Introduction to Generative AI — GANs, VAEs, Transformer

Einstieg in generative KI auf konzeptioneller Ebene. Inhalte: Definition Generative vs. Discriminative AI, historische Entwicklung. Generative Adversarial Networks (GANs): Generator vs. Discriminator als „Spiel", Training-Dynamiken, Anwendungen (StyleGAN für Gesichter, CycleGAN für Style Transfer). Variational Autoencoders (VAEs): Encoder-Decoder mit latentem Raum, generative Eigenschaften, Vergleich zu GANs. Transformer-Architekturen: Attention-Mechanismus, Self-Attention, Encoder-Decoder, Anwendung in GPT/BERT/T5. Generative Modelle für Text (GPT-Familie, Claude, Llama), Bild (DALL-E, Stable Diffusion, Midjourney), Audio (Whisper, MusicGen), Video (Sora). Ethische Aspekte: Bias in Training-Daten, Deepfakes und Missbrauch, Urheberrecht bei KI-generierten Inhalten, KI-Akt EU, verantwortungsvolle KI-Entwicklung.