Künstliche Intelligenz

Generative KI ist eine Art von Künstlicher Intelligenz, die neue Inhalte wie Texte, Bilder, Musik oder Videos erstellen kann. Sie nutzt dafür große Datenmengen und komplexe Algorithmen, um Ergebnisse zu erzeugen.

Generative KI basiert auf maschinellem Lernen, insbesondere auf sogenannten Deep-Learning-Modellen. Diese Modelle lernen aus riesigen Datenmengen und können dann auf Basis dieser Informationen neue Inhalte generieren.

LLM steht für Large Language Models (große Sprachmodelle). Diese Modelle sind eine Art von Künstlicher Intelligenz, die darauf spezialisiert ist, menschliche Sprache zu verstehen und zu generieren. LLMs nutzen Techniken des maschinellen Lernens, insbesondere Deep Learning, um große Mengen an Textdaten zu verarbeiten. Dadurch können sie Muster und Zusammenhänge in der Sprache erkennen und neue, kohärente Texte generieren.

LLMs werden in vielen Bereichen eingesetzt, darunter:

• Textgenerierung: Erstellen von Artikeln, Geschichten oder sogar Programmcode.
• Übersetzungen: Automatische Übersetzung von Texten in verschiedene Sprachen.
• Chatbots: Bereitstellung von menschenähnlichen Antworten in Kundendienst- oder Supportsystemen.
• Analyse: Verstehen und Zusammenfassen großer Textmengen, wie z.B. wissenschaftlicher Artikel oder juristischer Dokumente

Generative KI-Systeme operieren sowohl mit Blick auf den Input als den Output mit natürlicher Sprache. Als Input für das Modell dient daher ein sogenannter Prompt – eine Art geschriebener Arbeitsauftrag für das Modell. Die Qualität des Prompts hat deswegen großen Einfluss auf die Qualität des Ergebnisses. Durch das Bereitstellen von Kontextwissen oder Beispielen im Prompt können Sprachmodelle effektiver arbeiten.

1. Seien Sie spezifisch. Um die besten Ergebnisse von einer KI zu erhalten, ist es entscheidend, ihr präzise Anweisungen zu geben. Vermeiden Sie vage Ausdrücke wie „eher“ oder „etwa“, um Missverständnisse zu verhindern. Wenn es hilfreich ist, fügen Sie Beispiele hinzu, um Ihre Anfrage zu verdeutlichen. Sie können ganze Sätze oder Stichpunkte verwenden, auch kombiniert, um Ihre Anforderungen klar zu machen. Es ist auch nützlich, Material bereitzustellen, am besten in Anführungszeichen, damit die KI genau weiß, worauf sie sich beziehen soll. Schließlich können Sie die KI bitten, eine bestimmte Rolle zu übernehmen, wie zum Beispiel: „Handeln Sie als Expertin für Mineralien und erklären Sie mir …“.
2. Bestimmen Sie die Art der Antwort. Es ist wichtig, die Aufgabe klar zu definieren und genau zu beschreiben, was Sie von der KI erwarten. Seien Sie ruhig anspruchsvoll und fordern Sie präzise Antworten. Bestimmen Sie die Art Ihrer Antwort, ob Sie eine Tabelle, einen Essay im Umfang von 3000 Wörtern oder eine Liste von 25 Punkten benötigen. Indem Sie diese Details vorgeben, helfen Sie der KI, Ihre Anforderungen besser zu verstehen und entsprechend zu reagieren.
3. Interagieren! Seien Sie nicht zufrieden mit dem erstbesten Ergebnis. Lassen Sie nachbessern: Bitten Sie die KI beispielsweise, den Text „jetzt bitte noch einmal länger“ zu gestalten oder „kreativer“ zu sein. Sie können auch spezifische Anweisungen geben, wie „jetzt im Stil einer Professorin“ oder „führen Sie näher aus“. Fordern Sie die KI auf, ihre Aussagen zu „begründen“. Nutzen Sie das Prinzip von Trial and Error, um schrittweise zum gewünschten Ergebnis zu kommen. Wenn nötig, sagen Sie „bitte fangen Sie ganz anders an“ und öffnen Sie gegebenenfalls einen neuen Chat.
4. In Teilschritte zerlegen. Große Aufgaben können in Teilschritte zerlegt werden. KI-Tools können sogar diese Zerteilung vornehmen. Wenn Sie beispielsweise ein Buch verfassen möchten, könnten Sie die KI fragen: „In welchen Schritten gehe ich vor? Skizzieren Sie mir eine Reihe an Teilaufgaben.“
5. Strukturieren Sie Ihre Anweisungen. KI-Systeme können häufig Markdown verstehen. Sie können beispielsweise eine Überschrift mit # Überschrift erstellen, wichtige Wörter oder Sätze mit **Emphase** hervorheben und Aufzählungspunkte mit * Bulletpoint kennzeichnen. Machen Sie dies explizit, indem Sie sagen: „Dieser Prompt ist mit Markdown-Syntax formatiert, um Ihnen, dem KI-System, die Gliederung zu erleichtern."
6. Alle diese Tipps können und sollten kombiniert werden! Und nicht jede Frage braucht einen elaborierten Prompt. Wenn die KI abbricht, kann oft mit „weiter“ fortgeführt werden. KI-Systeme sind non-deterministisch, daher kann es hilfreich sein, neu zu fragen, vorzugsweise in einem neuen Chat. Sie können sich immer mehrere Antworten geben lassen, zum Beispiel: „Geben Sie mir 5 Klausurfragen“. Wenn Sie nicht mehr weiter wissen, fragen Sie die KI: „Handeln Sie als Expertin im Prompt Engineering. Helfen Sie mir, wie ich meinen Prompt verbessern kann“ (KI als Prompt Creator).

