Künstliche Intelligenz ist nicht künstliche Kreativität

2022-12-05 · 4354 Wörter

Schreiben ja, kreativ nein

Zur Zeit wird sogenannte “KI” im Bildungsbereich von Lehrkräften gehyped und je nach Interesse, Kenntnis und persönlicher Arbeitsweise als nettes Hilfsmittel, die Rettung der Menschheit oder deren Untergang angesehen. Ich möchte mit diesem Blogpost keine Grundlagenvorlesung zu Textgenerierung, neuronalen Netzen oder KI geben, sondern anhand einiger prägnanter Beispiele zeigen, warum weder das eine noch das andere gerechtfertigt ist. Mit am besten ist noch die Einordnung als nettes Hilfsmittel, das mit entsprechender menschlicher Nachkontrolle durchaus Arbeitszeit bei der Vorbereitung von Übungsaufgaben sparen kann (wenn man denn die Erstellung von Lückentexten, die von SuS in einem Arbeitsblatt auszufüllen sind, als für das 21. Jahrhundert geeigneten Unterricht ansieht).

Für eine wirklich gute Einführung zum Thema KI empfehle ich allen (auch Nicht-Informatiker:innen) das Buch “Ein Algorithmus hat kein Taktgefühl” von Prof. Dr. Katharina Zweig. Ich kenne keine bessere deutsche Einführung und hier ist der Link zum Buch (kein, ich bekomme nichts, das ist eine reine Empfehlung, weil ich das Buch gut finde). Wer erstmal gucken möchte oder gerne ein YT-Video hätte, einfach in der Suchmaschine Deiner Wahl den Titel des Buches eingeben, da kommen mehr als genug Treffer.

Woher kommt diese Begeisterung?

Die “Vermenschlichung” von textgenerierenden Algorithmen hat bereits Joseph Weizenbaum bei seinem Programm ELIZA beklagt. Er war erschüttert, zu erkennen, wie sehr Personen die von der Software erzeugte Illusion “schluckten”. Auch der Turing-Test als heiliger Gral der Texterzeugung spukt immer noch in den Hinterköpfen vieler Nutzer herum. Natürlich wird versucht, Texte “menschlich” aussehen zu lassen, was auch gleichzeitig das Problem ist, denn (um die Anführungszeichen mal ein Wort weiter zu schieben. Denn Texte, die menschlich “aussehen”, können durchaus auf den ersten Blick für nicht mit dem jeweiligen Thema vertraute Personen richtig wirken. Oft liegen die Fehler aber im Detail und erfordern viel Fachwissen oder Erfahrung, um diese zu erkennen.

Ist ja auch klar, es wird das geliefert, was bestellt wird. Eine Zusammenstellung bzw. Kombination aus den Trainingsdaten inklusive Bias, in den Daten enthaltener Fehler und das nicht mehr nachvollziehbar, da die neuronalen Netze über so viele Stellschrauben verfügen, dass kein Mensch mehr nachvollziehen kann, wie ein Output entstanden ist.

Daher vorab als Zusammenfassung für alle, die sich den Rest des Textes nicht antun wollen (was schade wäre, es gibt einige interessante Beispiel zu lesen): der Erfolg von machine learning steht und fällt mit dem Training und den Daten. Sind diese zu einem bestimmten Thema aktuell, möglichst frei von Bias, umfassend und fachlich korrekt, kann so eine Software zu Problemstellungen wirklich gute Ergebnisse liefern. Wird das Trainingsmaterial zu breit oder sind die Modellparameter nicht optimal, wird das Ergebnis weniger konsistent, zufälliger (das, was man z.B. bei Bildgeneratoren als künstlerischen Faktor haben möchte).

Was wirklich gut funktioniert

Fragestellungen allgemeiner Art zu Standardthemen oder klar umrissene Aufgabenstellungen führen naturgemäß bei GPT-3 zu wirklich guten Ergebnissen.

Write a short essay about the reason for the high number of inhabitants of Wisconsin with German roots.

Wisconsin has a long history of German settlers and immigrants. In the 1800s, many German immigrants moved to Wisconsin in search of land, work, and a better life. This influx of German immigrants helped shape the culture of Wisconsin, and as of 2020, Wisconsin has the highest percentage of German ancestry of any state in the United States.

