannahmen einer Modellarchitektur über die Datenstruktur, z. B. dass bei CNNs lokale Muster und Translationsinvarianz wichtig sind.
Phase, in der ein trainiertes Modell auf neue Eingaben angewendet wird, um Vorhersagen oder Entscheidungen zu treffen, ohne dabei seine Gewichte weiter zu verändern.
Die Technik, fehlende Teile eines Bildes zu rekonstruieren.
KI-Systeme, die in Echtzeit auf Benutzereingaben reagieren und generative Modelle verwenden, um personalisierte Inhalte zu erstellen.
Ein Netzwerk von physischen Geräten, die über das Internet verbunden sind und Daten austauschen können. Dies ermöglichten die Automatisierung und Optimierung von Prozessen.
J
kostenfreier livestream
für Manager, Führungskräfte, Weiterbildungsleiter und Geschäftsinhaber/ & -führer
Our 4-advice experts with 20 years of experience will show you the way out of the AI jungle: find out in our live stream how to successfully introduce AI in your company and massively increase productivity.
K
Ein unüberwachter Lernalgorithmus, der Daten in k Cluster unterteilt, wobei jedes Datenpunkt dem Cluster mit dem nächsten Mittelwert zugewiesen wird.
Intelligente Systeme, die menschliche kognitive Fähigkeiten wie Wahrnehmung, Lernen und Entscheidungsfindung nachahmen. Sie werden verwendet, um komplexe Probleme zu lösen.
Modelle, die aus Schichten von künstlichen Neuronen bestehen und zur Verarbeitung von Daten und Mustererkennung verwendet werden. Sie sind inspiriert von der Struktur und Funktionsweise des menschlichen Gehirns.
L
Sehr große, Transformer-basierte Modelle (z. B. GPT, LLaMA), die auf riesigen Textmengen trainiert werden und komplexe Sprachaufgaben beherrschen.
Ein Modell zur Themenmodellierung, das Textdaten analysiert und zugrunde liegende Themen identifiziert.
Ein Raum niedriger Dimension, in dem Eingabedaten für Modelle wie GANs und Autoencoder eingebettet werden.
Ein Vektor im latent space, der verwendet wird, um neue Datenpunkte zu generieren.
Ein niedrigerdimensionaler Raum, in dem komplexe Datenstrukturen vereinfacht dargestellt werden.
Maß für den Fehler eines Modells, den es minimieren soll (z. B. MSE für Regression, Cross-Entropy für Klassifikation).
Varianten von RNNs, die durch spezielle Gate-Mechanismen das Langzeitgedächtnis verbessern und das Problem des „Vanishing Gradient“ abmildern.
M
Ein Trainingsziel, bei dem Teile des Textes maskiert und vom Modell vorhergesagt werden müssen.
Ein Teilgebiet der KI, das sich auf die Entwicklung von Algorithmen konzentriert, die aus Daten lernen und Vorhersagen treffen oder Entscheidungen basierend auf diesen Daten treffen können.
Eine mathematische Repräsentation, die auf Trainingsdaten basiert und verwendet wird, um Vorhersagen oder Klassifikationen auf neuen Daten vorzunehmen.
Zusammenschluss mehrerer Agenten, die miteinander interagieren und kooperieren, um komplexe Probleme zu lösen, die ein einzelner Agent nicht bewältigen könnte.
Systeme, die verschiedene Datentypen wie Text, Bild und Audio gleichzeitig verarbeiten und kombinieren können, um umfassendere Analysen und Vorhersagen zu ermöglichen.
Die Erstellung von Musikstücken durch generative Modelle.
N
Ein Bereich der KI, der sich mit der Interaktion zwischen Computern und menschlicher Sprache befasst, einschließlich Textanalyse und Sprachverarbeitung.
Die Erzeugung von 3D-Szenen aus 2D-Bildern durch neuronale Netzwerke.
Die grundlegende Recheneinheit in einem künstlichen neuronalen Netz, die Eingaben empfängt, verarbeitet und Ausgaben an andere Neuronen weitergibt.
Die Kombination von Inhalt und Stil zweier Bilder, um ein neues Bild zu erzeugen.
