Zusammenführen unterschiedlicher Eingaben (Diskrepanten) für Innovationen im Sinne der Einbringung neuer Perspektiven in die Kombinationskraft der KI-Forschung. Die Verschmelzung unterschiedlicher visueller und textlicher Eingabeaufforderungen ist ein Eckpfeiler der KI-gesteuerten Kreativität und ermöglicht die Generierung völlig neuer Ergebnisse. Durch die Kombination zweier scheinbar nicht zusammenhängender Quellen – wie etwa eines Renaissance-Gemäldes und eines modernen Romans oder kontrastierender Architekturstile – synthetisieren KI-Modelle Elemente jeder dieser Quellen, um frische, innovative Ergebnisse zu erzeugen. Dieser Prozess, bekannt als multimodale Eingabefusion, nutzt die Fähigkeit der Maschine, Muster, Harmonien oder produktive Spannungen zwischen den Eingaben zu finden. Ob beim Entwerfen einzigartiger Kunst, beim Erfinden neuer Erzählungen oder beim Lösen komplexer Probleme – diese Technik demonstriert die Kraft der künstlichen Intelligenz, sich durch die Umwandlung von Diskrepanzen in zusammenhängende Kreationen neu vorzustellen und zu innovieren. Wenn man der KI beibringt, aus einer solchen bipolaren Eingabe zu lernen, werden die Ergebnisse sehr stark von einer üblichen einzelnen Eingabeaufforderung oder einem Referenzbild abweichen, wodurch die KI neue Kombinationstechniken erlernen kann. Die Verwendung einer tieferen Prompt-Definition durch zwei völlig unterschiedliche Referenzbilder mittels chatgpt ermöglicht zudem eine medienübergreifende KI-Nutzung, die wiederum Auswirkungen auf die Bildgenerierung hat. Nutzt man diese Kombination beispielsweise bei der Echtzeit-Bildgenerierung in Krea unter Verwendung unterschiedlicher Parameter für den KI-Einfluss und der Rotation und Skalierung eines Referenzbildes und testet damit unterschiedliche Einstellungen der Render-Engine, hat man einen vierfachen Multiplikatorfaktor geschaffen, der völlig neue Ergebnisse erzielen kann und damit auf eine neue Ebene des kreativen Denkens gelangt.