Grundlagen der generativen künstlichen Intelligenz 

Damit Sie generative KI effektiv im Unterricht einsetzen können, ist es wichtig, dass Sie verstehen, wie diese funktioniert und was sich hinter Begriffen wie maschinelles Lernen oder neuronale Netze verbirgt.

Künstliche Intelligenz beruht auf der Fähigkeit einer Software, Daten zu analysieren, daraus zu lernen und basierend darauf Entscheidungen zu treffen. Doch was bedeutet KI genau und wo begegnen wir ihr?

KI-Glossar: Was bedeutet…?

Neuronale Netze

Neuronale Netze sind eine spezielle Form des maschinellen Lernens, die das menschliche Gehirn nachahmen und besonders gut in der Bild- und Spracherkennung sind.

Maschinelles Lernen

Maschinelles Lernen ist eine Methode, bei der Algorithmen aus grossen Datenmengen Muster erkennen und Vorhersagen darüber treffen können, was als Nächstes eintritt. 
 
Beispiel: Musikstreamingdienst, der uns neue Lieder oder Künstler*innen vorschlägt und dabei unsere Vorlieben mit denen anderer Hörer*innen vergleicht, die einen ähnlichen Musikgeschmack haben.

Deep Learning

Deep Learning ist eine fortgeschrittene Form des maschinellen Lernens. Dabei werden Algorithmen in Schichten angeordnet. So entsteht ein künstliches neuronales Netz, das eigenständig lernt und logische Entscheidungen trifft.  
 
Beispiel: AlphaGo von Google spielt das komplexe Brettspiel Go, was Verstand und Intuition erfordert.

Intelligenz

Intelligenz ist die Fähigkeit, Informationen zu verstehen, Probleme zu lösen und aus Erfahrungen zu lernen. Es gibt zwei Haupttypen von Intelligenz:  

  • Kristalline Intelligenz: bezieht sich auf das Wissen und die Fähigkeiten, die wir im Laufe des Lebens erwerben. Beispiele dafür sind der Wortschatz oder Fakten. Generative KI ist hier anzusiedeln, da sie sich leicht an Fakten erinnert und Routineaufgaben effizient ausführen kann.  
  •  Fluide Intelligenz: ist die Fähigkeit, logisch zu denken und neue Probleme unabhängig von vorherigem Wissen zu lösen. Diese Intelligenz wird künftig immer wichtiger werden, denn nur wir Menschen (nicht aber die KI) können kreativ denken, neue Probleme lösen und uns an neue Situationen anpassen.  

Generative KI

Generative KI ist in der Lage, kreative Aufgaben zu übernehmen und Inhalte zu erstellen, statt sie «nur» zu analysieren, etwa Text, Bild, Audio oder Video.

Transformer für die Sprachmodelle

Transformers sind die technische Grundlage moderner Sprachmodelle und sorgen dafür, dass diese KI-Tools umfangreiche Texte schreiben, Fragen beantworten und Konversationen führen können. Ein Beispiel für ein solches Sprachmodell – Sie kennen es bestimmt: ChatGPT von OpenAI. 
 
Weiterführende Links: Generative Text-KI und Sprachmodelle

Diffusionsmodelle für die Bildgenerierung

Diffusionsmodelle funktionieren, indem sie ein Bild aus einem Rauschzustand (ähnlich wie ein unscharfes Foto) nach und nach in ein klares Bild überführen. Ein bekanntes Beispiel für ein Diffusionsmodell ist DALL-E von OpenAI. 
 
Weiterführende Links: Generative Bild-KI und Diffusionsmodelle

Halluzinationen vermeiden – so geht’s 

  1. Fehlerfreie und vielfältige Trainingsdaten, die regelmässig aktualisiert werden, sind die Grundlagen für die Arbeit einer generativen KI.  
  2. Auch die Nutzenden können dazu beitragen, dass die KI nicht halluziniert. Der Schlüssel dafür liegt in möglichst genauen Anweisungen (Prompts).  
  3. Genaue Fragen, die auch den Sinnzusammenhang erklären, lassen der KI wenig Spielraum für Halluzinationen.  
  4. Optimale Prompts stellen klar: «Wenn du es nicht weisst, dann antworte mit ‘weiss ich nicht’».  
  5. Wer den Unterhaltungsstil wählt, beeinflusst den Umgang der KI mit Wahrscheinlichkeiten: Bei Bing Chat, das zu Microsoft Copilot gehört, stehen etwa «kreativ», «ausgewogen» oder «genau» zur Auswahl.