Ein zufälliger Vektor, der als Eingabe für den Generator eines GANs dient.
O
Die Fähigkeit eines Modells, aus nur einem oder wenigen Beispielen zu lernen.
Algorithmen zur Anpassung der Modellgewichte (z. B. SGD, Adam, RMSProp).
Ein Modell passt sich zu stark an die Trainingsdaten an, inklusive deren Rauschen, und verallgemeinert schlecht auf neue Daten.
RECOGNIZE & USE YOUR DIGITAL POTENTIAL
P
Ein Verlustmaß, das auf der Wahrnehmung von Bildern durch Menschen basiert, um realistischere Bilder zu erzeugen.
Ein Modell, das gepaarte Trainingsdaten verwendet, um Bilder von einer Domäne in eine andere zu übersetzen.
Ein Modell zur sequenziellen Vorhersage von Pixelwerten in Bildern.
Der Prozess, bei dem ein Modell auf großen Datensätzen trainiert wird, bevor es auf spezifische Aufgaben feinabgestimmt wird.
Die Kunst, Eingabebefehle (Prompts) so zu gestalten, dass sie von generativen Modellen optimale Ergebnisse liefern.
Ein Anfangstext oder eine Eingabe, die ein Textgenerierungsmodell verwendet, um fortlaufenden Text zu erzeugen.
Q
Einsatz von Quantencomputern zur Lösung komplexer Probleme in der KI, die klassische Computer überfordern.
Technik zur Reduktion der Modellgröße und Rechenlast, indem hochpräzise Gewichte und Aktivierungen (z. B. 32-Bit) in niedrigere Präzision (z. B. 8-Bit oder weniger) umgewandelt werden, mit möglichst geringem Genauigkeitsverlust.
R
Kombination von LLMs mit einem externen Dokumentenabrufsystem: Das Modell holt Fakten aus einer Wissensdatenbank und nutzt sie zur Textgenerierung.
Netze, die Sequenzen verarbeiten, indem sie einen internen Zustand über Zeit erhalten. Gut für Sprache und Zeitreihen.
Techniken zur Vermeidung von Overfitting, z. B. L1-/L2-Strafen, Dropout oder Early Stopping.
Ein Lernansatz, bei dem ein Agent durch Interaktionen mit seiner Umgebung lernt und durch Belohnungen und Bestrafungen optimaler Handlungsstrategien entwickelt.
Einsatz von Verstärkungslernen zur Verbesserung der Generierungsqualität durch Rückmeldungen.
S
Eine Methode zur Auswahl von Wörtern während der Textgenerierung, die Zufälligkeit einführt, um kreative und vielfältige Ausgaben zu erzeugen.
KI-Systeme, die spezifische Aufgaben lösen können, aber kein umfassendes Verständnis oder Bewusstsein besitzen. Beispiele sind Sprachassistenten und Bilderkennungssysteme.
Ein Mechanismus, bei dem jedes Element einer Sequenz Aufmerksamkeit auf alle anderen Elemente richtet.
Lernmethode, bei der Modelle Vorhersagen aus unmarkierten Daten selbst ableiten (z. B. maskierte Wörter in einem Text rekonstruieren).
Sprachmodelle mit deutlich weniger Parametern als große LLMs, optimiert für Effizienz, geringeren Ressourcenverbrauch und spezialisierte Aufgaben.
Ein fortschrittliches GAN-Modell, das in der Lage ist, hochauflösende Bilder mit kontrollierbaren Stilmerkmalen zu erzeugen.
Die Übertragung von Stileigenschaften eines Bildes auf ein anderes Bild.
Künstlich erzeugte Sprachaufnahmen, typischerweise durch TTS-Modelle.
Künstlich generierte Daten, die zur Schulung von Modellen verwendet werden können.
T
Ein Parameter, der die Zufälligkeit (‚digitale‘ Kreativität) der Ergebnisse eines generativen Modells steuert.
Die Erstellung von Texten, die den Trainingsdaten ähnlich sind, durch Modelle wie GPT-3.
Ein Modell, das aus einer textuellen Beschreibung ein Bild generiert.
