Künstliche Intelligenz – Experimente & Zusatzinfos

Auf dieser Seite findest du:

Experimente & Demos

Technischer Hinweis: Für die Beispiele braucht ihr einen halbwegs aktuellen Internetbrowser. Am besten funktioniert wahrscheinlich für alle Demos der Chrome-Browser von Google oder die freie Alternative Chromium [Link führt zur aktuellsten Version für euer Betriebssystem].


Autodraw erkennt, was ihr zeichnen wollt. Probiert es einfach aus, das ganze dauert nur einige Sekunden.


Wir alle wissen: Das Internet ist voll von Katzen. In dieser Demo kannst du aber selbst Katzen erzeugen. Klicke einfach auf „erase“ um alle Linien zu löschen, zeichne dann eine Katze (Nils sagt dazu: „Egal wie hässlich, selbst ich konnte eine Katze erzeugen.“). Das Neuronale Netz erzeugt aus den gelernten Daten dann eine synthetische Katze. Wenn du in der Demo weiter runterscrollst, findest du noch mehr Experimente in diesem Stil.


Posen mit Machine Learning erkennen lassen und auf einen digitalen Avatar übertragen. Hier klicken


Pacman mittels Kopfbewegung steuern: Hier klicken


Kann KI Kunst? Ja, allerdings! Schau dir das Video an. Selbst Nils könnte so Kunst erschaffen 😉 [Achtung! Furchtbar laute Musik im Video]

Das Paper und den Code zu dieser Technik findet ihr hier.


KI spielt Piano: Nach dem Klick geht es direkt los, also nicht wundern.

Und hier der versprochene Link zur Open AI Jukebox – dort werden KI-generierte Musikstücke gezeigt. Ebenso bei NVIDIA AVIA, wo du sehr beeindruckende Kompositionen hören kannst.

Ein weiteres Beispiel von NVIDIA für das Retouschieren von Bildern. Ebenso spannend ist GauGAN2, welches Worte in Bilder transformiert. Und alle anderen Demos von NVIDIA, die oft einen künstlerischen Bezug haben.


Deine eigene Bilderkennung hast du ja schon ausprobiert: Teachable Machine Bilderkennung

Es gibt mit der gleichen Technologie aber auch noch Demos zu Audio und Körperposen.


Ein neuronales Netz zur Punkt-Klassifizierung anlegen, modifizieren und einfach mit den Paramtern herumexperimentieren kann man hier.


Noch mehr Demos & Eperimente

Viele einzelne Demos findet man unter ml-showcase.com

Ein kleines Quiz „Mensch vs. KI“ – Wie viele Punkte kannst du erreichen?

chat.openai.com – ChatGPT ausprobieren

perplexity.ai – ChatGPT Antworten mit Quellen

Bildgeneratoren: StableDiffusion und Midjourney

Um StableDiffusion lokal zu installieren, eignet sich EasyDiffusion.

Beispiele für KI-Anwendungen

Was kann man jetzt mit dieser Technologie anfangen? Hier zeigen wir dir einige Beispiele von KI-Unternehmen:

Ada

Ada ist eine App – und ein zertifiziertes Medizinprodukt. Die App basiert auf künstlicher Intelligenz und kann Krankheiten diagnostizieren. Das macht sie erstaunlich genau und erkennt auch seltene Krankheiten – dies manchmal besser als ein Mensch. Einer der Gründer Prof. Martin Hirsch war bei einem unserer Impulsabende zu Gast und hat uns von dieser Technologie erzählt. Die App ist über die gängigen App-Stores verfügbar. Hier der Link zur Webseite.

KI im Personalwesen

milch & zucker, eine in Gießen ansässige Recruiting-Firma, beschäftigt sich mit dem Einsatz von KI im Personalwesen und bei der Auswahl von Talenten. Hier findet ihr ein kurzes Interview mit ihrem KI-Experten [4:16 min].

KI in der Landwirtschaft

apic.ai, ein deutsches Startup, nutzt Bilderkennung auf Basis künstlicher Intelligenz, um Bienen in ihrem Stock beim Ein- und Ausfliegen zu überwachen und zu analysieren. So können die Bienen als eine Art Sensor für den Zustand des umliegenden Ökosystems genutzt werden. Mehr auf der Webseite.

Eier frühzeitig richtig erkennen

Die Geschlechtserkennung von Hühnereiern ist wichtig, um männliche Küken gar nicht erst schlüpfen zu lassen, da diese zur Zeit oft noch getötet werden. Orbem hat hierfür eine Lösung: KI-gestützte Analyse von Eiern und früheres Erkennen des Geschlechts. Wie das geht, seht ihr auf ihrer Webseite.

