Künstliche Intelligenz, besonders die Large Language Models (LLMs), beherrschen zunehmend den Innovationsbereich. Sie durchforsten Textmengen, fassen Inhalte zusammen, bieten kreative Anstöße und entwickeln sogar Code. Doch was passiert, wenn diese Maschinen, so selbstsicher wie sie sind, falsche Informationen als Fakten präsentieren? Diese sogenannte „Halluzination“ ist eine der großen Herausforderungen der generativen KI. Um dieser Herausforderung zu begegnen, stellt Google mit DataGemma die weltweit ersten offenen Modelle vor, die LLMs in der realen Welt verankern und sie mit den umfangreichen statistischen Daten des Google Data Commons verbinden.

Das musst Du wissen – Google DeepMind DataGemma: Die Lösung für KI-Halluzinationen

• Verankerung in Daten: DataGemma nutzt Daten aus dem Google Data Commons, um LLMs mit verlässlichen, realen Informationen zu stützen.
• Zwei Hauptmethoden: Die RIG- und RAG-Ansätze verbessern die Modellgenauigkeit durch gezielte Abfrage und Integration statistischer Daten.
• Breiter Zugang: Diese Modelle sind offen und zugänglich für Entwickler und Forscher, was eine breitere Anwendung ermöglicht.
• Echte Zahlen, kein Raten: Durch Abrufen und Interpolieren statistischer Informationen wird die Genauigkeit signifikant gesteigert.
• Forschung in der Entwicklung: Laufende Untersuchungen und Tests sollen die Modelle weiter verbessern.

Google DataGemma bringt die LLM-Technologie in neue Sphären, indem es sie in den riesigen, öffentlich zugänglichen Daten von Data Commons verwurzelt. Diese Datenbank enthält über 240 Milliarden Datenpunkte zu zahlreichen Themen – von Gesundheitswesen und Wirtschaft über Demographie bis hin zu Umweltfragen. Der Trick: Anstatt sich nur auf die Trainingsdaten der KI-Modelle zu verlassen, werden Daten aus vertrauenswürdigen Quellen wie der WHO, den Vereinten Nationen oder dem CDC herangezogen, um die Antworten der KI mit echten Fakten zu untermauern. Ein gewaltiger Schritt zur Bekämpfung der Halluzinationen.

Mit DataGemma kommt eine Art „Realitätsanker“ ins Spiel, die LLMs dazu bringt, ihre generierten Antworten mit tatsächlichen, fundierten Daten abzugleichen. Der Kern dieser Innovation sind zwei Hauptmethoden: Retrieval-Interleaved Generation (RIG) und Retrieval-Augmented Generation (RAG).

RIG hebt die Leistungsfähigkeit der Gemma 2-Modelle hervor, indem es eine dynamische Abfrage vertrauenswürdiger Datenquellen vornimmt und die Fakten direkt aus dem Data Commons abrufen kann. Diese Methodik sorgt dafür, dass Modelle wie DataGemma die relevanten Datenpunkte extrahieren und in ihre generierten Antworten einfließen lassen. Ein Beispiel: Eine Anfrage zur Nutzung erneuerbarer Energien weltweit würde nicht nur eine vage Antwort generieren, sondern durch die RIG-Methodik auf eine fundierte Statistik im Data Commons zurückgreifen.

Die RAG-Methode erweitert diese Fähigkeit noch weiter, indem sie die längeren Kontextfenster der Gemini 1.5 Pro-Modelle nutzt, um umfassendere Antworten zu ermöglichen. Das Modell zieht relevante kontextuelle Informationen hinzu, bevor es überhaupt beginnt, eine Antwort zu generieren. Dadurch werden sowohl Halluzinationen minimiert als auch die Genauigkeit verbessert, insbesondere bei komplexen, kontextreichen Fragen.

Erste Forschungsergebnisse zeigen vielversprechende Ergebnisse: Die Genauigkeit bei der Handhabung numerischer Fakten hat sich signifikant verbessert. Dies bedeutet weniger Halluzinationen und präzisere Antworten für verschiedene Anwendungsfälle, von der Forschung über die Entscheidungsfindung bis hin zur reinen Wissensaneignung. Die Zukunft für KI, die auf echten, überprüfbaren Daten basiert, scheint gesichert zu sein.

Fazit: Google DeepMind DataGemma – Der Schlüssel zu vertrauenswürdiger KI

Mit DataGemma und den Ansätzen von RIG und RAG öffnet Google neue Türen für die Zukunft der KI. Diese Modelle bieten nicht nur eine Lösung für das Problem der Halluzinationen, sondern auch einen Weg zur Erschaffung vertrauenswürdigerer und nützlicherer KI-Tools. Indem sie auf echte, fundierte Daten zugreifen, transformieren sie die Art und Weise, wie wir KI im Alltag einsetzen können. Von der Forschung bis hin zur Entscheidungsfindung und darüber hinaus – ein solider Schritt in eine Zukunft, in der AI nicht nur beeindruckt, sondern auch zuverlässig bleibt. #AI #DataCommons #LLM #Technologie #Innovation

Google DataGemma: Using real-world data to address AI hallucinations