Training ist bei KI der Vorgang, in dem ein Modell seine Gewichte aus Daten anpasst. Es ist damit die Herstellung des Modells und nicht seine Benutzung; was im Betrieb geschieht, heißt Inferenz.
- Training (KI)
Der Vorgang, in dem ein KI-Modell seine Gewichte aus Daten anpasst.
Beispiel: „Das Training lief vier Tage auf acht Grafikprozessoren und kostete weniger als die Datenaufbereitung.“Der Ablauf in einem Satz: Das Modell sagt etwas vorher, eine Loss Function misst den Fehler, und die Gewichte werden in die Richtung verschoben, die diesen Fehler kleiner macht. Das wiederholt sich millionenfach.
Drei Stufen werden unterschieden: das Vortraining auf großen Textmengen, das Nachtraining für Verhalten und Stil und die Anpassung auf eigene Fälle, siehe Fine-Tuning.
Warum das Wort im Projektalltag irreführt
Weil fast niemand trainiert. Wenn in einem Projekt von Training die Rede ist, ist meist eine Anpassung an einem fertigen Modell gemeint oder gar nur eine gute Anweisung. Echtes Vortraining findet in einer Handvoll Häuser statt und kostet Beträge, die in keinem Webprojekt vorkommen. Die Unterscheidung lohnt vor jedem Angebot, weil sie über den Aufwand entscheidet.
Was tatsächlich Arbeit macht
Die Daten. Beim Anpassen eines Modells auf eigene Fälle liegt der Aufwand zu etwa neun Zehnteln im Zusammenstellen, Prüfen und Beschriften der Beispiele und zu einem Zehntel im Rechenlauf. Wer das Verhältnis umgekehrt einplant, verschätzt sich um Wochen.
Was beim Training mit eigenen Daten zu klären ist
Ob man darf. Kundendaten, Vertragsunterlagen und Inhalte Dritter sind nicht automatisch Trainingsstoff, und bei personenbezogenen Angaben braucht es eine Rechtsgrundlage. Dazu kommt die Frage, ob die Daten beim Anbieter bleiben: Wer über eine Schnittstelle anpasst, gibt sie dorthin, und was danach damit geschieht, steht in dessen Bedingungen.
Was wir Kunden dazu sagen
Erst die Anweisung, dann der Abruf eigener Inhalte, dann die Anpassung des Modells. In dieser Reihenfolge steigen Aufwand und Nutzen, und in den meisten Fällen ist auf der zweiten Stufe Schluss. Ein angepasstes Modell lohnt, wo eine Aufgabe täglich in großer Zahl anfällt und sich nicht in Worte fassen lässt.