Generative KI

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 (auch als GenAI, KI-generierte Inhalte oder AIGC bezeichnet). Möglich wurde dies durch Fortschritte im Deep Learning und in der Technologie neuronaler Netze. Dadurch können KI-Modelle mit Eingaben in natürlicher Sprache arbeiten – also mit Texten und Bildern, die wir Menschen bereits zur Kommunikation miteinander verwenden. Programmierer können damit das Äquivalent der Wikipedia – also eine vorhandene Datenbank mit Milliarden, wenn nicht sogar Billionen von Parametern – in ein KI-Modell laden und es in der Verarbeitung natürlicher Sprache (Natural Language Processing, NLP) trainieren, sodass es passende Antworten generieren kann. 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 im Überblick

Generative KI ist dazu dank eines zweistufigen Entwicklungsprozesses in der Lage, 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“ – sei es das nächste Wort in einem Satz oder die Erkennung von Symptomen in einem medizinischen Bild – und überprüft anschließend ihre Antworten. Durch wiederholte Iterationen aus Vorwärtspropagierung und Rückwärtspropagierung 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 passende Antwort generieren. Die Interaktionen mit neuen Daten werden ebenfalls 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 ermöglicht haben, dass KI mithilfe nicht gekennzeichneter Daten selbstüberwachtes oder teilüberwachtes Lernen durchführt. Aus diesem Grund wird Generative KI von Tag zu Tag leistungsfähiger und ausgereifter.

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

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

● Gesundheitswesen: Im Gesundheitswesen und in der Medizin kann generative KI mit umfangreichen medizinischen Datensammlungen trainiert werden, um Krankheiten zu diagnostizieren oder auf Grundlage der Krankengeschichte des Patienten individuelle Behandlungspläne zu erstellen. In der Arzneimittelentwicklung kann sie molekulare Strukturen analysieren und neue Wirkstoffe entwickeln. Nicht zuletzt können mithilfe von KI generierte elektronische Gesundheitsakten (EHR) eine Datenbasis für Analysen im Gesundheitswesen schaffen und gleichzeitig den Verwaltungsaufwand für medizinisches Personal reduzieren.

● Marketing: Generative KI kann im Handumdrehen Marketingpläne, Kampagnen, Slogans und visuelle Designs entwickeln. Sie kann sogar auf Grundlage der erwarteten Präferenzen verschiedener Marktsegmente individuelle Werbekampagnen erstellen.

● Medien: Generative KI kann nicht nur Drehbücher für Fernsehsendungen und Pressemitteilungen verfassen, sondern auch mit einer minimalen Menge an Trainingsdaten Bilder, Audio- und Videoinhalte erzeugen. Statt menschliche Arbeitskräfte zu ersetzen, kann KI Content-Ersteller dabei unterstützen, ihre Ideen effizienter und wirkungsvoller umzusetzen. So können sie den entscheidenden kreativen Impuls optimal nutzen und eine Reihe herausragender Werke schaffen.

● Produktdesign: KI kann Computercode schreiben, Entwürfe für Produkte erstellen, Konzepte bewerten und sogar Simulationen durchführen, um zu prüfen, wie verschiedene Designs oder Materialien unter realen Bedingungen funktionieren würden. Auch der Entwurf der Mikrochips und Computersysteme, auf denen die KI ausgeführt wird, kann durch generative KI beschleunigt werden. Dies ermöglicht schnelles Prototyping und verkürzt die Markteinführungszeit. Umfangreiche, aus Nutzerfeedback gewonnene Daten können beim Training des KI-Modells hilfreich sein, 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 anwachsen und dabei eine durchschnittliche jährliche Wachstumsrate (CAGR) von 42 % erreichen.

GIGABYTE Technology bietet ein umfassendes Portfolio an KI-Servern und KI-Infrastrukturlösungen, die sich ideal für die Entwicklung und Nutzung generativer KI-Modelle eignen. Die Lösungen lassen sich in zwei Kategorien unterteilen, je nachdem, ob sie für das Training oder die Inferenz von KI-Modellen eingesetzt werden.

● KI-Training: Diese Server nutzen modernste GPU-Beschleuniger und Computing-Module oder sogar eine fortschrittliche Prozessorart, die die Funktionen von CPUs und GPUs in einem Gehäuse vereint. So ermöglichen sie parallele Berechnungen und die Verarbeitung enormer Datensätze zum Trainieren der KI. Ein herausragendes Beispiel ist der GIGABYTE G593-SD0, der das NVIDIA HGX™ H100 8-GPU-Computing-Modul integriert und damit eine der leistungsfähigsten KI-Trainingsplattformen auf dem Markt bildet. GIGABYTE Server unterstützen außerdem NVIDIA L40S GPUs. Eine weitere interessante Option ist der „CPU-plus-GPU“-Chip für KI- und HPC-Workloads. Dazu gehören der AMD Instinct™ MI300A, eine APU (Accelerated Processing Unit) der Enterprise-Klasse von AMD, sowie der NVIDIA Grace Hopper™ Superchip, der auf den H-Series High Density Servern von GIGABYTE wie dem H223-V10 verfügbar ist.

● KI-Inferenz: Für diese Phase der Arbeit mit generativer KI sollten speziell für KI-Inferenz geeignete Beschleuniger ausgewählt werden. 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, rechenintensive KI-Inferenz-Workloads. GIGABYTE Server mit PCIe Gen 4 (oder höheren) Erweiterungssteckplätzen sind außerdem mit NVIDIA A2 Tensor Core GPUs und L4 Tensor Core GPUs kompatibel und können damit die KI-Inferenz unterstützen. Qualcomm® Cloud AI 100 GPUs, die in den G-Series GPU-Servern von GIGABYTE eingesetzt werden können, ermöglichen eine effektivere Inferenz generativer KI am Netzwerkrand, da die Lösung die wichtigsten Aspekte der Cloud-KI-Inferenz adressiert.