Bluestexte mit ChatGPT generieren

[MS-SPO]

Ich halte es für einen Fehler, AI zu unterschätzen.

Mal als Faustregel:

• wo immer im Zusammenhang mit AI/KI
• vermenschlichende Begriffe verwendet werden,
• wie etwa "lernen", "trainieren", "schaffen", "ausdenken" usw.,

liegt eins dieser Dinge mit ziemlicher Sicherheit vor:

• Wunschdenken
• Beschaffungsnot (Geld, Aufträge, ...)
• m.E. Geltungsbedürfnis

und dieses hier fehlt fast immer vollständig:

• Einblick in diese Technologie
• Durchblick durch diese Technologie.

Es gibt positive Ausnahmen, wie etwa Journalisten, die sich sehr ernsthaft mit Möglichkeiten, Grenzen und Eigentümlichkeiten von AI/KI auf dem Gebiet des vertrauenswürdigen Journalismus beschäftigen.

 

[dubbel]

wie etwa "lernen", "trainieren", "schaffen", "ausdenken"

was ist mit „machine learning“?

 

[MS-SPO]

"machine learning" ist seit Jahrzehnten etabliert und ebenso irreführend.

Da lernt keine Maschine. Man passt einen Riesenhaufen von Parametern an einen noch viel größeren Haufen von Daten an. Das ist mathematisch, technisch und handwerklich schon alles.

Und der IQ der Maschine, so man ihn denn messen könnte, hat sich exakt um 0 Punkte danach verändert ... Der des Programmierers mag zugenommen haben, der des verzückt staunenden Publikums vielleicht ... nicht ...

 

[dubbel]

Dann würde mich mal interessieren, was du unter "Lernen" verstehst:

Da lernt keine Maschine. Man passt einen Riesenhaufen von Parametern an einen noch viel größeren Haufen von Daten an. Das ist mathematisch, technisch und handwerklich schon alles.

Lernen ist - vereinfacht gesagt - Anpassung durch Erfahrung. Was natürlich nicht so einfach ist, weil es da -zig Definitionen gibt.
Ich hab immer wieder mit machine learning zu tun, und was da passiert, ist imho nicht zu unterscheiden von biologischem Lernen.

Und der IQ der Maschine, so man ihn denn messen könnte, hat sich exakt um 0 Punkte danach verändert ...

Lernen hat keinen Einfluss auf den IQ,
(IQ kann Einfluss auf das Lernen haben.)

 

[abolesco]

Ich hab immer wieder mit machine learning zu tun, und was da passiert, ist imho nicht zu unterscheiden von biologischem Lernen.

Prompt:

was ist der unterschied zwischem menschlichem lernen und machine learnig? Antwort für Facharbeiter.

Antwort ChatGPT:

Menschliches Lernen und Maschinelles Lernen (Machine Learning) sind zwei verschiedene Ansätze zur Wissensaneignung und Problemlösung. Hier ist eine Erklärung für Facharbeiter:

1. Menschliches Lernen:
   • Biologische Grundlage: Das menschliche Lernen basiert auf dem komplexen Nervensystem des Menschen, insbesondere auf dem Gehirn. Neuronen im Gehirn bilden Verbindungen, die als Grundlage für das Lernen dienen.
   • Lernprozess: Menschen lernen durch Erfahrung, Beobachtung, Interaktion und Denken. Sie sammeln Informationen aus der Umwelt, verarbeiten diese in ihrem Gehirn und passen ihr Verhalten und Wissen entsprechend an.
   • Abstraktion und Verallgemeinerung: Menschen können abstrakte Konzepte entwickeln, Informationen generalisieren und auf neue Situationen anwenden. Dieses Vermögen basiert auf kognitiven Fähigkeiten und Erfahrung.
2. Maschinelles Lernen:
   • Künstliche Grundlage: Maschinelles Lernen ist eine Disziplin des Computerwesens, die auf Algorithmen und mathematischen Modellen basiert. Es simuliert gewissermaßen den Lernprozess, den Menschen verwenden.
   • Lernprozess: Maschinelles Lernen ermöglicht Computern, aus Daten zu lernen. Modelle werden mit großen Datenmengen trainiert, um Muster und Zusammenhänge zu erkennen. Dies erfolgt durch Optimierung von Algorithmen und Modellen.
   • Abstraktion und Verallgemeinerung: Maschinelles Lernen ermöglicht es Computern, aufgrund von Daten zu generalisieren und Prognosen zu treffen. Dies kann in Anwendungen wie Vorhersagen, Mustererkennung und Entscheidungsfindung eingesetzt werden.

