Die Weitergabe von Modellwissen (Knowledge Distillation) geh\u00f6rt zur Kategorie K\u00fcnstliche Intelligenz und ist besonders in Bereichen wie Automatisierung und Industrie 4.0 wichtig.<\/p>\n
Stellen Sie sich vor, es gibt eine gro\u00dfe, sehr kluge K\u00fcnstliche Intelligenz (KI), die komplexe Aufgaben l\u00f6st, aber viel Rechenleistung braucht \u2013 wie ein erfahrener Experte. Manchmal soll jedoch eine kleinere, schnellere KI die gleichen Aufgaben \u00fcbernehmen, etwa weil sie auf einem einfachen Ger\u00e4t laufen muss. Hier kommt die Weitergabe von Modellwissen ins Spiel: Das Wissen oder \u201edie Erfahrung\u201c des gro\u00dfen KI-Modells (Lehrermodell) wird gezielt auf ein kleineres, effizienteres Modell (Sch\u00fclermodell) \u00fcbertragen. Das kleine Modell lernt so die Tricks und Abk\u00fcrzungen vom gro\u00dfen Modell, liefert \u00e4hnliche Ergebnisse, verbraucht aber viel weniger Ressourcen.<\/p>\n
Ein Beispiel: In einer Fabrik \u00fcberwacht eine gro\u00dfe KI-Software alle Maschinen. Damit auch kleine Ger\u00e4te oder Roboter in der Halle klug agieren k\u00f6nnen, erhalten sie durch Knowledge Distillation nur das wirklich relevante Wissen. So k\u00f6nnen sie schnell und energiesparend arbeiten und trotzdem von den Erkenntnissen der Haupt-KI profitieren.<\/p>\n","protected":false},"excerpt":{"rendered":"