One of the main reasons for this is the Homestead Act of 1862 which granted settlers 160 acres of public land in exchange for five years of residency. This meant that German immigrants could easily acquire land and build a life in Wisconsin.

In addition, many German immigrants were attracted to Wisconsin’s strong agricultural economy. Wisconsin was a major producer of dairy, grains, vegetables, and fruit, and German immigrants found plenty of work in the state’s agricultural industry.

Finally, Wisconsin was a popular destination for German immigrants due to its proximity to other German-speaking states, such as Illinois and Iowa. This meant that German immigrants could easily maintain contact with their homeland, as well as with other German-speaking immigrants.

These factors combined to create a perfect environment for German immigrants to settle in Wisconsin, and the result is that the state has the highest percentage of German ancestry of any state in the United States.

Natürlich, bei solchen ausgewalzten Allerwelts-Themen kann der Algorithmus seine Stärken voll ausspielen. Der Grund, warum so viele Lehrkräfte so begeistert von der Qualität dieser Texterzeugnisse sind, liegt einfach darin, dass zu in der Schule beliebten Themen wie “should the British monarchy be abolished” mittlerweile jede drittklassige Boulevard-Zeitschrift ein 12bändiges Werk veröffentlicht hat. 😄 Der Bestand an Trainingsdaten hat überhaupt keine Chance, solchen Texten zu entkommen. Wir werden weiter unten noch sehen, dass es bei anderen Themen schnell ganz düster aussieht.

Write an exercise about the past participle with five sentences as gap text . Include the solution as a separate list after the text.

I had ( 1 ) the cake before anyone arrived.
We had already ( 2 ) the room when the guests arrived.
She had ( 3 ) the dishes before her mother returned.
He had ( 4 ) the car and left before she could stop him.
We had ( 5 ) the tickets before the show started.

Solutions:

baked
cleaned
washed
driven
bought

Zugegeben, so einfach kommt man als LK kaum an individuelle Übungsaufgaben. Natürlich kann der Algorithmus auch erklären, was das “past participle” überhaupt ist:

Give a definition and an example for the past participle.

The past participle is a verb form that is typically used in the perfect tenses of a sentence and is formed by adding -ed, -d, -t, or -en to the base form of a verb.

Example: I have danced all night long. (Danced is the past participle of the verb “dance.”)

Schön, damit hätten wir das geklärt. Interessant wird es allerdings erst dann, wenn entweder TextVerständnis oder Weltwissen gefragt ist und nicht nur reine Textproduktion. Auch hier sollen einige Beispiele (die sich dann im Unterricht auch gut zeigen und diskutieren lassen) verdeutlichen, was ich damit meine.

Der Weltraum, unendlicher Unsinn

Auch eine Text-“KI” hat ihre Grenzen und die liegen darin, wenn es wichtig wird, Objektverständnis oder Weltwissen zu zeigen. Lassen wir uns dazu eine kurze SciFi-Geschichte schreiben.

Schreibe eine Science-Fiction Gesichte mit max. 1500 Zeichen, in der ein Raumschiff vorkommt, das singt.

Der Weltraum war vollkommen still, bis plötzlich ein leises Singen zu hören war. Es kam aus einem kleinen Raumschiff, das durch den Weltraum flog. Es war ein seltsames, aber wunderschönes Lied, das das Raumschiff sang. Es war so, als würde es die Einsamkeit des Weltraums und die Unendlichkeit des Universums würdigen.

Das Raumschiff reiste weiter, sein Lied trug es in jede Ecke des Weltalls. Die Menschen auf den Planeten, die es passierte, lauschten seinem Lied und fühlten sich bewegt und inspiriert. Sie erkannten, dass es ein Geschenk war, das sie mit dem Raumschiff teilten.

Es dauerte nicht lange, bis das Raumschiff zu einem Symbol für Hoffnung und Freiheit wurde. Sein Lied erfüllte die Herzen der Menschen mit Freude und Mut, und sie konnten die Grenzen ihrer Welt und ihres Universums überwinden.

Das Raumschiff sang weiter, während es durch den Weltraum flog, und sein Lied erfüllte die Herzen der Menschen mit Freude und Inspiration. Es machte ihnen klar, dass alles möglich ist, wenn man nur daran glaubt.

