Ich habe ▸ Google Gemini nach dem ▸ PHP Script gefragt, welcher von 6am bis 6pm stündlich die Imagefilme wechselt. Dem erhaltenen Script hinzugefügt habe ich die Auszeichnungen autoplay muted loop und playsinline - damit die Filme auch in Mobiles automatisch spielen.
Künstliche Intelligenz
Philemon Wildberger bringt Licht
in die Künstliche Intelligenz.
Dienstag, 18. März 2025 19.00 Uhr
Restaurant Gemeindehaus Thayngen

Ich werde diesen Vortrag aller Voraussicht nach besuchen. Entsprechend der Ausschreibung erwarte ich Licht in mein Dunkel sprich den Zusammenhang zwischen der sogenannten "Künstlicher Intelligenz" und den in diesem Zusammenhang meistgenannten LLMs. Bis heute gehe ich davon aus, dass Maschinen keinem intrinsic process folgen, also nicht von sich aus lernen (wollen) und nicht fähig sind, abstrakt und vernünftig zu denken, um daraus zweckvolles Handeln abzuleiten - also und im Gegenteil zu denjenigen, welche LLMs entwickeln, nicht intelligent sind. Auch gehe ich bis heute davon aus, dass die sogenannte "KI" resp. die LLMs quasi ▸ vermenschlicht wird. So beginne wohl nicht nur ich eine Frage mit: "Lieber Claude, ..." (▸ Claude) und bedanke mich zum Schluss. Und nicht zuletzt gehe ich davon aus, dass LLMs einfach nur energie-hungrige Datenstrukturwandler sind.

Ich werde mich folgend nicht mit der sogenannten "KI" (ist mir schlicht zu schwierig), sondern mit LLMs auseinandersetzen. Lieber nicht allein: ▸ Chat Room (die Scripts für diesen Chat Room hat mir ▸ Claude 'geschrieben').
LLM
(Large Language Model)

Die 4 Stufen von der Ein- bis zur Ausgabe:

1. Tokenisierung: Vom Text zum Token

2. Embedding: Vom Token zum Vektor

Maschinen können nur mit Zahlen - 1345 6483 ... - rechnen!

3. Vorhersage des nächsten Tokens

Der Kern eines LLM ist die Berechnung der Wahrscheinlichkeit des nächsten Tokens. Am Wahrscheinlichsten kommt nach "mit freundlichen " - Grüssen.

4. Dekodierung: von der Token-Wahrscheinlichkeit zum Text

Mit 1345 6483 9834 4397 4523 ...können wir nichts anfangen.

Ich nutze LLMs (vorzugsweise ▸ Claude) und oder ▸ Google Gemini oder ... täglich für Scripts aller Art - siehe Beispiel ganz oben. Dabei handelt es sich um eindeutige und endliche Aufgaben, deren Lösungen ich unmittelbar überprüfen kann. Ein weiteres Beispiel siehe ▸ Chat Room. Dabei hat mir Claude nicht nur die Scripts geliefert, sondern mich leicht verständlich unterwiesen, wie ich mit den Scripts vorgehen kann/soll/muss.

Kritik
(ist grundsätzlich und insbesondere eine der vornehmsten Disziplinen - und ebenso grundsätzlich weder positiv noch negativ konnotiert)

Vorweg: ich nutze die Dienste von LLMs (Large Language Models) eigentlich täglich zur unmittelbaren Verifikation / Falsifikation eindeutiger und endlicher Handlungen und Handlungsabläufe in den gängigen Scriptsprachen. Siehe resp. lese das Kleingedruckte unterhalb der Imagefilme ganz oben in dieser Seite.

Der Referent hat von Künstlicher Intelligenz (und nicht von der Sogenannten Künstlichen Intelligenz und nicht von LLMs, obwohl er meist über das LLM ChatGPT gesprochen hat!) und von Denken und Lernen gesprochen. Dabei sind LLMs weder künstlich noch intelligent (z.B. Jaron Lanier im ▸ newyorker) - und sie können weder denken noch lernen. LLMs können eine Eingabe (einen sogenannten Prompt) dank enormer Rechenleistung in kürzester Zeit (daher die Bezeichnung Prompt) Unmengen bestehender Daten entsprechend neu strukturieren. LLMs geben keine Antwort. Grüssen wir zum Schluss und sagen Danke, ist das "Gern geschehen" seitens des LLMs keine Antwort - weil das LLM, im Gegensatz zu uns, gar nicht anders kann als wahrscheinlich richtig auf den Prompt zu reagieren. Wir sollten Maschinen nicht einmal ansatzweise vermenschlichen.

Der Referent hat Beispiele gezeigt, die unmittelbar überprüft werden konnten. Schlaue SchülerInnen neigen hin und wieder dazu, ihre LehrerInnen fiktiv zu fragen:"Warum fragen Sie mich, wenn Sie die Antwort höchstvermutlich bereits wissen?". Noch schlauere SchülerInnen neigen, nicht nur fiktiv, hin und wieder dazu, ihren Lehrpersonen offensichtlich nicht-beantwortbare Fragen zu stellen, nur um sie vielleicht überführen zu können. Vermutlich versuchen nicht wenige NutzerInnen von LLMs, diese zu überführen. Im Gegensatz zur anerkannten Primärliteratur sind LLMs absolut unnütze Informationsquellen, sofern die Informationen nicht mit eben dieser Primärliteratur überprüft werden können. Bedeutet: Warum nicht gleich ...?

Der Referent ist in seinem Referat grundsätzlich davon ausgegangen, dass LLMs meist richtige Antworten geben und darin zumindest immer besser werden. LLMs können weder richtig von falsch unterscheiden noch besser werden. In einem gewissen Sinn "besser" wird höchstwahrscheinlich [sic!] die Rechenleistung, nicht aber die ▸ Wahrscheinlichkeit. Die liegt nach wie vor zwischen 0 und 1, wobei LLMs wie gesagt nicht ...

Vom Referenten nicht angesprochen wurden die ethischen Aspekte der Informationen im www (LLMs beziehen sich ausschliesslich auf diese Quelle). Weil diese Informationen wohl zu >90% von weissen, alten Männern geschrieben werden, können sie durchaus bestehende, gesellschaftliche Vorurteile widerspiegeln. Dies wiederum kann zu diskriminierenden und/oder voreingenommenen Ausgaben führen.

Die Kritik dieser Veranstaltung richtet sich vermutlich zuerst an die Veranstalter, welche nicht zum Beispiel ▸ Beat Doebeli Honegger oder Juraj Hromkovic von der ETHZ oder ... eingeladen haben.