Quelle: ZLI TechTalk, 13.12.2023

Sprachmodelle sind keine Wissensdatenbanken und funktionieren nicht wie Suchmaschinen. Sie verstehen die Bedeutung von Wörtern und Sätzen, um grammatisch korrekte Antworten zu geben. Diese Antworten wirken oft wie menschliche Kommunikation. Die KI gibt jedoch Antworten basierend auf Wahrscheinlichkeiten und nicht auf tatsächlichem Wissen. Sie kann also nicht sagen, dass sie etwas nicht weiß. Stattdessen kombiniert sie das, was sie während des Trainings gelernt hat, auf neue Weise. Diese Antworten können oft falsch sein, was als “Halluzination” bezeichnet wird.

Copilot kann im Internet nach Antworten suchen, indem es Bing verwendet. Das bedeutet, dass aktuelle Informationen aus dem Web abrufen werden können, um Fragen zu beantworten. Der Hauptunterschied zu ChatGPT besteht darin, dass ChatGPT keine Echtzeit-Suche im Internet durchführt. ChatGPT basiert ausschließlich auf dem Wissen, das es bis zu einem bestimmten Zeitpunkt während des Trainings gelernt hat, und kann keine neuen Informationen aus dem Internet abrufen.

Dennoch können bei Copilot Halluzinationen auftreten. Das kann passieren, wenn Informationen kombiniert werden, aber diese Kombinationen nicht der Realität entsprechen.

Agenten sind Programme oder Systeme, die bestimmte Aufgaben autonom ausführen können. Sie können auf ihre Umgebung reagieren, Entscheidungen treffen und Aktionen durchführen, um bestimmte Ziele zu erreichen. Es gibt verschiedene Arten von Agenten, darunter:

1. Software-Agenten: Diese arbeiten in Computersystemen und führen Aufgaben wie Datenanalyse, Informationssuche oder Automatisierung von Prozessen aus.
2. Roboter-Agenten: Diese sind physische Maschinen, die in der realen Welt agieren, wie z. B. Industrieroboter oder autonome Fahrzeuge.
3. Intelligente Agenten: Diese nutzen KI-Techniken, um komplexe Aufgaben zu bewältigen, wie z. B. Sprachverarbeitung, maschinelles Lernen oder Entscheidungsfindung.

Ein einfaches Beispiel für einen Agenten im Arbeitsalltag ist ein E-Mail-Filter, der automatisch Spam-Nachrichten erkennt und in einen separaten Ordner verschiebt.