Zitat von gurlt

Das, was uns da meist als "AI / KI" vorgesetzt wird, insbesondere die Fliter und ähnliche Werkzeuge sind in aller Regel keine künstliche intelligenz. Denn eine echte KI müsste selbständig "lernen" können, sich also von alleine weiterentwickeln und eigene "Verknüpfungen" erstellen.

Man muss unterscheiden:

1. Die KI-Module in Adobe Premiere Pro laufen meist auf dem eigenen Rechner. Für Adobe Sensei wird auf externe Rechner zugegriffen. In Vegas Pro können einige Effekte Cloud basiert sein, gleichfalls Davinci. Hier gibt es Mischformen von lokalen und externen Ressourcen. Die sind bei weitem nicht so mächtig wie KI-Modelle, die auf externen Computern laufen. Brauchen sie auch nicht, da die Aufgaben meist einfacher sind.
2. Die KI-Modelle von ChatGPT, Runway ML oder Midjourney laufen auf externen Rechnern. Diese Modelle können vom Verhalten des Nutzers lernen.

Mit den internen KI-Modulen (Nr. 1) von Premiere und Co. wird jeder von uns seine Erfahrungen machen, sie sind leicht verfüg- und nutzbar.

Zitat von gurlt

Aber es ist eben nicht so, dass da eine tatsächliche Intelligenz irgendwelche Gedanken machen würde und uns - quasi als beauftragte Fachkraft - Arbeiten abnehmen könnte. Doch genau das scheinen einige halt zu erwarten, wenn sie "KI" hören. Aber man benötigt halt eigenes Wissen, um die richtigen Einstellungen zuzunehmen.

KI macht von sich aus garnichts. Man muss sie mit den richtigen Fragen füttern, um brauchbare Antworten zu erhalten. Das wird mit der Eingabeaufforderung, dem "Prompt" gemacht.

Und da die KI nicht wie ein Mensch denkt, muss diese Aufforderung sehr speziell und detailliert sein. Doch trotz gut durchdachtem Prompt wirft die Ki oft seltsame Ergebnisse aus. Jetzt muss man lernen, auf welche Art von Aufforderung die KI wie reagiert, kurz: Prompt Engineering. Das geht hin und her:

Beispiel: Prompt -> ungenaues Ergebnis -> erweiterter Prompt -> Antwort geht in die falsche Richtung -> erneut angepasster Prompt -> Antwort geht in die richtige Richtung, aber zu allgemein ....

Ihr müsst die Prompts (wie Knetmasse) kneten, bis ein Kunstwerk (brauchbare Antwort) daraus wird. Das hört sich seltsam an, wir verbinden mit Computern exaktes und streng logisches arbeiten. Prompts sind anders. Das hat sehr viel mit ausprobieren zu tun.

Neben den Spezialanwendungen wie unter Nr. 1 oben, taugen die großen KI-Modelle zum Beispiel für die Recherche zu einem Filmthema, zur Erkennung der wichtigsten Filmorte, Erstellung von Schnittlisten usw. Insgesamt kann man viel Zeit mit der KI sparen.

Die KI wird bleiben und sich schnell entwickeln. Im Berufsleben wird die Standardfrage lauten: Können sie Prompt Engineering?

Nebenbei, es heißt Künstliche Intelligenz, nicht Intelligenz.

Beste Grüße, Uli

Zitat von gurlt

dass es nicht wenige gibt, die wenn sie "KI" hören, offenbar völlig falsche Vorstellungen haben und eben auch nicht zwischen einer KI und KI-basierenden "Werkzeugen" unterscheiden.

Hm, ich ich schreibe genau gegen diese falschen Vorstellung an. Insofern ziehen wir an einem Strang.

Zitat von gurlt

Sorry, aber das ist doch nichts Neues, oder Spezielles einer KI. So funktionieren doch Computer von Anfang an.

Ich habe auch nicht gesagt, dass das was völlig Neues ist.

Ich sage lediglich, das die Künstliche Intelligenz nicht wie ein Mensch intelligent ist. Man kann ihr nicht einfach eine Frage stellen wie einem Arzt oder einem Techniker. Nach dem Motto, wird er schon verstehen und mir eine richtige Antwort geben.

