Advanced AI Framework
Ein Advanced AI Framework ist eine fertige Werkzeugsammlung, mit der Entwickler KI-Systeme bauen, trainieren und betreiben, ohne alles selbst zu programmieren. Bekannte Beispiele sind PyTorch, TensorFlow und JAX.
Wer ein Computerprogramm schreibt, das aus Daten lernen soll, müsste eigentlich sehr viel Grundlagenarbeit leisten. Er müsste festlegen, wie der Rechner Millionen von Zahlen speichert, wie er sie multipliziert und wie er dabei die Grafikkarte ausnutzt. Genau diese Grundlagenarbeit nimmt einem ein Framework ab: eine fertige Sammlung von Bausteinen und Befehlen, die andere schon geschrieben und getestet haben. Ein Advanced AI Framework ist eine solche Sammlung, die speziell auf moderne KI-Systeme zugeschnitten ist. Der Entwickler beschreibt nur noch, wie sein System aufgebaut sein soll und woraus es lernen darf. Den Rest – Rechnen, Verteilen auf viele Chips, Speicherverwaltung – erledigt das Framework im Hintergrund.
Warum kaum jemand bei null anfängt
Ohne solche Werkzeugkästen wäre die Entwicklung von KI deutlich langsamer. Ein Forscher, der eine neue Idee ausprobieren will, kann sie heute an einem Nachmittag in wenigen Dutzend Zeilen aufschreiben. Vor fünfzehn Jahren hätte dieselbe Idee Wochen an Programmierarbeit gekostet. Diese Zeitersparnis ist einer der Hauptgründe, warum sich das Feld so schnell bewegt.
Dazu kommt ein wirtschaftlicher Punkt. Frameworks sind fast immer kostenlos und offen einsehbar, werden aber von großen Konzernen entwickelt. PyTorch stammt ursprünglich von Meta, TensorFlow und JAX von Google. Wer das Werkzeug kontrolliert, das alle benutzen, beeinflusst, welche Hardware sich lohnt und welche Ideen sich leicht umsetzen lassen. Deshalb tauchen Frameworks auch in Wirtschaftsnachrichten auf, nicht nur in Fachforen.
Ein dritter Grund ist Verlässlichkeit. Code, den Zehntausende Menschen täglich benutzen, enthält weniger versteckte Fehler als selbstgeschriebener Code. Bei Rechnungen über Milliarden von Zahlen fallen kleine Fehler sonst kaum auf, verfälschen aber das Ergebnis.
Was im Werkzeugkasten steckt
Das Herzstück ist der Umgang mit Tensoren. Ein Tensor ist einfach eine große, geordnete Tabelle von Zahlen, oft mit mehr als zwei Dimensionen. Bilder, Texte und Tonaufnahmen werden alle in solche Zahlentabellen übersetzt. Das Framework stellt Befehle bereit, um diese Tabellen blitzschnell zu verrechnen, am liebsten auf einer Grafikkarte.
Die zweite Kernfunktion heißt automatische Differenzierung. Beim Lernen muss ein Modell nach jedem Fehlversuch wissen, in welche Richtung es seine internen Zahlen verschieben soll. Diese Richtung auszurechnen ist mathematisch aufwendig. Das Framework merkt sich jeden Rechenschritt und leitet die Richtung automatisch daraus ab. Man kann es sich wie ein Protokoll vorstellen, das man rückwärts liest, um herauszufinden, wo der Fehler entstanden ist.
Das Wort « advanced » meint vor allem die Dinge, die darüber hinausgehen. Dazu gehört, eine Rechnung automatisch auf hunderte Chips in einem Rechenzentrum aufzuteilen. Dazu gehören auch fertige Bauteile wie Transformer-Schichten, die man nicht mehr selbst schreiben muss. Und dazu gehören Werkzeuge, um ein fertiges Modell später in einem Produkt laufen zu lassen. Ein Framework ist übrigens nicht dasselbe wie eine Programmbibliothek: Es gibt zusätzlich die Struktur vor, in der man arbeitet.
Wo die Namen auftauchen
Praktisch jedes bekannte KI-Produkt ist mit einem dieser Frameworks gebaut. Die Sprachmodelle hinter Chatbots, die Bilderkennung in Smartphone-Kameras und die Empfehlungen bei Streamingdiensten laufen auf derselben Handvoll Werkzeugkästen. In Stellenanzeigen steht deshalb fast immer « Erfahrung mit PyTorch oder TensorFlow » als Anforderung.
In Nachrichten begegnet man dem Thema meist indirekt. Wenn gemeldet wird, dass ein Chiphersteller ein Framework offiziell unterstützt, ist das eine wirtschaftliche Nachricht: Ohne diese Unterstützung wäre der Chip für viele Entwickler unbrauchbar. Ähnlich ist es, wenn eine Firma ein Modell « offen » veröffentlicht – meist in einem Format, das gängige Frameworks direkt laden können.
Ein verbreiteter Irrtum ist, das Framework sei die künstliche Intelligenz. Das stimmt nicht. Es ist nur das Werkzeug, mit dem gebaut wird, vergleichbar mit einer Werkbank. Die eigentliche Fähigkeit steckt im trainierten Modell und in den Daten, aus denen es gelernt hat.
