Kann Chat GPT Bilder besser verlustfrei komprimieren als PNG?

[slashCAM]

Was passiert eigentlich, wenn man ein Bild verlustfrei komprimiert? Um Daten zu komprimieren, muss man in den Daten wiederkehrende Muster finden. Daraufhin kann man diese...

Hier geht es zur Newsmeldung auf den slashCAM Magazin-Seiten:
Kann Chat GPT Bilder besser verlustfrei komprimieren als PNG?

[AndySeeon]

Bei „Erraten“ fällt mir doch gleich wieder Xerox ein (Stichwort „David Kriesel“).

Gruß, Andreas

[Skeptiker]

.. ..
Zudem sollte man nicht die Größe des "Decoders" aus dem Auge verlieren. Um eine PNG-Datei zu dekomprimieren reicht in der Regel ein sehr kleines Programm mit wenigen KB-Code aus, während ein Chinchilla 70B Modell als Decoder mehrere parallel geschaltete Hochleistungs-GPUs und hunderte GB GPU-RAM benötigt.
.. ..

Wichtiger Hinweis, vielen Dank für den interessanten Artikel.

Bei „Erraten“ fällt mir doch gleich wieder Xerox ein (Stichwort „David Kriesel“).

Gruß, Andreas

Da ging's um die Entdeckung 2013, dass Xerox-Kopierer systematisch "Zahlendreher" (bzw. Ersatzzahlen) als Kopierergebnis liefern konnten, also Dinge erfanden, die in der Vorlage gar nicht vorkamen. Und der deutsche Informatiker David Kriesel hatte das entdeckt.

Übrigens, wer an Logik/Mathematik/Informatik interessiert ist und einen etwas tieferen Blick hinter die Kulissen von ChatGPT werfen möchte, der kann das mit einen Blick in Stephen Wolfram's "What Is ChatGPT Doing … and Why Does It Work?" (auch in deutscher Übersetzung als "Das Geheimnis hinter CHATGPT - Wie die KI arbeitet und warum sie funktioniert") werfen. Da geht's neben einfachen Regeln und Wahrscheinlichkeiten u. a. auch um Schlagworte wie "neuronale Netze".

Wolfram ist ein Mathe-Genius und Programmierer des Mathematik-Programms Mathematica (wer wissen will, wie 1 Million Nachkommastellen von Pi aussehen - damit geht's!), das auch eine Programmiersprache ist/bietet plus eine Wissenschafts-Frage/Antwort-Suchmaschine namens Wolfram Alpha (die evtl. mit ChatGPT verknüpft werden könnte - das ist als Anhang samt Ausblick in der deutschen Buchversion nachzulesen). Sein Buch von 2002 mit dem sehr ambitionierten Titel "A New Kind of Science" (Eine neue Art von Wissenschaft) verursachte nach dem Erscheinen neben Erstaunen auch einiges Kopfschütteln in der Wissenschaftsgemeinde und ist bis heute durchaus auch umstritten. Es geht dabei um sogenannte zelluläre Automaten (cellular automata) und die Möglichkeit, durch die Anwendung sehr einfacher Regeln und Voraussetzungen in x-facher Wiederholung komplexe Ergebnisse / Muster zu erzeugen oder Fragen zu beantworten / Problemstellungen zu lösen.

Wolfram hat seither auch ein Forschungsprogramm initiiert mit dem Ziel, auf diese Weise neue physikalische bzw. wissenschaftliche Gesetze und Gesetzmässigkeiten zu entdecken bzw. existierende Gesetze auf eine Basis von möglichst einfachen Regeln/Formeln zu stellen, also etwas, das seinem Buchtitel gerecht werden könnte.
Erinnert an das, was nun ChatGPT mit Backup durch einen Riesen-Lerndatensatz zum Erstaunen aller (selbst der Programmentwickler) zustandebringt, nämlich aufgrund von Wahrscheinlichkeitsanalysen (welches Wort in einem zu erzeugenden Satz folgt mit grösster Wahrscheinlichkeit als nächstes aufgrund der Wörter, die bereits dastehen (Stichworte "Wahrscheinlichkeiten/Gesetzmässigkeiten/Mustererkennung")?) Wort für Wort zusammengesetzt vernünftig klingende Sätze zu erzeugen.

Mit dem Wissen, dass diese Sätze SO entstehen, sollte man (siehe auch Xerox-Beispiel) vorläufig sehr vorsichtig sein, die so generierten (und vielleicht überzeugend formulierten) Aussagen für bare Münze zu nehmen. Aber faszinierend ist diese Möglichkeit, Inhalte zu generieren, zweifellos!

