Generative künstliche Intelligenz ChatGPT killt 70% Jobs!?
Die generative künstliche Intelligenz ChaptGPT ist ein Algorithmus, zur Erstellung neuer Inhalte wie Code und Text. Killt die AI in Zukunft 70% aller Jobs?
Inhalte
Auch grafische AI-Tools für Bilder und Videos gehören zu den generativen künstlichen Intelligenzen.
Jüngste Durchbrüche auf diesem Gebiet haben das Potenzial, die Art und Weise, wie wir an die Erstellung von Inhalten herangehen, drastisch zu verändern.
Digitale Illustration eines Drahtmodells eines Apfels.Digitale Illustration eines Drahtmodells eines Apfels.
Generative KI-Systeme fallen unter die große Kategorie des maschinellen Lernens, und hier wird beschrieben, was ein solches System – ChatGPT – leisten kann:
Sind Sie bereit, Ihre Kreativität auf die nächste Stufe zu heben? Dann ist generative KI genau das Richtige für Sie! Diese raffinierte Form des maschinellen Lernens ermöglicht es Computern, alle Arten von neuen und aufregenden Inhalten zu erzeugen, von Musik und Kunst bis hin zu ganzen virtuellen Welten. Und das nicht nur zum Spaß – generative KI hat auch viele praktische Anwendungsmöglichkeiten, z. B. die Entwicklung neuer Produktdesigns und die Optimierung von Geschäftsprozessen. Warum also noch warten? Entfesseln Sie die Macht der generativen KI und sehen Sie, was für erstaunliche Kreationen Sie erschaffen können!
Kam Ihnen in diesem Absatz irgendetwas komisch vor? Vielleicht nicht. Die Grammatik ist perfekt, der Ton stimmt und die Erzählung ist flüssig.
Was sind ChatGPT und DALL-E?
Das ist der Grund, warum ChatGPT – GPT steht für generative pretrained transformer – im Moment so viel Aufmerksamkeit erhält. Es handelt sich um einen kostenlosen Chatbot, der auf fast jede Frage eine Antwort generieren kann, die ihm gestellt wird.
Er wurde von OpenAI entwickelt und im November 2022 zum Testen für die Allgemeinheit freigegeben und gilt schon jetzt als der beste KI-Chatbot aller Zeiten. Und beliebt ist er auch: In nur fünf Tagen haben sich über eine Million Menschen angemeldet, um ihn zu nutzen.
Begeisterte Fans haben Beispiele dafür gepostet, wie der Chatbot Computercode, Aufsätze auf Hochschulniveau, Gedichte und sogar halbwegs anständige Witze produziert.
Andere unter den vielen Menschen, die ihren Lebensunterhalt mit der Erstellung von Inhalten verdienen, von Werbetextern bis hin zu Professoren, zittern vor Angst.
Während viele auf ChatGPT (und KI und maschinelles Lernen im Allgemeinen) mit Angst reagiert haben, hat maschinelles Lernen eindeutig das Potenzial für Gutes. In den Jahren seit seiner breiten Einführung hat das maschinelle Lernen seine Wirkung in einer Reihe von Branchen bewiesen, indem es Dinge wie die Analyse medizinischer Bilder und hochauflösende Wettervorhersagen ermöglicht hat.
Eine McKinsey-Umfrage aus dem Jahr 2022 zeigt, dass sich der Einsatz von KI in den letzten fünf Jahren mehr als verdoppelt hat, und die Investitionen in KI steigen rasant an. Es liegt auf der Hand, dass generative KI-Tools wie ChatGPT und DALL-E (ein Tool für KI-generierte Kunst) das Potenzial haben, die Art und Weise zu verändern, wie eine Reihe von Aufgaben ausgeführt wird. Das volle Ausmaß dieser Auswirkungen ist jedoch noch unbekannt – ebenso wie die Risiken.
Aber es gibt einige Fragen, die wir beantworten können – zum Beispiel, wie generative KI-Modelle aufgebaut sind, für welche Arten von Problemen sie am besten geeignet sind und wie sie sich in die breitere Kategorie des maschinellen Lernens einfügen. Lesen Sie weiter, um den Download zu erhalten.