Maschinendiagnose per KI

AiSight erkennt mittels KI und einem einfachen Sensor Anomalien an Produktionsmaschinen und kann so ungeplante Maschinenausfälle reduzieren und sogar deren Ursachen voraussagen. 

Parkplatzsuche mit KI

Cleverciti reduziert mittels KI-unterstützter Parkplatzerkennung den Parksuchverkehr in Städten und schont so Ressourcen und Nerven. Das System kommt bereits in Köln und Bad Hersfeld zum Einsatz. Mehr auf der Webseite.

Komplexität von Neuronalen Netzen

Wie komplex ein neuronales Netz ist, kann man in folgendem Video erahnen. Erkennst du die Handschriften aus dem Beispiel im Kurs wieder?

Empfehlung für regelmäßige Forschungsergebnisse per YouTube

Youtube-Channel Two Minute Papers erklärt aktuelle Forschungsergebnisse in extrem unterhaltsamer Art und leicht verständlich. Hier wird bspw. gezeigt, wie eine Stimme mit nur 5 Sekunden Input durch eine KI nachgeahmt werden kann.

Lernressourcen – zum Weiterlesen und -informieren

https://handbuch-ki.net/ – Gute Sammlung von Impulsen zum Thema Künstliche Intelligenz und Gesellschaft

http://neuralnetworksanddeeplearning.com – sehr gute und ausführliche Einführung in das Thema Neuronale Netze und Deep Learning inkl. mathematischem Hintergrund. Für interessierte Laien einfach und verständlich geschrieben. (engl.)

ISO Norm zu KI

Software zur Erstellung von KI-Anwendungen

Wir bekommen oft die Frage, wie man denn Problem X oder Y mit einem großen Berg an vorhandenen Daten lösen könnte. Hier müssen wir euch leider noch enttäuschen. Die eierlegende Wollmilchsau gibt es im Bereich Machine Learning und Künstliche Intelligenz noch nicht. Die Beispiele aus den Experimenten sind so einfach gehalten, weil sie auf fertigen Modellen basieren. Diese Modelle zu erstellen und die Daten richtig aufzubereiten ist die eigentliche Kunst im Bereich Machine Learning. Wer dennoch tiefer in das Thema absteigen möchte kann hier weitere Software finden:

KNIME – https://www.knime.com/ – Ein visuelles Workflow-Programm, das wohl sehr mächtig ist. (Open Source)

https://orangedatamining.com/ – Software für Machine Learning und Datenvisualisierung (Open Source)

http://old-www.cms.waikato.ac.nz/~ml/weka/ – Machine Learning Software zum Analysieren und Trainieren ohne Programmierkentnisse (Open Source)

https://azure.microsoft.com/de-de/overview/ai-platform/ – Eine Cloudlösung für das Analysieren von Daten und dem Testen von verschiedenen Lernmodellen. Der verlinkter Artikel zeigt die Möglichkeiten auf. Artikel: https://docs.microsoft.com/en-us/azure/machine-learning/concept-automated-ml

https://www.perceptilabs.com – Eine visuelle Software zum Erstellen von Workflows für Machine Learning mittels des Frameworks TensorFlow.Vielen Dank an Thorsten für die Tipps und Hinweise!

Wer sich tiefergehend mit Machine Learning beschäftigen möchte, kann eventuell noch an einem weiterführenden Kurs im Rahmen von „KI für Startups“ teilnehmen. Schreibt uns hierfür einfach. Viele Kurs im Netz sind auf englisch kostenfrei verfügbar. Wer hier Interesse hat, findet auf diesen Seiten einige Kurse:

https://www.learndatasci.com/best-machine-learning-courses/

Eine gute Einführung liefert auch Google selbst zu dem Framework Tensorflow: https://www.tensorflow.org/resources/learn-ml

Alles rund um ChatGPT & Co

  • learnprompting.org -> Sehr guter Kurs, um zu lernen, wie man gute Prompts für ChatGPT & Co schreibt
  • Wie sieht eigentlich so eine Großes Sprachmodell wie ChatGPT aus? Unter https://bbycroft.net/llm erfahrt und seht ihr dazu mehr. [Sollte man sich auf einem richtigen Monitor und nicht am Smartphone anschauen]

Wichtig bei allen weiteren Demos: Niemals sensible Daten weitergeben oder hochladen!

Probleme bei der Implementation? Schreib uns eine Mail, wir können helfen.

Videos:

Wichtig: Prüft selbst ob der Datenschutz euren Anforderungen entspricht. Und denkt daran, dass die Daten immer an ChatGPT (also OpenAI) übertragen werden und dort weiterverwendet werden können.

Open Source Sprachmodelle:

  • Das Tool, das wir oft empfehlen, um lokale Sprachmodelle zu testen: Ollama
  • Solltet ihr auch Bilder generieren wollen, geht das mit easydiffusion