noun
Der latente Raum ist eine abstrakte, mehrdimensionale Darstellung, in der KI-Modelle komprimierte Versionen gelernter Daten speichern. Statt roher Eingaben erfasst er zugrunde liegende Muster, was Algorithmen die Erkennung oder Erzeugung neuer Inhalte erleichtert.
Er funktioniert, indem Modelle trainiert werden, komplexe Daten (wie Bilder oder Text) in einen vereinfachten Raum abzubilden, in dem ähnliche Elemente zusammen gruppiert werden. Ein Sprachmodell könnte beispielsweise Wörter in latente Vektoren codieren, um durch Navigation in diesem Raum kohärente Sätze zu generieren.
Für Nutzer verändert der latente Raum, wie KI-Tools arbeiten: Er ermöglicht schnelleres, effizienteres Lernen, kann aber auch Verzerrungen einführen, wenn die Trainingsdaten unausgewogen sind. Ein konkretes Beispiel ist DALL·E 3, das latente Diffusion nutzt, um Bilder aus Textanweisungen zu generieren und so den Bedarf an großen Datensätzen zu reduzieren.
Wenn Sie eine KI auffordern, ein Bild eines 'Sonnenuntergangs über einer futuristischen Stadt' zu generieren, navigiert sie im latenten Raum, um die gelernten Muster von Sonnenuntergängen und Science-Fiction-Architektur zu kombinieren.
In anderen Sprachen
Siehe auch: Embedding · Diffusion model