KI: Ethische Ansätze und menschliche Aufsicht / 2.1 Technische Grundfunktionen

Einfach ausgedrückt, versucht man mit KI, Computern das Denken und Lernen beizubringen. Anstatt für jede einzelne Aufgabe programmiert zu werden, können KI-Systeme aus Daten lernen, Muster erkennen und darauf basierend eigenständige Entscheidungen treffen oder Vorhersagen machen. Analytische KI (klassische KI) ist darauf trainiert, vorhandene Daten zu interpretieren und zu klassifizieren. Sie beantwortet Fragen auf Basis von Fakten, die sie gelernt hat. E-Mail-Spamfilter sind ein typisches Beispiel klassischer KI. Generative KI hingegen ist eine Art von künstlicher Intelligenz, die etwa auf Basis menschlichen Inputs (Text, Audio, Grafik) neue, originelle Inhalte erstellen kann. Anstatt nur Daten zu analysieren oder zu klassifizieren, erzeugt (generiert) sie auf Anweisung hin etwas völlig Neues, das in den Trainingsdaten so nicht existierte. Die zugrundeliegende Technologie sind oft sogenannte große Sprachmodelle (Large Language Models, LLM), die auf einer speziellen Architektur (der "Transformer-Architektur") basieren, die es erlaubt, Wörter eines Satzes nicht nur einzeln, sondern im Satzzusammenhang und Bezug zueinander zu analysieren. Dazu werden durch mathematische Operationen Wahrscheinlichkeiten der kontextualen Relevanz der einzelnen Wörter im Satz ermittelt.

Vereinfacht gesagt sind LLM also Statistik-Modelle, die anhand von Wahrscheinlichkeiten Text vorhersagen. Die Grundidee besteht darin, dass für eine Eingabe, die Wahrscheinlichkeit in Bezug auf das nächste Wort ("Token") berechnet wird, bis ein ganzer Satz entsteht. Diese Wahrscheinlichkeiten werden im Sprachmodell durch sogenannte "Word Embeddings" abgebildet: Jedes Wort wird als Vektor dargestellt, wodurch Beziehungen zu anderen Wörtern gewichtet werden können. Diese Repräsentation wird wiederum durch eine V...