So funktionieren ChatGPT & Co - KI-Mythen, Begriffserklärungen, lokale Installation, Datenschutz скачать в хорошем качестве

So funktionieren ChatGPT & Co - KI-Mythen, Begriffserklärungen, lokale Installation, Datenschutz

In diesem ersten Grundlagen-Video soll es um die Grundlagen von KI-Sprachmodellen gehen und um alle Begriffe rund um dieses Thema. Was ist das alles, das mit diesen Sprachmodellen? Warum gab es so einen Hype auf DeepSeek Anfang 2025? Was bedeuten 1.5B, 8B, 70B, 671B usw.? Wie ist das mit der Unwahrheit und logischem Denken, Datenschutz und Anlernen, Rechenzeit und Performance, was bedeuten Begriffe wie LLM, Token oder Reasoning? Und vor allem: Was ist dieses ominöse Nvidia? Folgt mir bei Bluesky: https://bsky.app/profile/mgrns.bsky.s... Links / Quellen: DeepSeek-Datenschutzbestimmungen: https://cdn.deepseek.com/policies/en-... OpenAI Pricing: http://openai.com/chatgpt/pricing Microsoft data, privacy and security for Azure OpenAI Service: https://learn.microsoft.com/en-us/leg... Microsoft Datenschutzinfos zu Copilot: https://learn.microsoft.com/de-de/cop... Microsoft OpenAI-Modelle in der Cloud: https://learn.microsoft.com/en-us/azu... Geschätze Entwicklungskosten KI-Modelle: https://lifearchitect.ai/gpt-5/#summary KI-Chip-Hersteller: https://research.aimultiple.com/ai-ch... Zweifel an DeepSeek-Entwicklungskosten: https://www.heise.de/news/DeepSeek-V3... Basics und Übersicht über einige LLM-Benchmarks: https://www.evidentlyai.com/llm-guide... Vergleichsmöglichkeit Leistung und Kosten LLMs: https://docsbot.ai/tools Benchmark-Ergebnisse DeepSeek-V3: https://github.com/deepseek-ai/DeepSe... Benchmark-Ergebnisse Grok3: https://x.ai/news/grok-3 Benchmark-Ergebnisse Gemma3: https://blog.google/technology/develo... Chatbot Arena: https://lmarena.ai Meta schummelt in der Chatbot-Arena: https://www.heise.de/news/Meta-schumm... WebDev Arena: https://web.lmarena.ai The Tokenizer Playground: https://huggingface.co/spaces/Xenova/... Embedding Projector: https://projector.tensorflow.org/?hl=de Next Token Prediction Visualization: https://alonsosilva-nexttokenpredicti... Chronological display of LLM releases: https://arxiv.org/abs/2307.06435 Tools: Ollama: https://ollama.com Ollama-Befehle: https://github.com/ollama/ollama GPT4All: https://www.nomic.ai/gpt4all LM Studio: https://lmstudio.ai Open WebUI: https://www.openwebui.com AnythingLLM: https://anythingllm.com Kapitel: 00:00 Intro: Theorie und Praxis von KI-Sprachmodellen 00:20 Wie man Datenschutzprobleme komplett vermeidet 00:46 Lokaler Chatbot mit Ollama inkl. erstem Start mit DeepSeek und Gemma3 01:35 Lokaler Chatbot mit gpt4all 02:14 Lokaler Chatbot mit LM Studio 02:42 Vorteile von Ollama 03:10 Fragen über Fragen zu KI-Chatbots und Sprachmodellen 03:36 So funktionieren Chatbots: Token und Token Prediction 04:31 Sprachmodelle (Large Language Models, LLMs) 04:51 Sonderfall OpenAI / Microsoft Copilot in der EU 05:30 Die (günstige) Alternative zu ChatGPT: Open-Source-Sprachmodelle 06:01 LLMs selbst anlernen? Kosten und die Rolle von Nvidia 07:47 Fragliche Kosten für die Entwicklung von DeepSeek 08:25 Benötigte Hardware für einen lokalen Chatbot 09:20 Unterschiedliche Parameteranzahl bei Sprachmodellen 10:07 Geschwindigkeit und qualitative Unterschiede bei kleineren Modellen 10:43 Warum kleiner nicht schlechter sein muss 11:43 Übersicht über aktuelle Sprachmodelle - Stand April 2025 14:44 Reasoning: Logisches Denken bei LLMs mit einfachem Test 15:29 Die Besonderheit von DeepSeek-R1 und Alibabas Qwen QwQ 15:52 Objektive Benchmarks, Vergleiche und Datenkontaminierung 17:42 Subjektive Benchmarks: Chatbot Arena 18:34 Coding-Benchmark: WebDev-Arena mit Tetris-Beispiel 19:14 Welches Sprachmodell wann nehmen? 20:02 Wissens- und Recherchefragen mit KI 20:45 Große Sprachmodelle über Cloud-Services testen 21:12 Die wichtigsten Ollama-Befehle 21:47 Vision-Modelle mit Ollama nutzen 22:21 Ausblick auf Teil 2 - mit Zusammenfassung im Hintergrund