Zitat von gurlt

Und Flussdiagramme und ähnliche Verfahren sind - auch außerhalb der EDV - schon seit Jahrzehnten fester Bestandteil der Darstellung und Organisation von Arbeitsabläufen. Auch gehören entsprechende Kenntnisse über Programiersprachen, Skripterstellung, oder wenigstens die Bedienung bestimmter Programme in nicht wenigen Berufen zum Anforderungsprofil.

Die modernen Systeme bietet hier (auch völlig unabhängig von KI) dem Anwender halt nur einen in einfacheren Zugang, da deren Bedienung immer intuitiver wird. Z.B. durch Sprachsteuerung wie bei Alexa, Siri & Co.

Ich bin mir nicht sicher, ob ich dich richtig interpretiere. Du nennst hier Organisationsabläufe, Programmiersprachen, Skripterstellung, die auch für einen Beruf notwendig sind. Was nicht berücksichtigt wird:

Der grundsätzliche Unterschied zwischen Systemen, die nach festen Regeln funktionieren (traditionelle Computerprogramme z.B.) und Systemen, die ohne feste Vorgaben des Menschen selbst Muster und Regeln finden. Die sich selbstständig anpassen und dadurch eine maschinelle Intelligenz haben.

Nachfolgend äußerst vereinfacht:

Das wird durch Neuronale Netze möglich. Neuronen werden softwareseitig durch mathematische Operationen dargestellt, die miteinander verbunden sind. Das Netzt besteht aus mehreren Schichten. Ein Neuronales Netz wie ChatGPT-3 hat etwa 175 Milliarden Parameter, gewichtete Verbindungen. Es ähnelt dem menschliche Gehirn.

Es gibt eine Eingabeschicht, verborgene Schichten und eine Ausgabeschicht. Die verborgenen Schichten, in denen die eigentliche Berechnungen und Transformationen der Daten ausgeführt werden, sind besonders.

Wissenschaftler sind kaum in der Lage zu jedem Zeitpunkt zu sagen, was in diesen verborgenen Schichten mit Milliarden an Verbindungen genau passiert. Black-Box-Problematik.

Dem Netz werden zum Beispiel riesige Mengen von Hunde- und Katzenbildern gezeigt. Daren lernt das Netz, wie die Tiere aussehen. Je nachdem wie richtig oder falsch es liegt erhalten die Neuronen bestimmte Gewichtungen, die sich bei jedem Lernfortschritt verändern.

Mit Programmen, die auf Regeln basieren, wäre eine schnelle und genaue Sprach-Übersetzung nicht möglich. Für jeden Einzelfall müsste eine Regel festgelegt werden.

Neuronale Netze lernen dagegen, wie Sprachen funktionieren, wie Wörter und Sätze in Verbindung stehen. Deshalb funktioniert auch Google Translate oder Deepl recht gut. Auch das autonome Fahren ist nur mit KI möglich. Man kann keinesfalls für alle Fahrsituationen einzelne Regeln erstellen.

KI hat allerdings kein eigenes Bewusstsein, sie hat keine Emotionen, sie kann keine Information verstehen. Sie arbeitet auf der Grundlage von Wahrscheinlichkeiten.

Und weil sie so besonders sind, unterscheiden sich die Prompts und wie man sie aufbaut auch sehr von Regeln, wie sie es z. B. in Organisationsdiagrammen oder Programmiersprachen gibt.

Zitat von gurlt

Bitte den Satz richtig lesen.

Der bezog sich ja auf eine tatsächliche Intelligenz, egal welchen Ursprungs.

Damit warst nicht du gemeint. Mit dem "nebenbei" wollte ich das von dem Antworttext absetzen.

Eine Kritik lautet , das Künstliche Intelligenz nicht intelligent sei. Wenn man genau schaut, dann heist der Begriff "Künstlich Intelligenz" und bedeutet eben nicht "menschliche Intelligenz". Das vergisst man leicht.

Beste Grüße, Uli

Zitat von rod

Dem Netz werden zum Beispiel riesige Mengen von Hunde- und Katzenbildern gezeigt. Daren lernt das Netz, wie die Tiere aussehen. Je nachdem wie richtig oder falsch es liegt erhalten die Neuronen bestimmte Gewichtungen, die sich bei jedem Lernfortschritt verändern.

1) // Der Satz gilt zumindest für Backpropagation-Netze. Die gab es zwar schon vor zig-Jahren; doch war damals iW noch die Performance der Hardware ein limitierender Faktor, der in der Praxis zu sehr langen Rechenzeiten führen konnte. Aber wir hatten selbst damals (natürlich auf sogenannten Großrechnern) zB Forecast betreiben können. Verglichen mit den heutigen Einsatzmöglichkeiten - ein gewaltiger Sprung vorwärts.