Noch ein Nachtrag:
Wer eine überschaubare Kritik zu Stephen Wolframs 2002 erschienenem Buch "A New Kind of Science" bzw. zu dessen Anspruch auf wissenschaftliche Revolution nachlesen möchte (verfasst von einem Astrophysiker namens Ethan Siegel), kann das z. B. hier tun:
3 Simple Reasons Why Wolfram’s New ‘Fundamental Theory’ Is Not Yet Science (erschienen 13. Mai 2020)
https://www.forbes.com/sites/startswith ... t-science/

Eine deutsche Übersetzung des Artikels fand ich hier (auf einer etwas seltsamen Webseite), allerdings ohne Angabe des Autors (am Ende werden nur sein Vorname und 2 Bücher von ihm erwähnt):
3 einfache Gründe, warum Wolframs neue "Fundamentaltheorie" noch keine Wissenschaft ist
https://ichi.pro/de/3-einfache-grunde-w ... 4357567069

HInweis: Die 3 Änderungen betreffen nur den Nachtrag

[dienstag_01]

.. ..
Zudem sollte man nicht die Größe des "Decoders" aus dem Auge verlieren. Um eine PNG-Datei zu dekomprimieren reicht in der Regel ein sehr kleines Programm mit wenigen KB-Code aus, während ein Chinchilla 70B Modell als Decoder mehrere parallel geschaltete Hochleistungs-GPUs und hunderte GB GPU-RAM benötigt.
.. ..

Wichtiger Hinweis, vielen Dank für den interessanten Artikel.

Bei „Erraten“ fällt mir doch gleich wieder Xerox ein (Stichwort „David Kriesel“).

Gruß, Andreas

Da ging's um die Entdeckung 2013, dass Xerox-Kopierer systematisch "Zahlendreher" (bzw. Ersatzzahlen) als Kopierergebnis liefern konnten, also Dinge erfanden, die in der Vorlage gar nicht vorkamen. Und der deutsche Informatiker David Kriesel hatte das entdeckt.

Übrigens, wer an Logik/Mathematik/Informatik interessiert ist und einen etwas tieferen Blick hinter die Kulissen von ChatGPT werfen möchte, der kann das mit einen Blick in Stephen Wolfram's "What Is ChatGPT Doing … and Why Does It Work?" (auch in deutscher Übersetzung als "Das Geheimnis hinter CHATGPT - Wie die KI arbeitet und warum sie funktioniert") werfen. Da geht's neben einfachen Regeln und Wahrscheinlichkeiten u. a. auch um Schlagworte wie "neuronale Netze".

Wolfram ist ein Mathe-Genius und Programmierer des Mathematik-Programms Mathematica (wer wissen will, wie 1 Million Nachkommastellen von Pi aussehen - damit geht's!), das auch eine Programmiersprache ist/bietet plus eine Wissenschafts-Frage/Antwort-Suchmaschine namens Wolfram Alpha (die evtl. mit ChatGPT verknüpft werden könnte - das ist als Anhang samt Ausblick in der deutschen Buchversion nachzulesen). Sein Buch von 2002 mit dem sehr ambitionierten Titel "A New Kind of Science" (Eine neue Art von Wissenschaft) verursachte nach dem Erscheinen neben Erstaunen auch einiges Kopfschütteln in der Wissenschaftsgemeinde und ist bis heute durchaus auch umstritten. Es geht dabei um sogenannte zelluläre Automaten (cellular automata) und die Möglichkeit, durch die Anwendung sehr einfacher Regeln und Voraussetzungen in x-facher Wiederholung komplexe Ergebnisse / Muster zu erzeugen oder Fragen zu beantworten / Problemstellungen zu lösen.

Wolfram hat seither auch ein Forschungsprogramm initiiert mit dem Ziel, auf diese Weise neue physikalische bzw. wissenschaftliche Gesetze und Gesetzmässigkeiten zu entdecken bzw. existierende Gesetze auf eine Basis von möglichst einfachen Regeln/Formeln zu stellen, also etwas, das seinem Buchtitel gerecht werden könnte.
Erinnert an das, was nun ChatGPT mit Backup durch einen Riesen-Lerndatensatz zum Erstaunen aller (selbst der Programmentwickler) zustandebringt, nämlich aufgrund von Wahrscheinlichkeitsanalysen (welches Wort in einem zu erzeugenden Satz folgt mit grösster Wahrscheinlichkeit als nächstes aufgrund der Wörter, die bereits dastehen (Stichworte "Wahrscheinlichkeiten/Gesetzmässigkeiten/Mustererkennung")?) Wort für Wort zusammengesetzt vernünftig klingende Sätze zu erzeugen.

Mit dem Wissen, dass diese Sätze SO entstehen, sollte man (siehe auch Xerox-Beispiel) vorläufig sehr vorsichtig sein, die so generierten (und vielleicht überzeugend formulierten) Aussagen für bare Münze zu nehmen. Aber faszinierend ist diese Möglichkeit, Inhalte zu generieren, zweifellos!

Danke für den Tipp.