Generative künstliche Intelligenz

Generative KI ist eine Form der künstlichen Intelligenz, die auf Grundlage von Benutzereingaben völlig neue Inhalte in Form von Texten, Bildern, Audio- oder Videodateien erzeugen kann. Diese Inhalte werden auch als GenAI-Inhalte, KI-generierte Inhalte oder AIGC (Artificial Intelligence Generated Content) bezeichnet. Möglich wurde dies durch Fortschritte im Deep Learning und in der Technologie neuronaler Netze. Dadurch können KI-Modelle mit natürlichsprachlichen Prompts arbeiten – also mit Texten und Bildern, die wir Menschen bereits zur Kommunikation miteinander verwenden. Dies wiederum ermöglicht es Programmierern, das Äquivalent von Wikipedia – eine bestehende Datenbank mit Milliarden, wenn nicht sogar Billionen von Parametern – in ein KI-Modell zu laden und es mithilfe der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) darauf zu trainieren, passende Antworten zu erzeugen. Basiert die Eingabe auf Sprache, kann das Ergebnis ein Large Language Model (LLM) wie BLOOM oder ein darauf basierender Chatbot wie ChatGPT sein. Basiert die Eingabe auf Bildern, kann das Ergebnis ein Text-zu-Bild-System wie Stable Diffusion oder Midjourney sein.

Weitere Informationen:Generative KI vs. agentenbasierte KI: Die nächste Entwicklungsstufe der KI

Generative KI kann dies dank eines zweistufigen Entwicklungsprozesses leisten, der aus KI-Training und KI-Inferenz besteht. Beim KI-Training wird eine umfangreiche Datenbank mit gekennzeichneten Daten in das KI-Modell geladen. Die KI versucht, die erwartete Ausgabe zu „erraten“ – beispielsweise das nächste Wort in einem Satz oder die Identifizierung von Symptomen auf einer medizinischen Aufnahme – und überprüft anschließend ihre Antworten. Durch wiederholte Iterationen aus Vorhersagen (Vorwärtspropagation) und Feedback (Rückwärtspropagation) passt die KI die Gewichtungen ihrer Datenparameter so präzise an, dass sie schließlich jedes Mal die korrekte Ausgabe liefert. Dies wird als vortrainiertes KI-Modell bezeichnet.

Bei der KI-Inferenz verarbeitet das KI-Modell neue, nicht gekennzeichnete Daten aus der realen Welt. Auf Grundlage seines umfangreichen Trainings kann das Modell die korrekte Antwort generieren. Auch die Interaktionen mit neuen Daten werden aufgezeichnet, damit sie in der nächsten Runde des KI-Trainings verwendet werden können, wodurch das KI-Modell weiter optimiert wird.

Es ist zu beachten, dass Fortschritte in der KI-Entwicklung es möglich gemacht haben, dass KI mithilfe nicht gekennzeichneter Daten selbstüberwachtes oder teilüberwachtes Lernen durchführt. Aus diesem Grund wird generative KI jeden Tag intelligenter und leistungsfähiger.

Weitere Informationen:Um generative KI nutzen zu können, müssen Sie „Training“ und „Inferenz“ verstehen

Generative KI wird in zahlreichen Branchen und Szenarien eingesetzt – von Medien und Marketing bis hin zum Gesundheitswesen und Produktdesign. Im Folgenden finden Sie einige Beispiele dafür, wie generative KI bereits dazu beiträgt, unsere Welt neu zu gestalten.

● Gesundheitswesen: Im Gesundheitswesen und in der Medizin kann generative KI anhand umfangreicher medizinischer Daten trainiert werden, um bei der Diagnose von Krankheiten zu unterstützen oder auf Grundlage der Krankengeschichte eines Patienten individuelle Behandlungspläne zu erstellen. In der Arzneimittelentwicklung kann sie molekulare Strukturen analysieren und neue Wirkstoffe entwerfen. Darüber hinaus lassen sich mit KI elektronische Gesundheitsakten (EHR) erstellen, die als Datenbasis für Analysen im Gesundheitswesen dienen und zugleich den Verwaltungsaufwand für medizinisches Personal reduzieren.