2) // Man könnte (mit den heutigen Wissenschaftern) auch sagen: Von einer "intelligenten" KI darf man emergentes Verhalten erwarten (Algorithmen, die auf gestellte Fragen (für uns) "unerwartete", "selbständig" gefundene Lösungen präsentieren können).

rod, Peter: Im übrigen finde ich Eure Diskussion nicht nur interessant und notwendig - ich lese sie auch mit Interesse und Vergnügen gerne. Und halte sie - aus den dort genannten Gründen - für wichtig

Gruß kurt

Zitat von gurlt

Naja, genau daran wird aber gearbeitet.

Es geht bei dem gesteckten Ziel der KI ja eben genau darum, dass diese ganz nomal angesprochen werden kann, ohne dass der Nutzer spezielle Kenntnisse benötigt, bzw. dass eine möglichst "natürliche" Zusammenarbeit zwischen Mensch und KI stattfinden kann

Das ist richtig. Das sind Systeme, die genau für diese spezielle Art von Kommunikation gebaut werden.

Um weiterführende, überraschende und "neue" Antworten von einer KI zu bekommen, muss man - zumindest heute - nach wie vor einiges an Gehirnschmalz in die Fragen investieren.

Und vor allen mehrere Fragerunden drehen (hier beschrieben). Darin auch Kontrollfragen stellen und, Quellen "per Hand / selbst" überprüfen. Mir gerade wieder passiert, dass eine KI für vier aktuelle Kameras teilweise falsche Maßangaben auswarf.

KI hat mit einfachen Fragen (heute) oft mehr Schwierigkeiten, als bei der Beantwortung komplizierter Probleme. Darauf weist auch der Informatiker & Mathematiker Stephen Wolfram hin. Seine Suchmaschine "Wolfram Alpha" wird u. a. in Bing und Siri verwendet.

Wer sich für die Hintergründe von KI interessiert, der findet in seinem Buch "Das Geheimnis hinter ChatGPT - Wie die Ki arbeitet und warum sie funktioniert" (Klick) eine interessante Einführung - man muss sich aber auf seinen Hosenboden setzen. Mir ist da erstmals klar geworden, wie anders die KI in ihrem Inneren tickt.

Bisher war ich davon ausgegangen, dass man bei einem Gerät oder einer Software letztlich jeden Prozessschritt nachvollziehen kann: Diese winzige Schraube hat den Unfall ausgelöst, diese Programmzeile(n) verursachte(n) die Ungenauigkeit. Das ist bei einem Neuronalen Netzt nicht mehr möglich. Was beunruhigend ist, man verliert ein gewisses Maß an Kontrolle.

Gleichzeitig sind Neuronale Netze aufgrund ihrer inneren Lernfähigkeit in der Lage, Krebszellen zu erkennen, die sich ständig verändern. Regelbasierte Programme erfassen diese Veränderungen nicht. Neuronale Netze passen sich den verändernden Bedingungen automatisch an und finden diese Zellen, die ansonsten nicht entdeckt worden wären.

Zitat von kpot11

1) Vorschlag/Frage: ... erhalten die Verbindungen zwischen den Neuronen bestimmte Gewichtungen,... (? die in den Neuronen dann als deren Gewichtung berechnet werden)

2) // Der Satz gilt zumindest für Backpropagation-Netze. Die gab es zwar schon vor zig-Jahren; doch war damals iW noch die Performance der Hardware ein limitierender Faktor, der in der Praxis zu sehr langen Rechenzeiten führen konnte.

Puh, da laufe ich auf dünnem Eis. Soweit ich das verstanden habe lernen die meisten Neuronalen Netze im Training durch Selbstoptimierung (Backpropagation). Ihnen wird durch ein Zahl gesagt, wie weit sie sich bei jedem Rechendurchgang dem Ziel genähert haben oder nicht. Entsprechend passen sie die Gewichtungen in den Verbindungen der Neuronen an.

Die Gewichte befinden sich in den Verbindungen zwischen den Neuronen, nicht in den Neuronen selbst. Aber wie gesagt, da habe ich wenig Ahnung von.

Beste Grüße, Uli

Zitat von rod

Die Gewichte befinden sich in den Verbindungen zwischen den Neuronen, nicht in den Neuronen selbst. Aber wie gesagt, da habe ich wenig Ahnung von.

