Auch wenn Firmen wie Microsoft oder Adobe es uns in Zukunft besonders leicht machen wollen (und werden) KI-generierte Inhalte zu erstellen, kann es keinesfalls schaden, sich auch ein bisschen mit der Technologie im Hintergrund zu beschäftigen. Denn nur wenn man ein gewisses Gespür dafür entwickelt hat, wie die generative KI "tickt", kann man beim Prompting effektiv vorgehen.
Am Beginn war alles Rauschen
Ohne an dieser Stelle ins Detail zu gehen, steht am Beginn von den gerade heißen KI-Diffusionsmodellen immer ein Rauschen. Und aus diesem Rauschen wird anschließend durch eine Art Denoising sukzessive ein Bild entwickelt. Das KI-Modell ersetzt dabei schrittweise immer etwas Rauschen durch etwas Inhalt, den es versucht, plausibel dazu zu erfinden.
Die Berechnung dieser Schritte ist dabei deterministisch. Das bedeutet, dass bei der Berechnung der einzelnen Schritte kein Zufall im Spiel ist und bei gleichem Input auch immer der gleiche Output erzeugt wird.
Das einzige, was bei der Berechnung zufällig ist, ist das Rauschen am Beginn des Prozesses. Und darum entsteht bei jeder neuen Berechnung immer ein anderes Bild.
Doch schon weit vor der Erfindung von Stable Diffusion hatten Programmierer mit jeglicher Form des Zufalls gelegentlich sehr spezielle Probleme: Wenn man einen Algorithmus testet, will man ja oft sehen, wie sich Veränderungen am Code auf das Ergebnis auswirken. Startet man immer mit jeweils zufälligen Werten, so bekommt man jedoch keine vergleichbaren Ergebnisse.
(Nicht nur) aus diesem Grund sind die meisten Zufallsgeneratoren so gestrickt, dass sie aus einer zufälligen Startzahl immer die gleichen Zufallsverteilungen generieren. Und diese Startzahl ist der Seed.
Was ist der Seed?
Der Begriff "Seed" (engl. für Samen) kommt also nicht von ungefähr, sondern beschreibt im Zusammenhang mit generativen KI-Modellen den Startpunkt des Zufallsgenerators. Will man im laufenden Programm möglichst "unvorhersehbaren Zufall" erzeugen, nimmt man als Seed eine "echte" Zufallszahl. Will man dagegen immer mit der gleichen Zufallsverteilung arbeiten, sucht man sich selbst eine beliebige Zahl als Startwert/Seed des Zufallsgenerators aus. Dieser erzeugt daraufhin immer die gleiche Folge von Zufallszahlen, die dann - nebenbei erwähnt - ebenso deterministisch ist.