Ein Modell, das Text in gesprochene Sprache umwandelt.
Der Prozess, Text in kleinere Einheiten wie Wörter oder Subwörter zu zerlegen.
In LLM-Kontexten: Externe Werkzeuge oder APIs, die ein Modell aufrufen kann, um Fähigkeiten zu erweitern (z. B. Rechnen, Websuche).
Eine Deep-Learning-Architektur, die für die Verarbeitung und Generierung von Texten verwendet wird. Transformer-Modelle zeichnen sich durch ihre Fähigkeit zur parallelen Verarbeitung großer Textmengen aus.
Der Einsatz vortrainierter Modelle zur Lösung neuer Aufgaben mit minimaler zusätzlicher Schulung.
digital transformation insider
Podcast für Digitalisierung, Change und Innovation
Unser Gast, Thomas Beimbauer, teilt wertvolle Einblicke und Erfahrungen aus seiner langjährigen Arbeit mit digitalen Technologien und KI. Gemeinsam diskutieren wir, wie man KI erfolgreich in Unternehmen einführt, um Produktivität und Qualität zu steigern, und warum es wichtig ist, die Anwendungskompetenz der Mitarbeiter zu fördern. Thomas erklärt zudem, was hinter dem Marketingbegriff „künstliche Intelligenz“ steckt und wie Unternehmen die Technologie sinnvoll nutzen können. Verpasst nicht diese aufschlussreiche Episode mit Tipps und Trends von Top-Experten!
Jetzt auf diesen Plattformen anhören
U
Ein Modell ist zu einfach oder zu schwach trainiert, um die zugrunde liegenden Muster der Daten zu erfassen.
Ein maschinelles Lernverfahren, bei dem Modelle anhand von gelabelten Daten trainiert werden, um Vorhersagen oder Klassifikationen auf Basis neuer Daten zu treffen.
V
Ein Modell, das Daten in einen latenten Raum kodiert und dann dekodiert, um neue Daten zu generieren.
KI-Modelle und -Methoden, die auf mehreren Geräten oder in der Cloud ausgeführt werden, um die Rechenlast zu verteilen und die Effizienz zu erhöhen.
Entwicklung und Einsatz von KI-Systemen, die Transparenz, Sicherheit und ethische Standards sicherstellen, um Vertrauen und Akzeptanz bei den Nutzern zu fördern.
Die Erstellung von Videosequenzen durch generative Modelle.
W
Eine Methode zur Darstellung von Wörtern als Vektoren, die semantische Ähnlichkeiten widerspiegeln.
x
Methoden zur Schaffung von transparenten und nachvollziehbaren KI-Modellen, die es Nutzern ermöglichen, die Entscheidungsprozesse der KI nachzuvollziehen.
Y
Ein Echtzeit-Objekterkennungsalgorithmus, der verwendet wird, um mehrere Objekte in einem Bild schnell zu identifizieren.
Z
Die Fähigkeit eines Modells, Aufgaben ohne spezifische Trainingsdaten für diese Aufgaben zu lösen.
digital transformation insider
Podcast für Digitalisierung, Change und Innovation
Unser Gast, Professor Thomas Clemen von der Hochschule für Angewandte Wissenschaften in Hamburg, teilt seine umfangreichen Erfahrungen und Erkenntnisse aus der Welt der KI. Von den ersten Berührungspunkten mit der Technologie bis hin zu interdisziplinären Forschungsprojekten erläutert er, wie KI effektiv in Unternehmen eingesetzt werden kann. Erfahrt, welche Herausforderungen und Chancen die KI in der Industrie und im politischen Raum bietet und warum Deutschland noch mehr Potenzial ausschöpfen kann. Verpasst nicht diese spannende Episode voller wertvoller Einblicke und Praxistipps von einem führenden Experten auf dem Gebiet der Künstlichen Intelligenz!
Jetzt auf diesen Plattformen anhören
RECOGNIZE & USE YOUR DIGITAL POTENTIAL
With consulting and seminars, we enable you to successfully and sustainably implement digitalization, change and innovation.
© 2023, 4-advice. Alle Rechte vorbehalten.