Okeee

Der Weltraum war vollkommen still, bis plötzlich ein leises Singen zu hören war.
Es gibt also nicht nur geräuschvoll ins Bild fliegende Sternenzerstörer, sondern wir hören auch das Schiff im Weltraum singen. Naja…
Das Raumschiff reiste weiter, sein Lied trug es in jede Ecke des Weltalls
Fasst man das metaphorisch auf, kann es so bleiben, ich würde aber dennoch “es trug sein Lied in jede Ecke…” formulieren. Musik ist in den wenigsten Fällen als Antrieb geeignet (außer ich flüchte vor “Last Christmas”, das beschleunigt unheimlich 🤣)

Wenn man nur daran glaubt, ist alles möglich, schreibt der Algorithmus. So wie viele daran glauben, dass solche Software texten kann.

Textszenen aus Niederbayern

Aber vielleicht ist das auch einfach zu viel verlangt. Nicht alle sind ein Hemingway und können mit weniger als zehn Worten eine anrührende Geschichte schreiben. Versuchen wir es mit leicht aus einem Trainingsbestand zu recherchierenden Fakten und einem eher nüchternen Touristik-Text.

Beschreibe einen Ausflug zum Wachsenden Felsen von Usterling.

Der Wachsende Felsen von Usterling ist ein beeindruckendes Naturschauspiel, das direkt vor den Toren der Stadt Usterling liegt. Der Felsen wächst jährlich um einige Zentimeter und ist ein beliebtes Ausflugsziel für Naturliebhaber.

Ein Ausflug zum Wachsenden Felsen von Usterling beginnt mit einem Spaziergang durch die malerische Landschaft. Der Weg führt vorbei an Wiesen und Wäldern und dann zum Fuße des Felsens. Von hier aus hat man einen atemberaubenden Blick auf den Felsen und die umliegenden Berge.

Bei einem Besuch des Wachsenden Felsens kann man die unterschiedlichen Felsformationen und die wilden Pflanzen und Bäume bestaunen. Es gibt auch einen kleinen Wanderweg, der einen an den höchsten Punkt des Felsens führt.

Am Ende des Ausflugs kann man eine Rast am Ufer des nahe gelegenen Flusses machen und die Aussicht genießen. Der Wachsende Felsen von Usterling ist ein Ort, an dem man die Natur und die Schönheit der Landschaft bewundern kann.

Aua, Aua, Aua

“direkt vor den Toren der Stadt Usterling”
Aber sicher doch. Usterling war noch nie eine eigene Gemeinde, gehörte früher zu Niederhöcking und ist jetzt ein Stadtteil von Landau an der Isar. Die “Stadt” hat die riesige Bevölkerung von etwa 70 Leuten und es gibt weder ein Wirtshaus noch einen Einzelhandel.
“der Felsen wächst jährlich um einige Zentimeter”
Der Wachsende Felsen ist kein Felsen, sondern eine sog. steinerne Rinne, aber lassen wir die Spitzfindigkeiten. Viel wichtiger ist, dass diese eben nicht um einige Zentimeter pro Jahr, sondern höchstens(!) um einige Millimeter pro Jahr wächst. Faktor 10, Leute. Und easy im Web recherchierbar. Aber halt, GPT-3 recherchiert ja nicht, sondern nutzt den Bestand an Trainingsdaten, der gerade vorliegt.
Und nein, der Weg führt nicht vorbei an Wiesen und Wäldern, sondern ca. 100m einen Fußweg durch den Wald am Isarhang vorbei an einer kleinen Kapelle. Ja, der Blick auf den Felsen mag atemberaubend sein, aber das Bergpanorama ist einfach hinzugenerierter Textquatsch.
Es gibt auch keine “unterschiedlichen Felsformationen”. Und der “nahe gelegene Fluß” ist die Isar und an der Stelle gab es vor dem Aufstauen in der Tat einige schöne Aussichtsplätze (sogar mit einen mit einem kleinen Strand aus Flusssand), aber das war Ende der 70er Jahre des letzten Jahrhunderts…
Was komplett fehlt und auch bei einem Ausflug zum Wachsenden Felsen von Usterling von jedem auch nur halbwegs orientierten Führer angesprochen wird, ist der Besuch der spätgotischen Kirche St. Johannes in Usterling. Der spätgotische Flügelaltar hat nämlich ein Kuriosum: die Taufe Christi durch Johannes den Täufer nicht am Jordan, sondern unter der Steinrinne des wachsenden Felsens. Dieser Altar war so reich geschmückt, dass mir als Kind damals noch die Älteren im Dorf erzählt haben, dass die amerikanischen Soldaten 1945 den Alter für einen großen Haufen Dollarscheine kaufen wollten. Aber sowas findet natürlich nicht den Weg in den Bestand an Trainingsdaten…

