Was bedeutet „KI sieht“?

„KI sieht“ ist keine Zauberei. Das Modell teilt das Bild in Tausende kleiner Abschnitte auf und vergleicht sie mit dem, was es sich aus Millionen von Bildern „erinnert“ hat: Formen, Text, Objekte, Farben. Das Ergebnis ist, dass es das Bild mit Worten in sich selbst beschreibt und dann wie mit gewöhnlichem Text funktioniert. Daraus lassen sich zwei Schlussfolgerungen ziehen. Erstens: Je klarer das Bild (Schärfe, Licht, das gesamte Objekt im Bild), desto genauer ist die Antwort – wie bei einer Person bei schlechter Beleuchtung. Zweitens: KI kann in einem kleinen Detail getrost einen Fehler machen, daher sollte das Bild nicht einfach „geworfen“ werden, sondern von einer Frage und einem Ziel begleitet werden. Profi-Trick: Fragen Sie nicht vage „Was ist das?“ Geben Sie eine Rolle und ein Ziel an: „Sie sind Automechaniker, erklären Sie einem Neuling, ob Autofahren gefährlich ist.“ Versteckter Trick: Bitten Sie die KI zunächst, zu beschreiben, WAS sie auf dem Foto sieht, und ziehen Sie erst dann Schlussfolgerungen – so erkennen Sie den Erkennungsfehler, bevor Sie dem Rat glauben. Ein typischer Anfängerfehler: Hängen Sie ein Foto ohne jeglichen Text an und warten Sie, bis die Gedanken gelesen werden. KI sieht die Pixel, weiß aber nicht, WARUM Sie das Bild gezeigt haben.