Allerdings ist Künstliche Intelligenz ein Modebegriff, ein Ideal: Was derzeit als Künstliche Intelligenz bezeichnet wird, sind technisch gesehen Produkte (sehr umfangreichen) maschinellen Lernens und schlauer Programmierung.

Beim maschinellen Lernen wird eine Software mit großen Mengen an Daten „gefüttert“, in denen sie (mit menschlicher Unterstützung) Muster erkennt und sie in ihr eigenes Wissens-Modell integriert. Auf dieser Basis trifft sie Entscheidungen für zukünftige Situationen. Je nach Auswahl der Trainingsdaten können KI-Tools für verschiedene Aufgaben optimiert werden. Umgekehrt haben Qualität und Vielfalt der Trainingsdaten einen erheblichen Einfluss darauf haben, wie gut die KI-Modelle in der Lage sind, die gewünschten Aufgaben zu bewältigen. Deren Ergebnisse werden also sowohl durch einseitige oder lückenhafte Daten als auch durch und Filterung seitens des Programms bzw. dessen Algorithmen beeinflusst.

Ein Beispiel für KI ist ChatGPT, ein Textgenerierungsmodell, das mit Milliarden an Texten aus dem Internet trainiert wurde. Es liefert beeindruckende Ergebnisse, indem es aufgrund von Wahrscheinlichkeiten Sätze generiert, die auf den Eingaben und den Daten basieren, die es während des Trainings gesehen hat.

Allerdings beruhen wahrscheinlichkeitsbasierte Ergebnisse auf statistischen Zusammenhängen und dem Mustererkennungsvermögen des Modells, nicht auf einem tatsächlichen Verständnis der Bedeutungen und Zusammenhänge. Einer solchen sogenannten Künstlichen Intelligenz fehlt das Bewusstsein für den Sinn hinter den Wörtern und Sätzen, wodurch es gelegentlich ungenaue, widersprüchliche oder fehlerhafte Antworten geben kann. So ist ChatGPT berüchtigt dafür, mitunter zu schwafeln und gar zu „fabulieren“, also fehlende Informationen zu erfinden oder gänzlich falsche Aussagen zu treffen.

Für weitere Informationen empfehlen wir die Dokumentation des Einführungsworkshops unserer KI-Veranstaltungsreihe.

(Basistext generiert durch ChatGPT, allerdings stark redaktionell verändert und ergänzt)