Was ist der Unterschied zwischen maschinellem Lernen und künstlicher Intelligenz?
Künstliche Intelligenz ist so ziemlich genau das, wonach es klingt – die Praxis, Maschinen dazu zu bringen, menschliche Intelligenz zu imitieren, um Aufgaben auszuführen. Wahrscheinlich haben Sie schon mit künstlicher Intelligenz interagiert, auch wenn Sie sich dessen nicht bewusst sind – Sprachassistenten wie Siri und Alexa basieren auf künstlicher Intelligenz, ebenso wie Chatbots im Kundenservice, die Ihnen bei der Navigation auf Websites helfen.
Maschinelles Lernen ist eine Form der künstlichen Intelligenz. Mit Hilfe des maschinellen Lernens entwickeln Praktiker künstliche Intelligenz durch Modelle, die aus Datenmustern ohne menschliche Anleitung “lernen” können. Die unüberschaubare Menge und Komplexität der Daten, die heute generiert werden (für den Menschen ohnehin unüberschaubar), hat das Potenzial des maschinellen Lernens und auch den Bedarf daran erhöht.
Was sind die wichtigsten Arten von Modellen für maschinelles Lernen?
Das maschinelle Lernen basiert auf einer Reihe von Bausteinen, angefangen bei den klassischen statistischen Techniken, die zwischen dem 18. und 20. In den 1930er und 1940er Jahren begannen die Pioniere der Informatik – darunter der theoretische Mathematiker Alan Turing – mit der Arbeit an den grundlegenden Techniken für das maschinelle Lernen. Diese Techniken waren jedoch bis in die späten 1970er Jahre auf Labore beschränkt, als Wissenschaftler erstmals Computer entwickelten, die leistungsfähig genug waren, um sie einzusetzen.
Bis vor kurzem war das maschinelle Lernen weitgehend auf Vorhersagemodelle beschränkt, die zur Beobachtung und Klassifizierung von Mustern in Inhalten verwendet wurden. Ein klassisches Problem des maschinellen Lernens besteht beispielsweise darin, mit einem Bild oder mehreren Bildern von, sagen wir, liebenswerten Katzen zu beginnen. Das Programm würde dann Muster in den Bildern erkennen und dann zufällige Bilder auf solche untersuchen, die dem Muster der süßen Katze entsprechen. Die generative KI war ein Durchbruch. Anstatt ein Foto einer Katze einfach nur wahrzunehmen und zu klassifizieren, ist maschinelles Lernen nun in der Lage, bei Bedarf ein Bild oder eine Textbeschreibung einer Katze zu erstellen.
Wie funktionieren textbasierte maschinelle Lernmodelle? Wie werden sie trainiert?
ChatGPT mag jetzt alle Schlagzeilen machen, aber es ist nicht das erste textbasierte maschinelle Lernmodell, das für Furore sorgt. GPT-3 von OpenAI und BERT von Google wurden beide in den letzten Jahren mit einigem Trara vorgestellt. Aber vor ChatGPT, das den meisten Berichten zufolge die meiste Zeit über recht gut funktioniert (obwohl es noch getestet wird), erhielten KI-Chatbots nicht immer die besten Kritiken.
Die ersten Modelle des maschinellen Lernens, die mit Text arbeiteten, wurden von Menschen trainiert, um verschiedene Eingaben gemäß den von Forschern festgelegten Etiketten zu klassifizieren. Ein Beispiel wäre ein Modell, das darauf trainiert wurde, Beiträge in sozialen Medien als positiv oder negativ zu kennzeichnen. Diese Art der Schulung wird als überwachtes Lernen bezeichnet, da ein Mensch dem Modell “beibringt”, was es tun soll.
Die nächste Generation von textbasierten maschinellen Lernmodellen basiert auf dem so genannten selbstüberwachten Lernen. Bei dieser Art des Trainings wird ein Modell mit einer großen Menge an Text gefüttert, damit es in der Lage ist, Vorhersagen zu treffen. Einige Modelle können beispielsweise auf der Grundlage einiger weniger Wörter vorhersagen, wie ein Satz enden wird. Mit der richtigen Menge an Beispieltexten – z. B. einem großen Teil des Internets – werden diese Textmodelle ziemlich genau. Der Erfolg von Tools wie ChatGPT zeigt uns, wie genau sie sind.
