Arrays und Hash-Maps – Wie KI Daten speichert und abruft

word_counts = {
  "hello": 42,
  "world": 37,
  "AI": 156
}

Benötigen Sie die Zählung für „KI“? Die Hash-Map verwendet eine Hash-Funktion, um den Schlüssel im Hintergrund in einen Index umzuwandeln. Das Ergebnis? O(1) durchschnittliche Suchzeit – genau wie Arrays, aber mit Namen anstelle von Zahlen.

Echte KI-Anwendungen für Hash-Maps

• Vokabularzuordnung: Wörter wie „brilliant“ in Token-ID 8921 für ein Sprachmodell umwandeln.
• Häufigkeitszählung: Wie oft kommt jedes Wort in einem Datensatz vor? Hash-Maps beantworten dies in einem Durchgang.
• Ergebnisse zwischenspeichern: Wenn eine KI bereits eine Vorhersage für Eingabe X berechnet hat, speichern Sie sie, damit Sie sie nie erneut berechnen müssen.

Zeitkomplexität leicht gemacht

| Betrieb | Array | Hash-Karte | |-----------|-------|----------| | Zugriff per Index | O(1) ⚡ | N/A | | Zugriff per Schlüssel | O(n) 🐢 | O(1) ⚡ | | Am Ende einfügen | O(1) ⚡ | O(1) ⚡ | | In der Mitte einsetzen | O(n) 🐢 | N/A | | Suche nach Wert | O(n) 🐢 | O(1) ⚡ |

Stellen Sie sich O(1) als „sofort, unabhängig von der Größe“ und O(n) als „langsamer, je größer die Daten“ vor.

Gemeinsames Muster: Häufigkeitszählung

Eines der nützlichsten Muster sowohl bei Interviews als auch bei KI ist das Zählen von Ereignissen. Hier ist die Idee im Pseudocode:

counts = {}
for each word in text:
    if word in counts:
        counts[word] = counts[word] + 1
    else:
        counts[word] = 1

Dieser einzelne Durchgang durch den Text liefert Ihnen die Häufigkeit jedes Wortes. Sprachmodelle nutzen genau diesen Ansatz (in großem Maßstab), um zu verstehen, welche Wörter am wichtigsten sind.

Gemeinsames Muster: Das Zweisummenproblem

Finden Sie anhand einer Reihe von Zahlen und eines Ziels zwei Zahlen, die sich zum Ziel addieren. Der naive Ansatz prüft jedes Paar – O(n²). Der clevere Ansatz nutzt eine Hash-Map:

seen = {}
for each number in array:
    complement = target - number
    if complement in seen:
        return [seen[complement], current_index]
    seen[number] = current_index

Ein Durchgang, O(n) Zeit. Die Hash-Map merkt sich, was Sie bereits gesehen haben.

Wann man welche auswählen sollte

• Verwenden Sie Arrays, wenn die Reihenfolge wichtig ist, Sie auf Elemente nach Position zugreifen oder alles nacheinander verarbeiten müssen (wie Pixel in einem Bild).
• Verwenden Sie Hash-Maps, wenn Sie eine schnelle Suche nach einem Schlüssel benötigen, Vorkommen zählen möchten oder schnell prüfen müssen, ob etwas existiert.

Wichtige Erkenntnisse

• Arrays ermöglichen O(1)-Zugriff per Index und sind das Rückgrat der numerischen KI (Bilder, Einbettungen, Tensoren).
• Hash-Maps ermöglichen O(1)-Zugriff per Schlüssel und sind für Suchvorgänge, Zählungen und Zwischenspeicherung unerlässlich.
• Die Wahl der richtigen Struktur kann einen O(n²)-Algorithmus in einen O(n)-Algorithmus verwandeln – ein Unterschied, der bei der Verarbeitung von Millionen von Datenpunkten von Bedeutung ist. – In der Praxis verwenden die meisten KI-Pipelines beides: Arrays für numerische Berechnungen und Hash-Maps für die Suche nach Metadaten.

Wie geht es weiter?

Du kennst jetzt die beiden Arbeitspferde der KI-Datenverarbeitung. Als Nächstes sehen wir in Strings und Textverarbeitung, wie KI rohen Text in etwas verwandelt, das ein Modell tatsächlich lesen kann. Das ist der erste Schritt hinter jedem Chatbot und jedem Suchfeld, das du nutzt.