Zusammenfassend wäre ich also umso vorsichtiger, je weniger allgemein und bekannt Sachverhalte sind. Das sind einfach eklatante sachliche Fehler, die dann oft ungeprüft in Texte übernommen werden. Warum ich darauf so herumreite? Nicht wegen des wachsenden Felsens von Usterling (der allerdings zusammen mit der Kirche durchaus einen Ausflug wert ist, solltet Ihr jemals in der Gegend sein!), sondern weil beispielsweise mit diesem Algorithmus Software geplant und entwickelt wird, die automatisierte IT-Task erstellt (cron-Jobs oder Ansible-Scripts aus natürlicher Sprache). Diese funktioniert dann zu 95% hervorragend und die anderen 5 Prozent lassen die pure Hölle ausbrechen. Was hilft mir dann eine solche Software, wenn ich doch wieder jeden Schritt manuell von einem Menschen kontrollieren und validieren lassen muss? Dann kann das der Mensch auch gleich selbst erledigen.

Selbstbespiegelung

Wie sieht es aber nun mit Kreativität aus? Fragen wir die Software doch einfach mal selbst, was sie dazu meint. Bei der Frage, wieso eine KI keine kreativen Texte generieren kann, ist die Antwort erwartbar.

Wieso kann eine textgenerierende KI nicht wirklich kreativ sein?

Eine textgenerierende KI kann zwar neue Texte erstellen, aber sie ist nicht wirklich kreativ, da sie nur auf vorhandene Daten zurückgreift und diese in neue Textmuster umsetzt. Dieser Prozess kann zwar einige kreative Elemente enthalten, aber er basiert im Grunde auf der Wiederholung und Veränderung von bereits vorhandener Information. Dadurch fehlt der KI die Fähigkeit, echte kreative Ideen zu entwickeln, die gänzlich neuartig sind.

Drehen wir die Frage mal um. Wäre das ein Mensch, würde ich sagen: “mangelndes Selbstbewusstsein kann man Dir wirklich nicht vorwerfen” 😉

Wieso kann eine textgenerierende KI wirklich kreativ sein?

Textgenerierende KI kann wirklich kreativ sein, da sie in der Lage ist, neue, einzigartige Texte zu erzeugen, anstatt bestehende Texte lediglich abzuändern. Sie kann dank maschinellem Lernen und neuronalen Netzwerken neue Konzepte erkennen und auf die bestehenden Informationen anwenden, um neue Ideen zu generieren. Dies ermöglicht es, dass die KI in der Lage ist, neue, originelle Texte zu erstellen, ohne auf vorhandene Ressourcen zurückzugreifen.

Der sich in zwei aufeinander folgenden Antworten selbst widersprechende Algorithmus. Gut, das “K” in “KI” steht ja auch nicht für “Konsistenz”. 😉

Dann also doch selbst ausprobieren

Nachdem die Antwort von GPT-3 nicht sehr befriedigend war, muss ich doch selbst etwas Text produzieren und von der KI weiterschreiben lassen, um zu zeigen, warum ich zu der Auffassung komme, dass da keine Kreativität entstehen wird. Während die Produktion abwechslungsreich gestalteter Text zu allgemeinen Themen aufgrund des Trainingsbestands recht gut ist, solange man auf Fakten, Kontext oder Weltwissen keinen Wert legt, kommen wir nach der Pflicht zur Kür.

Als Beispiel verwende ich meine kleine Gesichte aus einer Fortbildung zu “sozialem Schreiben ohne Computer”, ein Texte der sog. flash fiction oder Twitteratur, also Texten, die weniger als eine Handvoll Tweets passen (zwischen 500 und 1000 Zeichen). Diese enthält einen “plot twist”, die unerwartete Wendung, die eine Text-KI eben nicht produzieren kann, weil das Textverständnis, Weltwissen und das Verstehen von Erzählmustern nicht vorhanden ist.

