Verarbeitung

Sprachmodelle

Sprachmodelle sind fortschrittliche KI-Systeme, die menschliche Sprache verstehen, interpretieren und generieren können. Diese Modelle werden auf riesigen Textdatensätzen trainiert und lernen Muster, Wortkombinationen, Satzstrukturen und sogar die Feinheiten verschiedener Sprachen und Sprachgebräuche. Der Kern vieler moderner Sprachmodelle ist die Transformer-Architektur, die Selbstaufmerksamkeitsmechanismen verwendet, um zu bestimmen, welche Teile des Textes in einem gegebenen Kontext wichtig sind.

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

Bei der Verwendung eines Sprachmodells, beispielsweise für einen Chatbot oder einen Textgenerator, erhält das Modell bestimmte Prompts oder initiale Daten, und basierend auf dieser Eingabe generiert das Modell Text, der logisch aus dem gegebenen Kontext folgt. Das Ziel dieser Modelle ist es, Texte zu produzieren, die so menschlich wie möglich wirken, sowohl inhaltlich als auch stilistisch.

Text-zu-Bild-Modelle

Text-zu-Bild-Modelle sind KI-Systeme, die in der Lage sind, aus geschriebenen textuellen Beschreibungen visuelle Darstellungen zu erzeugen, wie Fotos, Illustrationen oder andere Bildtypen. Diese Modelle nutzen fortschrittliche neuronale Netze, insbesondere generative adversariale Netzwerke (GANs) oder Varianten davon wie Diffusionsmodelle.

Der Prozess beginnt mit einer vom Nutzer eingegebenen Textbeschreibung. Das Modell bewertet diesen Text und versucht, dessen Bedeutung und Kontext zu verstehen. Anschließend generiert das Modell Bilder, die der textuellen Beschreibung entsprechen, basierend auf dem, was es während des Trainings gelernt hat, wobei es auf riesigen Datensätzen von Text-Bild-Paaren trainiert wurde.

Während des Trainings lernt das Modell Assoziationen zwischen textuellen Beschreibungen und visuellen Merkmalen. Zum Beispiel, wenn das Modell 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 genaue und detailreiche Abbildungen, die zur eingegebenen Textbeschreibung passen. Diese Modelle werden immer raffinierter 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 Kreationen, Spieldesign, virtueller Realität und mehr.

AI-School erschließt Modelle

Es ist wichtig zu verstehen, dass AI-School verschiedene KI-Modelle erschließt, die in den zentralen Modellkatalog aufgenommen sind. Diese Modelle werden von externen Anbietern über eine API bereitgestellt. Eine API, oder Application Programming Interface, ist eine Sammlung 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-School besitzt selbst keine Sprachmodelle, Text-zu-Bild-Modelle oder Text-zu-Sprache-Modelle.

Wir sind nicht verantwortlich für die Ergebnisse der verschiedenen Modelle. Wir haben jedoch darauf geachtet, die besten und interessantesten Modelle für Schulen auszuwählen.

Verfahrensweise der Verarbeitung gemäß DPIA

Die DPIA beschreibt das Grundverfahren zur Generierung einer Antwort wie folgt:

• Der Nutzer gibt einen Prompt im Portal von AI-School ein.
• Der Prompt wird in der Datenbank von AI-School gespeichert.
• AI-School stellt den Prompt über eine API-Verbindung und ein allgemeines Konto ohne Verknüpfung zum AI-School-Konto dem gewählten KI-Modell zur Verfügung.
• Konto- und Schülerverwaltungsdaten werden nicht automatisch an das Modell übermittelt.
• Die Antwort des KI-Modells wird an AI-School zurückgesendet.
• Die Antwort wird in der Datenbank von AI-School gespeichert.
• Die Antwort wird dem Nutzer präsentiert.

AI-School übermittelt Konto- und Schülerverwaltungsdaten nicht automatisch an das KI-Modell. Das Modell erhält jedoch den Inhalt des Prompts ohne Verknüpfung zum AI-School-Konto. Ein Nutzer kann selbst personenbezogene Daten im Prompt eingegeben haben; in diesem Fall können diese Daten vom gewählten KI-Modell verarbeitet werden.

Zusätzlicher Kontext

Bei Funktionen wie dem Chatten mit Dokumenten, multimodaler Eingabe oder bestimmten Tools kann der Prompt mit vom Nutzer gewähltem Kontext ergänzt werden, wie Dokumentausschnitten, Bildern oder Suchergebnissen. Auch dieser Kontext wird ohne Verknüpfung zu einem identifizierbaren Nutzer dem Modell angeboten, kann jedoch personenbezogene Daten enthalten, wenn der Nutzer diese selbst hinzugefügt hat.