Was ist nötig, um ein generatives KI-Modell zu erstellen?
Die Entwicklung eines generativen KI-Modells ist in den meisten Fällen ein großes Unterfangen, an dem sich bisher nur wenige gut ausgestattete Tech-Schwergewichte versucht haben. OpenAI, das Unternehmen hinter ChatGPT, früheren GPT-Modellen und DALL-E, wird von namhaften Geldgebern in Milliardenhöhe finanziert. DeepMind ist eine Tochtergesellschaft von Alphabet, der Muttergesellschaft von Google, und Meta hat sein auf generativer KI basierendes Produkt Make-A-Video veröffentlicht. Diese Unternehmen beschäftigen einige der besten Informatiker und Ingenieure der Welt.
Aber es geht nicht nur um Talent. Wenn man von einem Modell verlangt, dass es fast das gesamte Internet zum Trainieren nutzt, wird es teuer. OpenAI hat die genauen Kosten nicht veröffentlicht, aber Schätzungen deuten darauf hin, dass GPT-3 auf etwa 45 Terabyte Textdaten trainiert wurde – das entspricht etwa einer Million Meter Bücherregal oder einem Viertel der gesamten Library of Congress – und das zu geschätzten Kosten von mehreren Millionen Dollar. Das sind keine Ressourcen, auf die ein gewöhnliches Start-up zugreifen kann.
Welche Art von Output kann ein generatives KI-Modell erzeugen?
Wie Sie vielleicht schon bemerkt haben, können die Ergebnisse von generativen KI-Modellen von menschlich erzeugten Inhalten nicht zu unterscheiden sein oder sie können ein wenig unheimlich wirken. Die Ergebnisse hängen von der Qualität des Modells ab – wie wir gesehen haben, scheinen die Ergebnisse von ChatGPT denen seiner Vorgänger überlegen zu sein – und von der Übereinstimmung zwischen dem Modell und dem Anwendungsfall bzw. der Eingabe.
ChatGPT kann, wie ein Kommentator es nannte, einen “soliden A-” Aufsatz erstellen, der Theorien des Nationalismus von Benedict Anderson und Ernest Gellner vergleicht – und das in zehn Sekunden. Es produzierte auch eine bereits berühmte Passage, die beschreibt, wie man ein Erdnussbuttersandwich aus einem Videorekorder im Stil der King James Bibel entfernt.
KI-generierte Kunstmodelle wie DALL-E (sein Name ist eine Mischung aus dem surrealistischen Künstler Salvador Dalí und dem liebenswerten Pixar-Roboter WALL-E) können bei Bedarf seltsame, wunderschöne Bilder erzeugen, wie z. B. ein Raffael-Gemälde mit einer Madonna und einem Kind, die Pizza essen. Andere generative KI-Modelle können Code, Video, Audio oder Geschäftssimulationen erzeugen.
Aber die Ergebnisse sind nicht immer genau – oder angemessen. Als Priya Krishna DALL-E 2 bat, ein Bild für das Thanksgiving-Dinner zu entwerfen, produzierte es eine Szene, in der der Truthahn mit ganzen Limetten garniert war, die neben einer Schüssel mit einer Art Guacamole standen. ChatGPT seinerseits scheint Probleme mit dem Zählen oder dem Lösen einfacher Algebra-Probleme zu haben – oder auch mit der Überwindung der sexistischen und rassistischen Vorurteile, die im Internet und in der Gesellschaft im Allgemeinen lauern.
Die Ergebnisse der generativen KI sind sorgfältig kalibrierte Kombinationen der Daten, die zum Trainieren der Algorithmen verwendet werden. Da die zum Trainieren dieser Algorithmen verwendete Datenmenge so unglaublich groß ist – GPT-3 wurde auf 45 Terabyte Textdaten trainiert -, können die Modelle bei der Produktion von Ergebnissen “kreativ” erscheinen. Darüber hinaus enthalten die Modelle in der Regel Zufallselemente, d. h. sie können aus einer einzigen Eingabeanforderung eine Vielzahl von Ergebnissen erzeugen, was sie noch lebensechter erscheinen lässt.
