iX Special Künstliche Intelligenz

14,90 €*

Lieferzeit 1-4 Werktage

Highlights:

  • Was große KI-Modelle können: So funktionieren GPT-4, Bard, Stable Diffusion und Co.
  • Mit LangChain KI-Agenten bauen und eigene Daten nutzen
  • Hugging Face - die Zentrale für Open-Source-ML
  • Aktuelle GPUs im Leistungsvergleich
  • Neuronale Suche: Finden, was wirklich gemeint ist
  • Mit PyTorch und scikit-learn in die KI-Entwicklung starten
  • KI und Recht: Urheberrecht, DSGVO, Data Act und AI Act
  • Dieses Sonderheft ist im iX-Jahresabonnement enthalten.

►►►Auch erhältlich: Heft + PDF mit fast 30% Rabatt | Heft + PDF + O'Reilly-Fachbuch mit 19% Rabatt

Format
Anzahl
Inhaltsverzeichnis

►►► Die Themen des Sonderhefts im Überblick

Basics

KI-Modelle verschleiern ihre Funktionsweise gerne durch viele Abstraktionsschichten. Ein Blick hinter die Magie von ChatGPT und Stable Diffusion hilft, große KI-Modelle sinnvoll einzusetzen. Wir zeigen, wie spezielle KI-Hardware das Training beschleunigt, und gehen der Frage nach, wie die Qualität der Trainingsdaten die Fairness der Modelle beeinflusst. (Seite 7)

Werkzeuge

Python hat sich als die Programmiersprache der KI etabliert. Die Frameworks scikit-learn und PyTorch unterstützen Entwickler vom Einstieg bis zum professionellen Einsatz. Jupyter-Notebooks und ihre Alternativen aus der Cloud helfen beim Auswerten der Daten und beim Experimentieren mit Modellen. Aber wo kriegt man Trainingsdaten her? Wir weisen den Weg zu den wichtigsten öffentlichen Quellen. (Seite 49)

Modelle einsetzen

Für viele Einsatzzwecke gibt es bereits geeignete Modelle. Mit der Transformers-Bibliothek von Hugging Face lassen sie sich nutzen. Der neuste Trend bei Chatbots ist das Verknüpfen verschiedener Sprachmodelle. Mit dem Framework LangChain kann man KI-Agenten automatisieren und mit eigenen Daten füttern. Das Ergebnis von Dialogsystemen ist dabei vor allem von der Nutzereingabe – dem Prompt – abhängig. Geschicktes Prompting ist keine Glückssache. (Seite 85)

KI selbst entwickeln

KI-Modelle müssen nicht gleich alle Texte des Internets kennen oder Probleme wie den Klimawandel angehen können. Mit wenig Aufwand lassen sich eigene Modelle zum Experimentieren und zum Erfüllen kleiner Aufgaben erstellen. Das reicht von der neuronalen Suche in der Dokumentensammlung über das Erkennen von Emotionen in Selfies bis zum Klassifizieren der eigenen Musiksammlung mit einem KI-Modell. Wer mit Algorithmen und Modellen noch nicht so vertraut ist, lässt sich diese von AutoML-Werkzeugen vorschlagen. (Seite 105)

Recht und Gesellschaft

Beim Thema KI stehen Entwickler, Anwender und Gesetzgeber noch vor juristischen Herausforderungen. Wie und wo das Urheberrecht gilt, ist umstritten und die DSGVO ist beim Umgang mit Trainingsdaten möglicherweise ein Stolperstein. Kommende Richtlinien wie AI Act und Data Act gilt es jetzt schon mitzudenken. Dabei können KI-Governance-Frameworks Unternehmen Orientierung liefern. Zwei Interviews am Ende des Hefts ordnen den aktuellen gesellschaftlichen und technischen Stand ein und versuchen sich an einem Blick in die Zukunft. (Seite 127)

  • Basics

    • 8 Large Language Models
      Sprachmodelle verstehen und einsetzen
    • 16 Generative KI
      Stable Diffusion seziert
    • 20 KI-Beschleuniger
      So funktionieren KI-Chips
    • 28 Hardware
      GPUs für das KI-Training
    • 34 Bias und Fairness
      Warum KI oft unfair ist und was dagegen hilft
    • 40 Datenqualität
      Data-centric AI: Wie Datenqualität Fairness beeinflusst
  • Werkzeuge

    • 50 Machine-Learning-Frameworks
      Einstieg in PyTorch
    • 58 ML-UI
      Notebook-Umgebungen für Machine Learning
    • 66 Data Science
      Mit scikit-learn Modelle erstellen
    • 72 Datenquellen
      Offene Datenquellen für ML-Projekte
    • 80 Algorithmen
      Assoziationsanalyse: Wer mit wem?
  • Modelle anwenden

    • 86 KI-Modell-Datenbanken
      Hugging Face – Zentrale für KI-Modelle
    • 90 Modelle verketten
      Große Sprachmodelle mit LangChain verketten
    • 98 Knowledge Destillation
      Große KI-Modelle mit Destillation eindampfen
    • 102 Generative KI
      Das Einmaleins des Prompt Engineering
  • KI selbst entwickeln

    • 106 Dense Passage Retrieval
      Maschinen auf Text abrichten
    • 110 MLOps
      Musikklassifikation mit eigenen Modellen
    • 116 Bilderkennung
      Emotionen erkennen mit Deep Learning
    • 122 AutoML
      AutoML mit Microsofts ML.NET Model Builder
  • Recht und Gesellschaft

    • 128 Rechtsrahmen
      KI im Spannungsfeld der Regulierung
    • 132 Urheberrecht
      Kampf um das Urheberrecht
    • 140 DSGVO
      KI versus Datenschutz
    • 144 KI-Governance
      Vertrauenswürdige KI organisatorisch umsetzen
    • 148 Ausblick
      Open-Source-Modelle können aufholen
    • 150 Die Zukunft der KI – ohne Körper keine Intelligenz
Artikel-Details
Anbieter:
Heise Medien GmbH & Co. KG
Artikelnummer:
4018837069646
Veröffentlicht:
15.06.23