1) Ich hatte den Punkt 1) schon wieder rausgenommen. Denn eines ist ja wohl klar: Wenn man entsprechend tief in die zB Backpropagation einsteigt, dann merkt man sehr schnell, dass dass man da noch allerhand viel erklären könnte. Aber für die meisten Anwender ist es mE wichtig, sie nicht mit der Mathematik wissenschaftlich zu erschlagen, sondern eben - wie das bisher sehr geschickt läuft - durch entsprechend sensible Informationsreduktion dem Problem grundsätzlich näherzubringen.

2) Unlängst habe ich zB einen Film im TV gesehen, bei der eine Informatikprofessorin (Uni weiß ich jetzt nicht mehr) mit Prof. Lesch über dieses Thema diskutierte. Und dabei hat sie u.a. erwähnt, dass die internen Berechnungen in neuronalen Netzen quasi ausschließlich aus Addition und Multiplikation bestehen. Was natürlich im großen und ganzen stimmt:

3) Bei der Backpropagation werden zunächst die Gewichte der Verbindungen der Neuronen untereinander so adaptiert, dass die nächste Iteration des Rechenprozesses eine Verbesserung des Ergebnisses erwarten lässt. Die bei einem Neuron einlangenden Verbindungsgewichte und Eingaben-"Neuronenwerte" werden dann iW durch * und + verrechnet und ergeben einen neuen Neuronenwert usw. bis zu den Ausgabeneutronen.

// Dass in diesem Prozess auch noch andere Funktionen zum Tragen kommen (zB die Sigmoid-Funktion), kann man sich unschwer vorstellen.

4) Was aber für den Designer eines Neuronalen Netzes mindestens ebenso von Bedeutung ist, sind (beispielhaft) folgende Überlegungen:

- Wieviele Eingangsneutronen soll man definieren.

- Wieviele Zwischenschichten (zwischen Eingangs- und Ausgangsschicht) soll man definieren.

- Wieviele Neuronen sollen für jede Schicht vorgesehen werden.

- Wie sollen welche Parameternormierungen (meist auf das Intervall [0,1] ) vorgenommen werden.

- Welche sonstigen Funktionen sollen wie/wo benutzt werden.

5) Ein Beispiel dazu, warum diese Fragen 4) wichtig sind: Bei unpassenden Werten könnte ein Neuronales Netz (Backpropagation) den zur Verfügung gestellten Input (Katzenbilder etc.) auswendig lernen und bei allen anderen Katzenbildern falsche Resultate liefern.

Wer Lust hat, in dieses Gebiet tief(er) einzusteigen: Neuronale Netzwerke programmieren (mit Python). Allerdings wird man dann vielleicht kaum mehr zum Filmen kommen .

PS:

Zitat von rod

Soweit ich das verstanden habe lernen die meisten Neuronalen Netze im Training durch Selbstoptimierung (Backpropagation). Ihnen wird durch ein Zahl gesagt, wie weit sie sich bei jedem Rechendurchgang dem Ziel genähert haben oder nicht. Entsprechend passen sie die Gewichtungen in den Verbindungen der Neuronen an.

Die Gewichte befinden sich in den Verbindungen zwischen den Neuronen, nicht in den Neuronen selbst.

Das ist es, worauf es ankommt. Völlig OK .

mfG kurt

In dem DOCMA-Artikel "Meta AI-Feed: Der algorithmische Angriff auf kreative KI-Kompetenz" (KLICK) wird beschrieben, wie die Unternehmen - ich mach ma - die Faulheit der Menschen nutzen:

"Statt Nutzer zum eigenständigen Umgang mit künstlicher Intelligenz zu befähigen, schafft der Konzern eine neue Abhängigkeit: den kuratierten KI-Feed. Die Botschaft dahinter ist problematisch: Du kannst KI nicht selbst bedienen, also konsumiere passiv, was andere damit machen – gefiltert durch Metas Algorithmen. (...)

Für Bildprofis gilt daher: Die Zukunft gehört nicht denen, die KI-Inhalte passiv konsumieren, sondern jenen, die die Werkzeuge souverän beherrschen und eigenständig einsetzen." (Quelle: DOCMA - Fotomagazin)

DOCMA setzt stark auf KI, allerdings mit einer angemessenen Skepsis und viel Fachwissen.

Beste Grüße, Uli