Freies Kursarchiv · kostenlos, ohne Login · aufgenommen 2023/24

Künstliche Intelligenz Mindset · Lektion 10 von 13

Multimodale Modelle

Vorschaubild zum Video: Multimodale Modelle

Beim Abspielen wird eine Verbindung zu Vimeo aufgebaut. Mehr dazu

Was sind multimodale KI-Modelle? Anfangs konnte Midjourney nur Bilder erstellen, und ChatGPT nahm Text entgegen und gab Text aus. In diesem Video erklärt Martin, was sich mit multimodalen Modellen geändert hat.

Von eng zu multimodal

KI-Modelle waren lange sehr eng in ihrer Anwendung. ChatGPT war ein Large Language Model, das hauptsächlich Text ausgab. Multimodal heißt: Verschiedene Ein- und Ausgabemöglichkeiten wachsen zusammen. Zum Zeitpunkt der Aufnahme konntest du in ChatGPT Bilder hochladen und fragen „Was siehst du?“, dir Bilder oder Text ausgeben lassen, Musik erzeugen oder per Sprache mit ChatGPT sprechen. Auch PDFs lassen sich hochladen und zusammenfassen.

Vom Anwendungsfall her denken

Nagle dich nicht darauf fest, was ein Tool kann oder nicht – die Systeme lernen ständig dazu. Geh lieber von deinem Anwendungsfall aus, der dir Zeit raubt, und schau, ob KI ihn schon ganz oder teilweise übernehmen kann. Ist dein Problem nicht ganz aus der Welt, hatten es wahrscheinlich andere auch schon.

Computer sind nicht mehr nur Dinge, die du bedienen können musst. Das Paradigma wechselt: Sie verstehen, welche Aufgabe du lösen willst, und nehmen dir Arbeit ab. Sei offen und denk anders als noch vor zwei, drei Jahren.

Tipp: There’s An AI For That

Auf There’s An AI For That findest du eine Übersicht über KI-Systeme, dazu einen Newsletter. Die Zahl neuer Tools wird nach Monaten aufgeschlüsselt – im September des Aufnahmejahres waren es allein rund 550. Über die Suche findest du Tools für eine Aufgabe, etwa Spracherkennung.

Das lernst du in dieser Lektion

  • was multimodale KI-Modelle sind
  • warum du vom Anwendungsfall statt vom Tool her denken solltest
  • wie du mit There’s An AI For That passende KI-Tools findest