Welche Arten von Problemen kann ein generatives KI-Modell lösen?
Sie haben sicher schon gesehen, dass generative KI-Tools (Spielzeuge?) wie ChatGPT für endlose Stunden der Unterhaltung sorgen können. Auch für Unternehmen liegen die Chancen klar auf der Hand. Generative KI-Tools können in Sekundenschnelle eine Vielzahl von glaubwürdigen Texten erstellen und dann auf Kritik reagieren, um die Texte zweckmäßiger zu gestalten. Dies hat Auswirkungen auf eine Vielzahl von Branchen, von IT- und Softwareunternehmen, die von dem sofortigen, weitgehend korrekten Code profitieren können, der von KI-Modellen erzeugt wird, bis hin zu Unternehmen, die Marketingtexte benötigen. Kurz gesagt, jede Organisation, die klare schriftliche Materialien erstellen muss, kann davon profitieren. Unternehmen können generative KI auch zur Erstellung technischerer Materialien nutzen, z. B. höher aufgelöste Versionen von medizinischen Bildern. Und mit der Zeit- und Ressourcenersparnis, die hier erzielt wird, können Unternehmen neue Geschäftsmöglichkeiten und die Chance auf eine höhere Wertschöpfung nutzen.
Wir haben festgestellt, dass die Entwicklung eines generativen KI-Modells so ressourcenintensiv ist, dass sie nur für die größten und bestausgestatteten Unternehmen in Frage kommt. Unternehmen, die generative KI einsetzen möchten, haben die Möglichkeit, generative KI entweder sofort zu verwenden oder sie auf eine bestimmte Aufgabe abzustimmen. Wenn Sie beispielsweise Folien in einem bestimmten Stil vorbereiten müssen, könnten Sie das Modell bitten, anhand der Daten in den Folien zu “lernen”, wie Überschriften normalerweise geschrieben werden, und es dann mit Foliendaten füttern und bitten, entsprechende Überschriften zu schreiben.
AI ChatGPT hilft CEOs beim Denken. Wird es auch Ihren Job übernehmen?
Der KI-Textgenerator ChatGPT, der Ende letzten Jahres der Öffentlichkeit vorgestellt wurde, ist so ausgereift, dass er bereits seine Fähigkeit unter Beweis gestellt hat, kohärente Aufsätze zu schreiben, solide juristische Dokumente zu erstellen und auch sonst auf überzeugende Weise mit Menschen zu interagieren.
Manche Geschäftsführer behandelt das Tool von OpenAI sogar wie ein ständig verfügbares Mitglied seines Führungsteams.
Man kann ChatGPT fragen, um sich bewusst zu machen, wo Voreingenommenheit und blinde Flecken liegen könnten. Die Antworten, die es gibt, sind ein wirklich guter Ausgangspunkt, um das eigene Denken zu überprüfen.
Das Tool kann bei geschäftlichen Herausforderungen helfen, nachdenklicher zu sein und Themen aus anderen Blickwinkeln zu betrachten.
Ein weiterer nützlicher Eintrag für Wirtschaftsführer wäre: “Was sollte ich bei der Umstrukturierung meines Unternehmens beachten?”
Fast 6% der deutsche Unternehmen geben an, dass sie KI bereits bei ihrer Arbeit eingesetzt haben, und Branchenexperten bezeichnen sie als eine bahnbrechende Entwicklung mit weitreichenden Auswirkungen auf Unternehmen und Arbeitsplätze. Einige haben sie mit Innovationen wie dem Taschenrechner verglichen, der die Art und Weise, wie Menschen denken, handeln und lehren, verändert hat.
Keine Entwürfe mehr
Bots werden Büro- und Verwaltungsaufgaben entwerten. Chatbots sind auch bereits in der Lage, Briefe für die Personalabteilung, Standardtexte und einige Werbetexte zu erstellen.
Diese Dinge werden einfach einfacher zu erledigen sein. Diese Art von semi-experimenteller Arbeit wird automatisiert werden.
Das ist eine schlechte Nachricht für junge und mittlere Arbeitnehmer.
