
Reicht es, nach „kostenlos“ zu suchen?
Stellen Sie sich ein erfundenes Postfach vor. Ein Mensch könnte festlegen: Enthält eine Nachricht „kostenlos“, wird sie als Werbung eingeordnet. Das ist einfach, könnte aber auch die private Nachricht „Ich helfe dir kostenlos“ fälschlich filtern und Werbung ohne dieses Wort übersehen. Werden die Bedingungen direkt von Menschen festgelegt, können neue Ausdrücke und Zusammenhänge Ergänzungen der Regeln erfordern.
KI umfasst mehr als den Namen einer solchen Funktion. Dazu gehören auch Objekterkennung in Bildern, Routenplanung und das Lösen von Problemen mit Wissen und Regeln. Deshalb lernt nicht jede KI aus Daten, und eine einfache Bedingung macht nicht jedes Programm zur KI. Entscheidend ist weniger der Name als die Aufgabe und die Art ihrer Bearbeitung.
Wenn Beispiele den Klassifikator verändern
Eine andere Möglichkeit ist, ein Modell mit Nachrichten zu trainieren, die als Werbung oder Nichtwerbung gekennzeichnet sind. Maschinelles Lernen trainiert Modelle mit Daten, damit sie Vorhersagen oder andere Ausgaben erzeugen. Menschen legen weiterhin fest, welche Daten und welches Ziel verwendet werden. Beispiele garantieren nicht, dass jeder unbekannte Ausdruck richtig behandelt wird. Dieses Postfach ist eine erfundene Szene zum Prinzipienvergleich und kein Experiment zur Genauigkeit eines echten Dienstes.
Beim Training werden interne Modellwerte passend zu Daten und Ziel angepasst. Danach eine neue Nachricht einzugeben und eine Einordnung zu erhalten ist Inferenz: das Verwenden des trainierten Modells. Eine neue Eingabe bedeutet nicht, dass die Werte jedes Mal neu gelernt werden. Auch Gesprächsinhalte als Kontext zu verwenden ist vom erneuten Anpassen der Modellwerte zu unterscheiden. Das Erstellen anhand von Beispielen und das Nutzen des fertigen Modells hängen zusammen, sind aber unterschiedliche Phasen.
Beispiele sammeln
Festlegen, was anhand welcher Daten gelernt werden soll.
Das Modell erstellen
Beim Training die internen Werte anpassen.
Eine neue Nachricht ausprobieren
Durch Inferenz eine Einordnung erhalten und mit der wirklichen Nachricht vergleichen.
Werbung auswählen und Antworten schreiben
Ein Modell, das Werbung erkennt, und eines, das neue Antwortsätze erzeugt, haben unterschiedliche Ausgabeziele. Generative KI bezeichnet Systeme, die Inhalte wie Sätze, Bilder und Klänge erzeugen; heutige generative KI nutzt meist durch maschinelles Lernen trainierte Modelle. Maschinelles Lernen ist ein Ansatz innerhalb der KI. Auch ein Modell, das nur Nachrichten einordnet und keine Texte schreibt, kann auf maschinellem Lernen beruhen.
Diese Unterscheidungen sind keine sich gegenseitig ausschließenden Kästen. Ein Dienst kann Nachrichten mit einem Klassifikator auswählen, Antwortentwürfe mit einem generativen Modell schreiben und die Ergebnisse mit menschlich festgelegten Regeln weiterverarbeiten. Eine Gesprächsoberfläche beweist nicht, dass nur ein Modell dahintersteckt. Selbst wenn Klassifikation, Erzeugung und Regeln auf einem Bildschirm zusammenkommen, lassen sich ihre Aufgaben getrennt betrachten.
Gut formulieren und recht haben
Auch flüssige, selbstbewusste Antworten oder Erklärungen können sachlich falsch sein. Wie ein Klassifikator falsch auswählen kann, kann ein generatives Modell plausible Fehler erzeugen. Ob Ergebnisse stimmen, muss mit passenden Quellen und Bewertungen für den jeweiligen Zweck geprüft werden. Rechnen Sie Angaben nach und prüfen Sie, ob genannte Titel und Links existieren und die Behauptung stützen. Sprachliche Gewandtheit allein ist kein Beleg für Richtigkeit.
Prüfen Sie Antwortentwürfe außerdem auf erfundene Tatsachen und unnötige persönliche Informationen. Informieren Sie sich vor der Eingabe persönlicher oder nicht öffentlicher Daten über die Verarbeitungsregeln des Dienstes. Mehrere kombinierte Ansätze garantieren weder richtige Ergebnisse noch sichere Datenverarbeitung. Auch bei praktischen Funktionen hilft es, Eingaben, Ausgaben und deren Überprüfung zusammen zu betrachten, um KI konkreter zu verstehen.
Schon eine einzige Nachricht zeigt verschiedene Aufgaben hinter dem großen Begriff KI. Wenn Sie das nächste Mal eine Schaltfläche „KI-Funktion“ sehen, fragen Sie zuerst: Wählt sie aus oder erzeugt sie etwas?