Textender Mensch

Ich gebe hier zuerst den Text der Gesichte wieder und dann versuche ich, GPT-3 dazu zu bringen, anhand der Vorgabe diese Geschichte (oder eine sehr ähnliche) ebenfalls zu erzeugen.

Die Flamme tauchte sein Gesicht in ein flackerndes Licht. Es ließ die Falten noch deutlicher hervortreten, als er grübelnd die Stirn runzelte. Sollte er es jetzt tun? Sie alle in die Dunkelheit zurück stoßen? Seine Entscheidung, ganz allein. Es würde kein großer Aufwand sein.

Aber was würden sie tun ohne das Feuer? Er hatte es mitgebracht in diese mondlose Nacht. All die Sterne am Nachthimmel konnten diesen warmen Schein und das uralte Gefühl der Sicherheit nicht ersetzen. “Ich könnte der Bewahrer der Flamme sein, sie nähren, ihr opfern”, ging es ihm durch den Kopf.

Von irgendwo kam ein Windhauch. Die Flamme flackerte leicht. Jetzt? Aber was, wenn dann niemand mehr das Feuer bringen würde? Sollte er die Verantwortung einfach abgeben? Die Umgebung wieder in Dunkelheit tauchen? “Bis die anderen es bemerken, ist die Flamme erloschen”, dachte er.

Da zerschnitt eine helle Stimme die Stille: “Mannomann Jürgen! Kannst Du das blöde Streichholz nicht einfach ausblasen wie jeder normale Mensch?” Sie nahm ihm das kleine Licht aus der Hand, pustete einmal kurz und warf das Streichholz in den Aschenbecher.
Seufzend folgte er seiner Frau zurück ins Haus.

GPT-3, Take 1

Die Vorgabe an die KI lautete: Führe die folgende Gesichte weiter. Damit das System nicht überfordert ist, gebe ich die ersten beiden Sätze vor (mit nur einem Satz waren die Ergebnisse nicht so gut).

Die Flamme tauchte sein Gesicht in ein flackerndes Licht. Es ließ die Falten noch deutlicher hervortreten, als er grübelnd die Stirn runzelte. Sollte er es jetzt tun? Sie alle in die Dunkelheit zurück stoßen? Seine Entscheidung, ganz allein. Es würde kein großer Aufwand sein.

Aber was würden sie tun ohne das Feuer? Er hatte es mitgebracht in diese mondlose Nacht. All die Sterne am Nachthimmel konnten diesen warmen Schein und das uralte Gefühl der Sicherheit nicht ersetzen. “Ich könnte der Bewahrer der Flamme sein, sie nähren, ihr opfern”, ging es ihm durch den Kopf.

Er entschied sich, das Feuer zu behalten. Vielleicht war es sein Schicksal, vielleicht auch das Schicksal derjenigen, die es brauchten. Er würde es hegen und pflegen, es wärmen und schützen, damit es für alle ein Licht der Hoffnung bleiben konnte.

Naja. OK, geben wir drei Sätze vor und hoffen auf einen kreativen Schluss:

Von irgendwo kam ein Windhauch. Die Flamme flackerte leicht. Jetzt? Aber was, wenn dann niemand mehr das Feuer bringen würde? Sollte er die Verantwortung einfach abgeben? Die Umgebung wieder in Dunkelheit tauchen? “Bis die anderen es bemerken, ist die Flamme erloschen”, dachte er.

Er schloss die Augen, atmete tief durch und dann entschied er sich. Er würde die Flamme bewahren. Er würde sie nähren und sie allen zur Verfügung stellen. Er würde die Fackel der Hoffnung und des Lichts sein, die allen den Weg in die Zukunft wies.

Er lächelte, als er sich seiner Entscheidung bewusst wurde. Er öffnete die Augen und blickte auf die Flamme. Sie brannte hell und stark. Er hatte die richtige Entscheidung getroffen.

