Der Latent Space, auf Deutsch latenter Raum, ist der innere Zahlenraum eines KI-Modells, in dem Bedeutungen als Punkte liegen. Ähnliche Dinge liegen darin nah beieinander, unähnliche weit auseinander, und das Modell rechnet in diesem Raum, bevor es eine Ausgabe erzeugt.
- Latent Space (Latenter Raum)
Der innere Zahlenraum eines Modells, in dem Bedeutungen als Punkte liegen.
Beispiel: „Im Latent Space liegen Rechnung und Mahnung näher beieinander als Rechnung und Rechenzentrum.“Ein Embedding ist ein einzelner Punkt in diesem Raum. Der Raum selbst ist die Gesamtheit aller möglichen Punkte, mit mehreren hundert bis mehreren tausend Dimensionen.
„Latent“ heißt verborgen: Die Dimensionen haben keine Namen und lassen sich niemandem erklären. Was in ihnen steckt, hat das Modell selbst gebildet.
Was in diesem Raum geschieht
Rechnen mit Bedeutung. Weil Nähe im Raum Ähnlichkeit bedeutet, lässt sich darin suchen, vergleichen und sortieren, ohne Wörter zu vergleichen. Darauf beruhen die Suche in einer Vektordatenbank, Empfehlungen ähnlicher Produkte und das Zusammenfassen ähnlicher Anfragen.
Warum Bildmodelle den Begriff besonders brauchen
Weil sie darin arbeiten, statt in Bildpunkten. Ein Diffusion Model entrauscht eine stark verkleinerte Darstellung im latenten Raum statt das sichtbare Bild, und erst am Ende wird daraus ein Bild gerechnet. Das spart den größten Teil der Rechenzeit und ist der Grund, warum Bilderzeugung auf gewöhnlicher Hardware überhaupt möglich wurde.
Warum der Begriff im Alltag auftaucht
Weil er in Werkzeugen für Bildgenerierung vorkommt, etwa bei Einstellungen zur Stärke der Veränderung, und in Beschreibungen von Suchfunktionen. Wer weiß, dass damit der innere Raum gemeint ist und nicht ein Speicherort, kann solche Einstellungen einordnen. Noch ein Hinweis zum Sprachgebrauch: Manche Werkzeuge nennen denselben Raum Einbettungsraum oder Merkmalsraum. Gemeint ist in allen Fällen dasselbe. Die Zahl der Dimensionen taucht dabei als technische Angabe auf, etwa 768 oder 1536; sie bestimmt, wie fein Unterschiede abgebildet werden und wie viel Speicher eine Sammlung von Embeddings braucht.