Wie sieht ein KI-Modell ein Bild?

Reading Time: 4 minutes

Künstliche Intelligenz kann Objekte in Fotos erkennen, Bilder beschreiben, Personen identifizieren, Text aus Dokumenten extrahieren und sogar völlig neue Bilder generieren. In diesem Kontext wird die folgende Frage immer häufiger gestellt: Wie „sieht“ ein KI-Modell ein Bild?

Die Antwort lautet: „Anders als ein Mensch“. Ein KI-Modell schaut sich ein Foto nicht an und „versteht“ sofort, was es darstellt. Für einen Computer ist ein Bild zunächst nur eine sehr große Menge an numerischen Daten. Die KI analysiert diese Daten, sucht nach Mustern und nutzt zuvor erlernte Informationen, um zu bestimmen, was sich im Bild befindet.

Diese Technologie wird als Computer Vision bezeichnet und ist eines der wichtigsten Bereiche der modernen künstlichen Intelligenz.

Für ein KI-Modell besteht ein Bild aus Millionen von numerischen Werten

Wenn eine Person ein Foto betrachtet, identifiziert das Gehirn schnell Objekte, Kontexte und Beziehungen. Das ist ein:

„Laptop auf einem Schreibtisch.“
„Hund im Park.“
„Auto, das auf der Straße fotografiert wurde.“

Ein Computer hat diese visuelle Wahrnehmung nicht.

Ein digitales Foto besteht aus Pixeln. Jeder Pixel enthält Informationen über Farbe und Intensität, normalerweise durch Werte für:

• Rot (Red);
• Grün (Green);
• Blau (Blue).

Ein Full HD-Bild enthält über 2 Millionen Pixel, und jeder von ihnen repräsentiert eine numerische Information, die vom KI-Modell analysiert wird.

Daher sieht künstliche Intelligenz zunächst nicht „einen Baum“, „ein Telefon“ oder „eine Person“. Sie sieht Millionen von mathematischen Werten, aus denen sie versucht, Muster zu entdecken.

Wie lernt ein KI-Modell, zu erkennen, was in einem Bild erscheint?

Um Bilder analysieren zu können, werden KI-Modelle mit sehr großen Datenmengen trainiert.

Zum Beispiel, um ein Modell zu trainieren, das eine Katze erkennt, kann es mit Millionen von Fotos trainiert werden, die Katzen in verschiedenen Situationen zeigen:

• unterschiedliches Licht;
• verschiedene Winkel;
• verschiedene Rassen;
• verschiedene Größen;
• verschiedene Hintergründe.

Während des Trainings identifiziert das Modell die Elemente, die häufig in diesen Bildern auftreten, und erstellt mathematische Darstellungen der Konzepte.

Der Prozess ähnelt der Art und Weise, wie ein Kind lernt, Objekte zu erkennen: durch viele Beispiele.

Von Pixeln zu Objekten: Wie verarbeitet ein KI-Modell ein Foto?

Traditionelle Modelle der visuellen Analyse, wie z.B. konvolutionale neuronale Netze (CNN), verarbeiten Bilder in mehreren Schritten.

1. Erkennung einfacher Elemente

Die ersten Ebenen analysieren:

• Kanten;
• Linien;
• Kontraste;
• Farbänderungen.

Diese Informationen bilden die Grundlage für den Aufbau eines digitalen Bildes.

2. Identifizierung von Formen und Mustern

Die nächsten Ebenen kombinieren diese Elemente, um zu identifizieren:

• geometrische Formen;
• Texturen;
• Teile von Objekten;
• Kombinationen von Eigenschaften.

3. Objekterkennung

Am Ende kombiniert das Modell alle Informationen und schätzt die Wahrscheinlichkeit, dass das Bild ein bestimmtes Objekt enthält.

Zum Beispiel:

• 95% Wahrscheinlichkeit: Laptop;
• 3% Wahrscheinlichkeit: Monitor;
• 2% Wahrscheinlichkeit: anderes Objekt.

Wichtig: Ein KI-Modell nimmt den Laptop nicht auf die gleiche Weise wahr wie ein Mensch. Es berechnet die wahrscheinlichste Interpretation basierend auf der im Trainingsprozess gesammelten Erfahrung.

Wie „sieht“ ein KI-Modell wie ChatGPT Bilder?

In den letzten Jahren hat sich die künstliche Intelligenz weit über die einfache Klassifizierung von Bildern hinaus entwickelt.

Moderne Modelle sind in der Lage, visuelle und textuelle Informationen zu kombinieren. Diese werden als multimodale Modelle bezeichnet.

Ein solches System kann:

• den Inhalt eines Fotos beschreiben;
• Fragen zu einem Bild beantworten;
• Objekte identifizieren;
• Grafiken und Dokumente analysieren;
• Informationen aus Screenshots extrahieren.

Der wichtige Unterschied ist, dass diese Modelle nicht nur analysieren, „welches Objekt im Bild vorhanden ist“, sondern versuchen, die visuelle Information mit natürlicher Sprache zu verbinden.

Zum Beispiel kann ein KI-Modell ein Foto eines Laptops analysieren und antworten:

„Es ist ein Laptop, der wahrscheinlich für Büroarbeiten verwendet wird, da er einen mittelgroßen Bildschirm und ein produktivitätsorientiertes Design hat.“

Wie generiert ein KI-Modell neue Bilder?