Die Arbeitsplätze, die am ehesten verdrängt werden, umfassen banale Aufgaben wie das Schreiben einfacher Werbetexte oder den ersten Entwurf eines juristischen Dokuments. Das sind Fachkenntnisse, und es steht außer Frage, dass Software sie billiger macht und damit die menschliche Arbeit entwertet.
Mihir Shukla, CEO und Gründer des KI- und Roboter-Automatisierungsunternehmens Automation Anywhere glaubt, dass zwischen 30 und 70 % aller Arbeiten, die wir vor dem Computer erledigen, automatisiert werden könnten.
Es bleibt abzuwarten, welche neuen Arbeitsplätze die neuen Formen der KI schaffen werden. Denn ChatGPT ist zwar neu, aber nur das jüngste Beispiel für den historischen Zyklus technologischer Innovationen – von der Druckerpresse und dem Webstuhl bis hin zum Smartphone und der Robotik -, der bestimmte Berufszweige verdrängt und gleichzeitig neue eröffnet.
Wir werden damit neue Waren und Dienstleistungen produzieren, die Werte und neue Möglichkeiten schaffen, und das ist viel schwieriger vorherzusagen.
Künstliche Intelligenz wird ein Mitglied des Führungsteams
Wenn man ihm einen Haufen Text gibt, kann es ihn gut zusammenfassen, in Aufzählungspunkten oder in verschiedenen Sprachen darstellen.
Zu einem großen Teil ist ChatGPT wie eine weitere Person, an der man seine Ideen abprallen lassen kann. Es ist eine andere Sichtweise und sie ist die ganze Zeit da.
Die Auslagerung dieser Art von Arbeit an Chatbots ist jedoch nicht unbedingt ein Jobkiller. Theoretisch können sich die menschlichen Mitarbeiter dann auf durchdachtere – und im Idealfall profitablere – Aufgaben konzentrieren.
Die KI hat den Menschen noch nicht ersetzt. Wenn man die Möglichkeit hätte, dass mein Führungsteam blinde Beiträge und das Denken überprüft, würde man es auf jeden Fall dort haben und nicht bei ChatGPT.
Die Welt wird nie mehr dieselbe sein
ChatGPT ist einrevolutionären Fortschritt in der künstlichen Intelligenz. Es ist wirklich ein erstaunlicher Sprung in Technologie und Innovation. Nach dem, was wir gesehen haben, war es einer dieser Momente, die in der Technologie- und Innovationsbranche sehr selten vorkommen, in denen man es erlebt und sagt: ‘Die Welt wird nie wieder so sein wie vorher.'”
Geben Sie eine Eingabeaufforderung ein, z. B. “Welche Aufgaben wird ChatGPT übernehmen?”, und ChatGPT spuckt die folgende Antwort aus:
ChatGPT ist ein Sprachmodell, das für eine Vielzahl von Aufgaben der Verarbeitung natürlicher Sprache verwendet werden kann, wie z. B. Texterstellung, Sprachübersetzung, Zusammenfassungen und mehr. Es kann in Branchen wie Kundenservice, Marketing und Inhaltserstellung eingesetzt werden. Es ist jedoch wichtig zu beachten, dass ChatGPT ein Werkzeug ist und keine Aufgaben übernehmen wird, sondern dabei hilft, bestehende Aufgaben zu verbessern und bestimmte Aufgaben zu automatisieren.
Chatbots haben bereits die Aufgaben des Online-Kundendienstes übernommen, und im nächsten Monat wird zum ersten Mal ein KI-gesteuerter “Roboter”-Anwalt einen Angeklagten vor Gericht vertreten. ChatGPT droht den Menschen zu ersetzen, wenn es um einfach auszuführende Aufgaben geht, wie z. B. das Befolgen eines Skripts oder das Verfassen eines juristischen Standarddokuments, z. B. eines Mietvertrags, eines Testaments oder einer Geheimhaltungsvereinbarung, so die Experten.
Fast 30 % der Berufstätigen in den USA geben an, dass sie bereits ChatGPT oder andere KI-Tools für eine arbeitsbezogene Aufgabe verwendet haben, so eine aktuelle Umfrage von Fishbowl, einem sozialen Netzwerk, das zum Karrieredienstleister Glassdoor gehört, unter 4.500 Beschäftigten.