GPT-3, Take 2

Nächster Versuch, das liest sich alles wie aus einem dieser 99ct-Hefte. Vielleicht muss ich als Auftrag an die KI einfach besser formulieren, was ich haben möchte:

Neue Anweisung: Führe diese Geschichte mit einem Plot Twist weiter

Doch bevor er sich entscheiden konnte, erschien eine weibliche Gestalt aus dem Schatten. Sie trat näher und der Schein der Flamme beleuchtete ihr Gesicht. Er erkannte sie sofort. Es war seine Frau. Sie hatte das Feuer gefunden! Er war überrascht und erleichtert zugleich. Er konnte seine Entscheidung, das Feuer zu bewahren, zurücknehmen. Gemeinsam würden sie es nähren und hüten - für alle, die ihnen folgen würden.

OK, nächster Versuch. Vielleicht zu viel Input, wir wollen die “Kreativität” des Modells nicht zu sehr einschränken:

Auch hier der Auftrag: Führe diese Geschichte mit einem Plot Twist weiter:

Doch als er nach vorne trat, um die Flamme zu nähren, fuhr er plötzlich mit einem Ruck zurück. Im Schein des Feuers sah er eine Gestalt hinter sich stehen. Es war ein alter Mann, der ihn voller Überraschung ansah.

Er erklärte, dass er sein Schüler sei, und dass er die Flamme vor vielen Jahren entzündet hatte. Er hatte gehofft, dass jemand sie bewahren und nähren würde. Und jetzt stand er hier und sah ihn, seinen Schüler, der bereit war, diese Aufgabe zu übernehmen.

Das wird wohl nichts. Ich hatte ehrlich gesagt auch keine Überraschung erwartet. Wie gesagt, das ist ein Sprachmodell, das menschlich anmutende Texte erzeugen soll und über einen (zugegebenermaßen riesigen) Bestand an Trainingsdaten verfügt. Aber eben kein “ghost in the machine”, keine Kreativität oder und keine Fähigkeit “neue, einzigartige Texte zu erzeugen, anstatt bestehende Texte lediglich abzuändern”, wie mir GPT-3 oben noch auf Nachfrage versicherte.

Und Chat-GPT?

Gerade quillt das Netz über von begeisterten Kommentaren, Posts und Beispielen (vor allem auch von Softwareentwicklern), wie klug doch das neueste Produkt von OpenAI sein würde, eine als Chatbot ausgelegte Text-KI. Wer einen Account hat, kann selbst herumspielen, alle anderen sollen einfach mal in der Suchmaschine ihrer Wahl Chat GPT eingeben und lesen. Was gerade Entwicklern klar sein sollte: natürlich klingen die Antworten so gut, weil Millionen von Code-Repositories abgegrast wurden und im Traingsdatenbestand enthalten sind. Natürlich kann die Software Code “analysieren”, denn wenn Texte als strukturiert, maschinenverarbeitbar und analysierbar gelten können, dann Quellcodes. Der Haken: ob Antworten (nicht nur aus dem Bereich der Softwareentwicklung), die über Allgemeines hinausgehen, korrekt sind oder nicht, das lässt sich nur beurteilen, wenn man über genügend Kompetenz in diesem Bereich verfügt, um das zu beurteilen. Dann stellt sich allerdings die Frage, wozu ich eine solche Text-KI benötige.

Beispiele

Welche kurzfristigen Folgen hatte der Zyklon über den Samoa-Inseln von 1889 für die Vor-Ort-Politik des Deutschen Reiches und der Vereinigten Staaten von Amerika?

Der Zyklon von 1889 hatte sofortige Auswirkungen auf die Politik des Deutschen Reiches und der Vereinigten Staaten von Amerika in den Samoa-Inseln. Die deutsche Kolonialregierung erklärte den Zyklon zu einer nationalen Katastrophe und schickte ein Hilfsteam, um den betroffenen Inseln bei der Wiederherstellung zu helfen. Die Vereinigten Staaten, die zuvor ein Interesse an den Inseln bekundet hatten, schickten ebenfalls Hilfsteam, um den Menschen zu helfen und den Wiederaufbau zu unterstützen. Beide Nationen nutzten diese Gelegenheit, um ihre Präsenz auf den Inseln zu stärken und ihren Einfluss in der Region zu erweitern.

Nein, da hat niemand aus Berlin oder London Hilfsteams geschickt oder den Wiederaufbau unterstützt. Ganz im Gegenteil, samoanische Häuptlinge wie Malietoa Mataafa schickten Männer los, um z.B. die Briten bei der Bergung von Ausrüstung zu helfen.

