Generative Künstliche Intelligenz umfasst Modelle, die Datenverteilungen approximieren und neue, plausible Datenpunkte erzeugen können.
Zu den zentralen Methoden zählen Generative Adversarial Networks (GANs), Variational Autoencoders (VAEs) und autoregressive Modelle wie GPT.
Diese Modelle lernen durch Optimierung von Verlustfunktionen, die darauf abzielen, die erzeugten Daten von realen Trainingsdaten nicht zu unterscheiden.
Generative KI hat bedeutende Anwendungen in der Bildsynthese, natürlicher Sprachverarbeitung und Simulation komplexer Systeme.
Definition:
„Generative artificial intelligence refers to systems capable of generating new content by learning the underlying patterns of a given dataset, producing outputs that resemble the original data distribution.“
Quelle:
Goodfellow et al. – Generative Adversarial Nets, 2014; sowie aktuelle Übersichtsartikel zur generativen KI.