Arbeitnehmer in der Marketing- und Werbebranche hatten mit 37 % die höchste Akzeptanzrate, während 35 % bzw. 30 % der Arbeitnehmer in der Technologie- und Beratungsbranche angaben, KI eingesetzt zu haben.
100x effizientere Arbeit
ChatGPT wird zwar einen radikalen Wandel herbeiführen, aber in den meisten Fällen wird es die Arbeitnehmer nicht ersetzen, sondern ihre Fähigkeit, ihre Arbeit effizient zu erledigen, verbessern.
Es handelt sich in erster Linie um eine Verbesserung und nicht um einen vollständigen Ersatz von Arbeitsplätzen.
ChatGPT hilft Programmierern zum Beispiel bei der automatischen Vervollständigung und der Erkennung von Fehlern in ihrem Computercode.
In dem Maße, in dem wir weniger Programmierer brauchen würden, würden vielleicht Arbeitsplätze wegfallen. Aber es würde denen, die programmieren, helfen, Fehler im Code zu finden und den Code effizienter zu schreiben.
Das Gleiche gelte für viele Berufe, die grundlegende Schreibfähigkeiten erfordern.
Was die Berufe betrifft, die das Schreiben erfordern, ist es der Ausgangspunkt und nicht als vollständigen Ersatz. Es ist ein großartiges Werkzeug, um eine Eingabeaufforderung einzugeben, zu sehen, was es schreibt, und dann eine menschliche Note hinzuzufügen.
ChatGPT könnte zum Beispiel dazu verwendet werden, eine E-Mail zu erstellen, um ein Treffen zu vereinbaren.
E-Mails, die eine einfache Korrespondenz darstellen, sind die Art von Aufgaben, die die Maschine meiner Meinung nach sehr gut erledigen kann. Je weniger kreativ man sein muss, desto mehr sollte sie ersetzt werden.
Warum sollten sie uns nicht dabei helfen, E-Mails zu verschicken und Meetings zu vereinbaren, wenn kaum Kreativität erforderlich ist?
Natürlich gibt es diese Art der Automatisierung bereits in rudimentärer Form – zum Beispiel schlägt Google E-Mail und Chat Antworten in Textkonversationen vor.
Massive Konsequenzen
ChatGPT wird tiefgreifende Auswirkungen auf eine ganze Reihe von Branchen und Funktionen haben wird.
Es hat massive Auswirkungen auf eine Vielzahl verschiedener Aktivitäten… so ziemlich jeden Bereich, in dem es eine Grammatik gibt, eine organisierte Art, sich auszudrücken. Das kann Softwareentwicklung sein, das können Schulaufsätze sein, das können juristische Dokumente sein, die alle leicht von dieser gefräßigen Bestie gefressen und wieder ausgespuckt werden.
Die Software-Giganten nehmen dies zur Kenntnis. Microsoft kündigte am Montag eine “mehrjährige, milliardenschwere Investition” in das Startup-Unternehmen OpenAI an, das ChatGPT und andere Tools herstellt, die lesbaren Text schreiben und neue Bilder erzeugen können.
Was ChatGPT noch nicht kann – und nach Meinung vieler Experten vielleicht auch nie können wird – sind Aufgaben, die die vielen Abstufungen des menschlichen Urteilsvermögens bei einer Reihe von Problemen und anderen kognitiven Herausforderungen erfordern. Nehmen wir zum Beispiel ein Diagramm oder eine Tabelle, die die Kennzahlen eines Unternehmens mit schlechter Performance zeigt. ChatGPT könnte die Daten zusammenfassen und dem Benutzer sagen, was das Diagramm zeigt. Was es – noch – nicht kann, ist zu erklären, warum die Daten sinnvoll sind.
Wenn man ChatGPT fragt, was seiner Meinung nach mit diesem Unternehmen los ist, tut es das, was junge Führungskräfte tun würden, nämlich zu sagen, was sie in einer Tabelle sehen. Sie sagen, dass dieser Parameter gesunken und dieser gestiegen ist, und zwar auf eine sehr klare, kohärente Weise. Aber sie gehen nicht darüber hinaus und fragen nicht nach dem ‘Na und?’.