● Marketing: Generative KI kann in kürzester Zeit Marketingpläne, Kampagnen, Slogans und visuelle Designs entwickeln. Sie kann sogar individuelle Werbekampagnen erstellen, die auf den prognostizierten Präferenzen verschiedener Marktsegmente basieren.

● Medien: Generative KI kann nicht nur Drehbücher für Fernsehsendungen und Pressemitteilungen verfassen, sondern auch mit minimalen Trainingsdaten Bilder, Audio- und Videoinhalte erzeugen. Anstatt menschliche Arbeitskräfte zu ersetzen, kann KI Content Creator dabei unterstützen, ihre Ideen effizienter und wirkungsvoller umzusetzen. So können sie ihre kreative Inspiration besser nutzen und eine Reihe herausragender Werke schaffen.

● Produktdesign: KI kann Computercode schreiben, Produktentwürfe erstellen, Konzepte bewerten und sogar Simulationen durchführen, um zu prüfen, wie sich verschiedene Designs oder Materialien unter realen Bedingungen verhalten würden. Auch die Entwicklung der Mikrochips und Computersysteme, auf denen KI ausgeführt wird, lässt sich mit generativer KI beschleunigen. Dadurch werden schnelles Prototyping und eine kürzere Markteinführungszeit ermöglicht. Umfangreiche, aus Nutzerfeedback zusammengestellte Daten können das Training des KI-Modells unterstützen, damit es aussagekräftige Vorschläge für das Produktdesign generiert.

Laut der Prognose von Bloomberg soll der Markt für generative KI bis 2032 auf 1,3 Billionen US-Dollar wachsen und dabei eine durchschnittliche jährliche Wachstumsrate (CAGR) von 42 % erreichen.

GIGABYTE Technology bietet ein umfassendes Portfolio an AI-Servern und AI-Infrastrukturlösungen, die sich ideal für die Entwicklung und Nutzung generativer AI-Modelle eignen. Die Lösungen lassen sich in zwei Kategorien unterteilen, die ihre jeweilige Rolle beim AI-Training oder bei der AI-Inferenz widerspiegeln.

● AI-Training: Diese Server nutzen modernste GPU-Beschleuniger und Rechenmodule – oder sogar einen fortschrittlichen Prozessortyp, der die Funktionen von CPUs und GPUs in einem Paket vereint –, um mittels Parallelverarbeitung riesige Datensätze zu verarbeiten und die AI zu trainieren. Ein herausragendes Beispiel ist der GIGABYTE G593-SD0, der ein NVIDIA HGX™ H100 8-GPU-Rechenmodul integriert und damit eine der leistungsstärksten AI-Trainingsplattformen auf dem Markt bildet. GIGABYTE-Server unterstützen außerdem NVIDIA L40S GPUs. Eine weitere interessante Option ist der „CPU plus GPU“-Chip für AI- und HPC-Workloads. Dazu gehören der AMD Instinct™ MI300A, eine APU (Accelerated Processing Unit) der Enterprise-Klasse von AMD, und der NVIDIA Grace Hopper™ Superchip, der in den H-Series High Density Servern von GIGABYTE wie dem H223-V10 verfügbar ist.

● AI-Inferenz: Für diese Phase der Arbeit mit generativer AI sollten spezialisierte Beschleuniger ausgewählt werden, die sich besonders für AI-Inferenz eignen. Der GIGABYTE G293-Z43 ist für eine hochdichte Konfiguration mit sechzehn AMD Alveo™ V70-Karten in einem 2U-Gehäuse ausgelegt. Diese Beschleuniger verwenden eine Datenflussarchitektur und eignen sich daher ideal für zentralisierte, intensive AI-Inferenz-Workloads. GIGABYTE-Server mit PCIe-Erweiterungssteckplätzen der 4. Generation oder höher sind außerdem mit NVIDIA A2 Tensor Core GPUs und L4 Tensor Core GPUs kompatibel, die AI-Inferenz unterstützen können. Qualcomm® Cloud AI 100 GPUs, die in den G-Series GPU-Servern von GIGABYTE eingesetzt werden können, ermöglichen eine effektivere Inferenz generativer AI am Netzwerkrand, da die Lösung die wichtigsten Aspekte der Cloud-AI-Inferenz adressiert.