Neben der Analyse vorhandener Bilder kann künstliche Intelligenz völlig neue Bilder generieren. Generative Modelle für Bilder funktionieren anders als klassische Erkennungsmodelle.

Sie lernen visuelle Strukturen aus Millionen von Beispielen und können neue Ergebnisse basierend auf einer Textbeschreibung erstellen:

„Ein moderner Laptop auf einem minimalistischen Schreibtisch in einem hellen Büro.“

Das Modell sucht kein vorhandenes Foto, sondern generiert ein neues Bild basierend auf den gelernten Mustern.

Warum macht künstliche Intelligenz manchmal Fehler?

Obwohl KI-Modelle sehr leistungsfähig sind, können sie Fehler machen.

Einige Gründe:

Unzureichende Trainingsdaten

Wenn das Modell nicht genügend ähnliche Beispiele gesehen hat, kann es das Bild falsch interpretieren.

Vorurteile in den Daten

Wenn der Datensatz, der zum Training verwendet wurde, Ungleichgewichte enthält, kann das Modell falsche Assoziationen lernen.

Schwieriger Kontext

Unklare Bilder, versteckte Objekte oder ungewöhnliche Winkel können selbst für die fortschrittlichsten Modelle problematisch sein.

Ein KI-Modell hat keine Intuition. Es arbeitet auf der Grundlage von Wahrscheinlichkeiten, die aus der gesammelten Erfahrung berechnet werden.

Was ist erklärbare KI und warum ist sie wichtig?

Da künstliche Intelligenz in wichtigen Bereichen eingesetzt wird, stellt sich eine grundlegende Frage:

Warum hat die KI diese Entscheidung getroffen?

Hier kommt das Konzept der erklärbaren KI (XAI) ins Spiel.

Das Ziel von XAI ist es, die Modelle transparenter zu machen und Hinweise zu den Faktoren zu geben, die das Ergebnis beeinflusst haben.

Werkzeuge wie:

• Grad-CAM;
• SHAP;
• LIME;
• Heatmaps;

können die Bereiche eines Bildes hervorheben, die einen wichtigen Einfluss auf die Vorhersage hatten.

Wenn ein Modell beispielsweise ein Auto identifiziert, kann eine Aufmerksamkeitskarte zeigen, dass es sich auf die Räder, Scheinwerfer oder die Form der Karosserie konzentriert hat.

Diese Methoden zeigen nicht wörtlich, wie die KI „denkt“, sondern bieten eine ungefähre Interpretation der Elemente, die zum Ergebnis beigetragen haben.

Welche Hardware wird für KI-Anwendungen benötigt?

Die Analyse von Bildern mithilfe künstlicher Intelligenz erfordert eine große Menge an Berechnungen. Daher spielt die Hardware eine wichtige Rolle.

Für moderne KI-Anwendungen sind folgende Punkte wichtig:

Der Prozessor (CPU)

Ein leistungsstarker Prozessor spielt eine wichtige Rolle bei der Verwaltung der für KI-Anwendungen erforderlichen Operationen, von der Ausführung der Modelle bis zur gleichzeitigen Verarbeitung mehrerer Aufgaben.

Die Grafikkarte (GPU)

Grafikkarten sind für viele KI-Anwendungen sehr wichtig, da sie gleichzeitig eine große Anzahl von Berechnungen durchführen können, die für KI-Modelle erforderlich sind.

Der Arbeitsspeicher (RAM)

KI-Modelle und Multimedia-Anwendungen können große Mengen an Speicher verwenden, insbesondere wenn große Bilder oder komplexe Dateien analysiert werden.

Für Benutzer, die mit künstlicher Intelligenz lokal auf ihrem eigenen Computer experimentieren möchten, kann die Wahl einer ausgewogenen Konfiguration den Unterschied zwischen einer schnellen und einer eingeschränkten Erfahrung ausmachen.

Zukunft: KI-Modelle, die den visuellen Kontext verstehen

Künstliche Intelligenz entwickelt sich schnell. Von einfachen Systemen, die Bilder klassifizierten, sind wir zu Modellen gelangt, die in der Lage sind, Fotos, Videos, Dokumente zu analysieren und mit Benutzern in natürlicher Sprache zu interagieren.

In Zukunft wird Computer Vision zunehmend präsent sein in:

• intelligente Laptops;
• Bildungsanwendungen;
• Automatisierung;
• digitale Kreation;
• Smart-Geräte.

Von Pixeln zu Intelligenz

Ein KI-Modell sieht ein Bild nicht wie ein Mensch. Der Computer wandelt das Foto in numerische Daten um, analysiert Muster und nutzt die gesammelte Erfahrung, um zu interpretieren, was im Bild erscheint.

Moderne Technologien der Computer Vision und multimodalen KI haben die Art und Weise verändert, wie Computer mit der visuellen Welt interagieren, und erklärbare KI trägt zur Schaffung transparenterer und überprüfbarer Systeme bei.

Für Benutzer ist das Verständnis, wie KI funktioniert, der erste Schritt, um die aktuelle Technologie effizienter zu nutzen, von intelligenten Anwendungen bis zur Auswahl eines geeigneten Computers für die neuen digitalen Anforderungen.

Quelle: fastdatascience.com, stanford.edu, deeplearning.ai, research.google