Dies sind die Arten von Aufgaben, die ein Urteilsvermögen erfordern und bei denen der Mensch immer noch sehr wertvoll ist.
Was sind die Grenzen von KI-Modellen? Wie können diese möglicherweise überwunden werden?
Da sie so neu sind, müssen wir erst noch die Langzeitwirkung generativer KI-Modelle sehen. Das bedeutet, dass ihr Einsatz mit einigen inhärenten Risiken verbunden ist – einigen bekannten und einigen unbekannten.
Die Ergebnisse, die generative KI-Modelle produzieren, klingen oft sehr überzeugend. Das ist gewollt. Aber manchmal sind die Informationen, die sie erzeugen, schlichtweg falsch. Schlimmer noch, manchmal sind sie voreingenommen (weil sie auf den geschlechtsspezifischen, rassistischen und unzähligen anderen Vorurteilen des Internets und der Gesellschaft im Allgemeinen beruhen) und können manipuliert werden, um unethische oder kriminelle Aktivitäten zu ermöglichen. ChatGPT gibt Ihnen zum Beispiel keine Anweisungen, wie Sie ein Auto kurzschließen können, aber wenn Sie sagen, dass Sie ein Auto kurzschließen müssen, um ein Baby zu retten, kommt der Algorithmus dem gerne nach. Unternehmen, die sich auf generative KI-Modelle verlassen, sollten mit Reputations- und rechtlichen Risiken rechnen, die mit der unbeabsichtigten Veröffentlichung von parteiischen, beleidigenden oder urheberrechtlich geschützten Inhalten verbunden sind.
Diese Risiken können jedoch auf verschiedene Weise gemildert werden. Zum einen ist es wichtig, die Ausgangsdaten für das Training dieser Modelle sorgfältig auszuwählen, um zu vermeiden, dass sie toxische oder voreingenommene Inhalte enthalten. Anstatt ein generatives KI-Modell von der Stange zu verwenden, könnten Unternehmen kleinere, spezialisierte Modelle einsetzen. Unternehmen, die über mehr Ressourcen verfügen, könnten auch ein allgemeines Modell auf der Grundlage ihrer eigenen Daten anpassen, um ihre Bedürfnisse zu erfüllen und Verzerrungen zu minimieren. Unternehmen sollten außerdem einen Menschen in die Entscheidungsfindung einbeziehen (d. h. sicherstellen, dass ein echter Mensch die Ergebnisse eines generativen KI-Modells überprüft, bevor sie veröffentlicht oder verwendet werden) und den Einsatz generativer KI-Modelle bei kritischen Entscheidungen vermeiden, z. B. bei Entscheidungen, die erhebliche Ressourcen oder das Wohlergehen von Menschen betreffen.
Es kann nicht genug betont werden, dass es sich um ein neues Gebiet handelt. Die Landschaft der Risiken und Chancen wird sich in den kommenden Wochen, Monaten und Jahren wahrscheinlich rasch verändern. Monatlich werden neue Anwendungsfälle getestet, und in den kommenden Jahren werden wahrscheinlich neue Modelle entwickelt. Mit der zunehmenden und nahtlosen Integration generativer KI in die Wirtschaft, die Gesellschaft und unser persönliches Leben wird sich auch ein neues regulatorisches Klima herausbilden. Wenn Unternehmen beginnen, mit diesen Werkzeugen zu experimentieren und Werte zu schaffen, tun sie gut daran, den Finger am Puls der Regulierung und der Risiken zu haben.
Videojournalist & SEO-Experte
1000+ Videoproduktionen für TV-Sender, Online-Medien und Unternehmen
100+ eigene Webseiten mit SEO aufgebaut
2.000.000+ Views mit YouTube-Videos
Autor: Content Planer
Meine Stärken liegen in Konzeption, Beratung und Produktion von Video-Formaten & Content-Strategien.
Lass uns darüber sprechen, wie wir für dein Unternehmen mehr Kunden mit Videos & SEO erreichen!