Der Hauptunterschied besteht darin, dass menschliches Lernen auf biologischen Prozessen und kognitiven Fähigkeiten basiert, während maschinelles Lernen auf algorithmischen und mathematischen Ansätzen beruht. Menschen können oft komplexe Muster erkennen, flexibel auf neue Situationen reagieren und abstrakte Konzepte entwickeln, während Maschinen auf präzise Anweisungen und große Datenmengen angewiesen sind, um zu lernen und zu handeln.

 

[dubbel]

geil

 

[MS-SPO]

Ich hebe einmal die vermenschlichenden Begriffe der letzten beiden Beiträge hervor:

Erfahrung

aus ... zu lernen

trainiert

erkennen

generalisieren

Prognosen zu treffen

handeln

Bestenfalls sind das beschreibende Analogien, mitunter auch nur Zielsetzungen.

Und leider ist nichts davon etwas, was ein Stück Technik "kann", "will" oder gar "aus innerem Antrieb muss". Wird's deutlich? Auch wieder nur vermenschlicht

Und damit gehören alle Phantasien über KI-Kreative, Sunnies (I-Robot), Terminatoren, Jobkiller usw. dahin, wo sie herkommen: in unsere Phantasie, in unsere Wunschvorstellungen. Wer sich täuschen lassen mag: nun denn.

 

[InTune]

"machine learning" ist seit Jahrzehnten etabliert und ebenso irreführend.

Es ist in der Tat, ein Phänomen, das bei der ganzen uns begleitenden digitalen Revolution, die Begriffe, die das benennen und beschreiben, das völlig überhöht oder verdreht darstellen:
Seit gefühlt ca. zehn Jahren fordert alle Welt, das wir „endlich mit der Digitalisierung beginnen“.
Sorry, aber ich habe 1980 in einem Schüler Praktikum Messdaten in einem Texas Instruments TI-59 eingegeben, die dann in einem IBM-PC graphisch dargestellt und weiterverarbeitet wurden. Der Arbeitsplatz meiner Mutter ist ziemlich zum gleichen Zeitpunkt der Digitalisierung zum Opfer gefallen (ein PC hat die Arbeit einer Abteilung von 16 Menschen überflüssig gemacht…).
Digitalisierung findet für uns deutlich spürbar seit mehr als 50 Jahren statt. Mit segensreichen und schmerzhaften Konsequenzen.

„Digitaler Twin“ ist auch so ein tolles Mode Wort. Das soll ja eigentlich eine rechnerbasierte exakt funktionierende Kopie eines Gerätes, Maschine oder Anlage sein. Schaut man sich jedoch „Digitale Twins“ in der Industrie mal genau an, dann ist das nicht viel mehr als ein Foto der Anlage und ein Visual Basic Program das eine Beschriftung einblendet: „Läuft!“

Machine Learning ist hier natürlich falsch übersetzt. Wenn man es im Sinne von „von Maschinen lernen/die Maschine liefert Daten“ ließt, wird ja ein Schuh draus.
Aber auch das treibt dann Denkweisen, die IMO schon merkwürdig sind: „Wir sind leider nicht in der Lage, einen Prozess zu verstehen, deshalb nehmen wir einfach Unmengen an Daten von diesem Prozess auf; jagen das durch ein Big Data Tool und wissen dann wie der Prozess funktioniert!“ Nö, wißt ihr dann leider immer noch nicht…