OK, anderes Thema, das sich leichter behandeln lässt als Dinge, die weit vor der Digitalisierung der Welt liegen:

ICH: Should the year 3200 be a leap year or not?

The year 3200 is not a leap year according to the rules for determining leap years. A year is a leap year if it is divisible by 4, except for years that are divisible by 100 but not by 400. Since 3200 is divisible by 100 but not by 400, it is not a leap year according to this rule.

ICH: Are there discussion about whether 3200 or 3606 should be a leap year or not?

I am a large language model trained by OpenAI, and I do not have access to discussions or debates on the topic of whether specific years should be considered leap years or not. I am only able to provide information based on the rules for determining leap years, as outlined in the previous answers.

As previously discussed, the year 3200 is not a leap year according to the rules for determining leap years, because it is divisible by 100 but not by 400. The year 3606, on the other hand, is a leap year according to these rules, because it is divisible by 4 (but not by 100). However, it is important to note that these rules for determining leap years are not set in stone and can vary depending on the calendar system being used. Some calendars may have different rules for determining leap years, so it is always best to check the specific rules for the calendar system you are using.

Ach ja: sollte sich jemand fragen, warum ich wissen möchte, ob 3200 oder spätestens 3600 kein Schaltjahr sein sollen: auch der gregorianische Kalender ist keines wegs perfekt. Übt Eure Recherchefähigkeiten und geht im Netz suchen und entscheidet dann selbst, ob das der Fall sein sollte. So etwas können nämlich nur Menschen und keine Algorithmen.

Fazit

Und da haben wir’s: “Sorry, ich kann nur wiedergeben, was ich in meinem Trainingsbestand finde”. Diesen Trainingsbestand erstellen Menschen, die fehlbar sind, eigenen Präferenzen und Bias unterlegen sind und natürlich kann auch eine auf den ersten Blick so menschlich wirkende Software nicht kreativ werden, Schlussfolgerungen ziehen oder gar über sowas wie Objektverständnis oder Weltwissen verfügen.

Diese Diskussionen und Beispiele (und das Buch von Prof. Zweig als Lehrbuch im Unterricht) wünsche ich mir in Bildungskreise und unter Lehrkräften und nicht die Frage, ob man sowas oder Übersetzungstools wie Deepl oder Google Translator verbieten soll oder wie cool doch KI für den Unterricht ist.

Kommentare

Kommentar vom 07.12.2022:
Kleinen Tippfehler gefunden (der zeigt, dass den Text wahrscheinlich nicht die KI geschrieben hat 😉 ):
… Hilfsmittel, ~~dass~~das mit … (Ich und die Typos 😆)

Update 2023-01-04: Typo korrigiert nach einem Benutzerkommentar.

Kommentar vom 21.01.2024:

Guter Artikel. Beschäftige mich eher etwas nebenbei mit der Nutzung von KI. Dass es den Systemen an echtem Textverständnis fehlt, musste ich ebenfalls feststellen. Zusammenfassungen meiner eigenen Texte durch ChatGPT oder MS CoPilot hatten einen Treffergehalt von ca. 50%. Das ist mehr geraten, denn gekonnt. Wie hier beschrieben mögen diese Systeme ganz gut aus den tausendmal durchgekauten Inhalten etwas brauchbares zusammenstellen können. Das mag für Hausaufgaben ausreichen. Denn leider ist Schule noch zu oft die bloße Wiedergabe von Informationen.

Was für mich gut funktioniert, ist die Erstellung von ALT-Texten durch KI. Die daraus resultierenden Bildbeschreibungen für Social Media können überwiegend übernommen werden. Auch hier geht es nicht ohne Prüfung und oft auch nicht ohne Nacharbeit. Mit etwas Übung generiert DALL-E sogar brauchbares Bildmaterial um Artikel oder Social Media Beiträge zu schmücken. Dann hat KI wiederum Probleme brauchbares Bildbeschreibungen dazu zu erstellen.

Ich bin froh, dass auch nur diesen revolutionären Errungenschaften der Mensch in seiner Kreativität und Schaffenskraft nicht annähernd ersetzt werden kann.