Zum Hauptinhalt springen

Verarbeitung

Sprachmodelle​

Sprachmodelle sind fortschrittliche KI-Systeme, die menschliche Sprache verstehen, interpretieren und generieren können. Diese Modelle werden auf enormen Textdatasets trainiert und lernen Muster, Wortkombinationen, Satzstrukturen und sogar Feinheiten verschiedener Sprachen und Sprachgebraüche. Der Kern vieler moderner Sprachmodelle ist die Transformer-Architektur, die Selbstaufmerksamkeitsmechanismen nutzt, um zu bestimmen, welche Textteile in einem gegebenen Kontext wichtig sind.

Bei der Sprachverarbeitung verwenden diese Modelle statistische Methoden, um vorherzusagen, was das wahrscheinlichste nächste Wort oder der wahrscheinlichste nächste Satz in einem Text sein könnte. Sie können Kontext über lange Textstücke hinweg verstehen und dadurch nicht nur grammatikalisch korrekte, sondern auch inhaltlich zusammenhängende und relevante Texte generieren.

Bei der Verwendung eines Sprachmodells für beispielsweise einen Chatbot oder einen Textgenerator wird dem Modell ein bestimmter Prompt oder anfängliche Daten gegeben, und basierend auf dieser Eingabe generiert das Modell Text, der logisch aus dem gegebenen Kontext folgt. Das Ziel dieser Modelle ist es, Text zu produzieren, der so menschlich wie möglich klingt, sowohl in Bezug auf Inhalt als auch Stil.

Text-zu-Bild-Modelle​

Text-zu-Bild-Modelle sind KI-Systeme, die in der Lage sind, aus geschriebenen Textbeschreibungen visuelle Repräsentationen zu generieren, wie Fotos, Illustrationen oder andere Bildtypen. Diese Modelle nutzen fortschrittliche neuronale Netze, insbesondere generative adversariale Netze (GANs) oder Variationen wie Diffusionsmodelle.

Der Prozess beginnt mit einer vom Benutzer eingegebenen Textbeschreibung. Das Modell bewertet diesen Text und versucht, dessen Bedeutung und Kontext zu verstehen. Anschließend generiert das Modell Bilder, die der Textbeschreibung entsprechen, indem es das während des Trainings Gelernte nutzt, wobei es auf riesigen Datasets von Text-Bild-Paaren trainiert wird.

Während des Trainings lernt das Modell Assoziationen zwischen Textbeschreibungen und visuellen Merkmalen. Wenn das Modell beispielsweise wiederholt die Wortkombination "eine gelbe Sonne über einem blauen Meer" zusammen mit Bildern sieht, die dieses Szenario illustrieren, lernt es, diese Elemente zu erkennen und in zukünftigen Bildkreationen zu reproduzieren.

Das Ergebnis sind oft überraschend präzise und detailreiche Bilder, die zur eingegebenen Textbeschreibung passen. Diese Modelle werden immer ausgefeilter und sind in der Lage, komplexe Szenarien mit mehreren Objekten und abstrakten Konzepten darzustellen. Sie werden in einem breiten Spektrum von Anwendungen eingesetzt, einschließlich künstlerischer Kreation, Spieldesign, virtueller Realität und mehr.

AI-Public erschließt Modelle​

Es ist wichtig zu verstehen, dass AI-Public verschiedene KI-Modelle erschließt, die von großen Technologieunternehmen über eine API angeboten werden. Eine API oder Application Programming Interface ist ein Satz von Regeln und Definitionen, mit denen Softwareprogramme miteinander kommunizieren können. Sie fungiert als eine Art "Sprache", die von Programmen verstanden wird, um Informationen auszutauschen und Funktionen voneinander aufzurufen. AI-Public selbst verfügt nicht über Sprachmodelle oder Text-zu-Bild-Modelle.

Wir sind nicht verantwortlich für die Ergebnisse der verschiedenen Modelle. Wir haben jedoch Wert auf die Auswahl der besten und interessantesten Modelle für Unternehmen gelegt.

Verarbeitungsprozedur​

Die folgende Prozedur wird befolgt, um eine Antwort zu generieren:

  • Der Benutzer erstellt einen Prompt.
  • Die Front-End-Webanwendung verbindet dies mit dem aktiven Chat und fügt eine Chatnachricht mit dem Status "Initialisieren" hinzu.
  • Auf den Servern von AI-Public wird eine Funktion ausgelöst durch das Hinzufügen einer Chatnachricht.
  • Der Status der Chatnachricht wird auf "Verarbeiten" gesetzt.
  • Bei Auswahl eines Chats mit Dokumenten sendet der Server zuerst eine Anfrage an die Firestore Vektor-Datenbank, um die Texte aus Dokumenten auszuwählen.
  • Der Server sendet dann die Anfrage über eine API-Verbindung an das ausgewählte Sprachmodell.
  • Wenn die Einstellung Streamen aktiviert ist, speichern wir die Nachricht nach jeweils 10 empfangenen Chunks und nach jeweils 25 Chunks nach Empfang von 100 Chunks.
  • Sobald die gesamte Antwort empfangen wurde, wird der Status auf "Abgeschlossen" gesetzt.
  • Die Front-End-Anwendung wird nach jeder Datenbankaktualisierung aktualisiert.
  • Bei festgestellten Fehlern wird der Status auf "Fehler" gesetzt und eine Fehlermeldung angezeigt.

Wir senden keine personenbezogenen Daten mit jeder API-Anfrage mit. Allerdings kann der Benutzer personenbezogene Daten im Prompt oder in den hochgeladenen Dokumenten enthalten haben.