Jochens AI Blog

“Ein Blinder kann zwar lernen, mit dem Wort 'blau' umzugehen, aber er kann nicht wirklich verstehen , was blau bedeutet.” “Aber auch ein Blinder kann wissen, dass verschiedene Schattierungen von blau, in denen das Meer vor der Küste Sardiniens erscheint, Menschen ästhetisch berührt, dass Blau die Farbe des Himmels ist, dass Leute im “Blaumann” schwere technische Arbeiten erledigen, er kann “ins Blaue” hinein fabulieren, blau machen, den Blues haben und Blues mögen, mit einem blauen Auge davonkommen, wissen das Verkehrsampeln nie blau sind, Blaulicht hingegen per definitionem, oder vom Blauen Band in der romantischen Lyrik gehört haben und vielleicht emotional davon berührt sein.“ “Aber all diese Aussagen sind nur angehängt an den zentralen Begriff von der Farbe blau, diese ist die ursprüngliche Essenz von Blau, und diese kann der Blinde nicht kennen, deshalb kann er “blau” nicht wirklich verstehen . Im Zentrum seines Verständnisses von blau sitzt sozusagen ein blinder Fl...

Man kann Chat GPT dazu überreden, dass 2+2 = 5 sei, er entschuldigt sich dann überschwänglich dafür, behauptet zu haben, es sei 4.   Ist das ein Beleg dafür, dass die kognitiven Leistungen, die er anderweitig an den Tag gelegt hat, nur “Fake” waren? Ich denke nicht. Ein Taschenrechner ist bzgl. der Frage nach 2+2 unbestechlich und unfehlbar, ein Kind ist es nicht. Ich sehe es eher als eine spezifische Schwäche von Chat GPT, dass er momentan noch sehr schlecht in der Lage ist, verschiedene Grade von Gewissheit zu managen. Aber es würde mich wundern, wenn es nicht möglich wäre, dieses "Halluzinieren" zu überwinden. Auch Menschen haben oft, individuell oder gerne auch kollektiv, einen Hang zu starken kontrafaktischen Überzeugungen. Man könnte diese Plastizität der Weltbilder geradezu als ein Merkmal höherer Intelligenzen begreifen: ein Mensch ist zum Aberglauben fähig, ein Thermostat ist es nicht.

The internet is something, which throughout human history was not even conceivable: an ocean of information. Where “ocean” does not only refer to the vast amount of data and its global nature, but also to its fluidity: it can be accessed extremely easily (Big Data guys talk of “data lakes”). This ocean is the ecosystem, where large AI Models the like of GPT chat emerge, like the first simple forms of live emerged in the physical oceans. While Chat GPT was trained on large amounts of text in the web, future multi modal models will likely be trained also on video, sound and other data (e.g. structured sensor–data generated by cars, robots etc.). It seems no longer too far fetched, to think of models, that digest virtually the entire internet.   But as these models do not only digest the internet for training, but will also increasingly create additional data and add it to the internet, this might lead to highly dynamic evolutions.   Like in nature, it seems easier to sta...

In der aktuellen Flut der Publikationen zu KI taucht ein Argument sehr häufig auf: “Systeme wie Chat GPT mögen vielleicht immer besser werden im Verfassen von Texten, aber sie werden niemals “wirklich verstehen”, weil sie nur statistische Verfahren sind, die Wahrscheinlichkeiten von Wortreihenfolgen ausrechnen.” Leider wird hierbei nie reflektiert, wie eine Definition von “verstehen” aussehen sollte, die dieses Urteil ermöglicht. Landläufig würden wir sagen: ein Schüler muss eine Textaufgabe in Mathe verstehen , um sie richtig lösen zu können. Eine Aufgabe muss verstanden werden, um ein Programm schreiben zu können, das sie erledigt. Wenn aber Chat GPT ebendies mit Bravour leistet, und ihm dennoch kategorisch abgesprochen wird, etwas zu “verstehen”, so ist hier offenbar eine andere Definition von “verstehen” in Anschlag, als die landläufige. Dies dämmert den Autoren wahrscheinlich selber, weshalb hier sehr oft ein “wirklich” eingeschoben wird: Chat GPT kann nicht...