Archiv der Kategorie: KI

Eine generative Text-KI soll schreiben, wie ich

Schreibe eine Antwort

Ich möchte eine generative Text-KI dazu bringen, etwas mehr so zu schreiben, wie ich schreiben würde.

Schritt 1

Ich wähle einen Text aus, der typisch für meinen Sprachstil ist und lasse den von einem Chatbot (ich verwende das Datenmodell Mistal AI) analysieren. Mein Prompt dazu: „Analysiere den Sprachstil des Textes unter der URL https://itlehrer.de/2024/01/datenschutztag/ und beschreibe den verwendeten Sprachstil.“

Das Ergebnis. „Der Text auf der URL https://itlehrer.de/2024/01/datenschutztag/ ist in einem informativen und sachlichen Sprachstil verfasst. Der Autor verwendet eine klare und prägnante Sprache, um über den Datenschutztag und dessen Bedeutung zu informieren. Der Text ist in kurze Absätze gegliedert, was die Lesbarkeit verbessert. Es werden auch technische Begriffe wie „Datenverarbeitung“ und „Datenschutz-Grundverordnung“ verwendet, die jedoch erklärt werden, so dass auch Laien den Text verstehen können. Insgesamt ist der Sprachstil angemessen, um ein breites Publikum über das Thema Datenschutz zu informieren und zu sensibilisieren.“

Schritt 2

Ich übernehme das Ergebnis zum Sprachstil und setze es in einen neuen Prompt ein, der mir zu einem bestimmten Thema einen Text erzeugen soll. „Verfasse einen Blogbeitrag in deutscher Sprache anlässlich des „Tages gegen den Lärm“. Verwende dabei einem informativen und sachlichen Sprachstil mit einer klaren und prägnanten Sprache, um über Lärm und seine schädlichen Auswirkungen auf die Gesundheit zu informieren. Der Text ist in kurze Absätze zu gliedern, was die Lesbarkeit verbessert. Verwende technische Begriffe, die jedoch erklärt werden, so dass auch Laien den Text verstehen können. Insgesamt ist der Sprachstil angemessen, um ein breites Publikum über das Thema zu informieren und zu sensibilisieren.“

Das Ergebnis ist schon ziemlich gut.

Tag gegen den Lärm: Warum Lärmbelastung ein Gesundheitsrisiko darstellt

Jedes Jahr am 28. April findet der Internationale Tag gegen Lärm statt. Dieser Tag soll das Bewusstsein für die schädlichen Auswirkungen von Lärmbelastung auf unsere Gesundheit schärfen. Lärm ist ein wichtiges Umweltproblem, das Millionen von Menschen weltweit betrifft. Es ist daher wichtig, seine Auswirkungen zu verstehen und Maßnahmen zu ergreifen, um ihn zu reduzieren.

Was ist Lärmbelastung?

Lärmbelastung bezeichnet die Exposition gegenüber hohen und schädlichen Geräuschpegeln in der Umwelt. Diese können durch verschiedene Quellen wie Verkehr, Baustellen, Industriemaschinen und laute Musik verursacht werden. Laut der Weltgesundheitsorganisation (WHO) ist Lärmbelastung ein bedeutendes Gesundheitsproblem, das zu verschiedenen negativen gesundheitlichen Auswirkungen führen kann, wie zum Beispiel Hörverlust, Stress, Schlafstörungen und Herz-Kreislauf-Erkrankungen.

Die schädlichen Auswirkungen von Lärmbelastung

Lange oder wiederholte Exposition gegenüber Lärmbelastung kann zu verschiedenen gesundheitlichen Problemen führen. Einer der bekanntesten Effekte ist der Lärm-induzierte Hörverlust (NIHL). Dieser tritt auf, wenn die Haarzellen im Innenohr durch laute Geräusche beschädigt oder zerstört werden. NIHL ist permanent und irreversibel und kann die Kommunikations- und Interaktionsfähigkeit einer Person erheblich beeinträchtigen.

Ein weiterer schädlicher Effekt von Lärmbelastung ist Stress. Lange Exposition gegenüber hohen Geräuschpegeln kann zu Stress führen, was zu Angstzuständen, Depressionen und anderen psychischen Problemen führen kann. Außerdem kann Lärmbelastung den Schlaf stören, was zu Müdigkeit, Reizbarkeit und verminderter Produktivität führen kann.

Lärmbelastung kann auch negative Auswirkungen auf die Herz-Kreislauf-Gesundheit haben. Studien haben gezeigt, dass lange Exposition gegenüber Lärmbelastung den Blutdruck, die Herzfrequenz und das Risiko von Herz-Kreislauf-Erkrankungen erhöhen kann.

Lärmbelastung reduzieren

Es gibt verschiedene Möglichkeiten, Lärmbelastung zu reduzieren und sich vor ihren schädlichen Auswirkungen zu schützen. Eine der effektivsten Maßnahmen ist die Reduzierung der Exposition gegenüber hohen Geräuschpegeln. Dies kann durch das Tragen von Ohrstöpseln oder Gehörschutz erfolgen, wenn man sich in lauten Umgebungen befindet.

Eine weitere Möglichkeit, Lärmbelastung zu reduzieren, ist die Verwendung von leiseren Alternativen zu lauten Maschinen und Geräten. Zum Beispiel sind Elektroautos leiser als Benzinautos und produzieren weniger Emissionen.

Auch Gemeinden können Maßnahmen ergreifen, um Lärmbelastung zu reduzieren, indem sie Lärmschutzvorschriften erlassen und durchsetzen. Dies kann bedeuten, Grenzwerte für die Geräuschpegel festzulegen, die von Baustellen, Industrieanlagen und anderen Quellen von Lärmbelastung ausgehen dürfen.

Fazit

Lärmbelastung ist ein wichtiges Umweltproblem, das die Gesundheit von Millionen von Menschen weltweit beeinträchtigt. Es kann zu verschiedenen gesundheitlichen Problemen führen, wie zum Beispiel Hörverlust, Stress, Schlafstörungen und Herz-Kreislauf-Erkrankungen. Durch die Reduzierung von Lärmbelastung und den Schutz vor ihren schädlichen Auswirkungen können wir unsere Gesundheit und unser Wohlbefinden verbessern und eine ruhigere und friedlichere Welt für alle schaffen.

Referenzen

Mit dieser doch recht einfachen Vorgehensweise können Texte erzeugt werden, die nicht sofort als KI-erzeugt erkannt werden können.

KI – Datenmodell und Ergebnis

Ich habe einen Prompt verwendet:

„Generiere ein Gemälde im Stil von Franz Marc, das den Tod zeigt, der im Sessel sitzt und eine Irokesenfrisur trägt, während er Geige spielt. Betone die lebendigen Farben und die expressive Darstellung des Todes, um eine ungewöhnliche und faszinierende Szene zu erschaffen, die Marc’s einzigartigen Stil widerspiegelt.“

bzw. in Englisch:

„Generate a painting in the style of Franz Marc depicting Death seated in a chair, sporting a Mohawk hairstyle, while playing the violin. Emphasize the vibrant colors and expressive portrayal of Death to create an unusual and captivating scene that reflects Marc’s unique style.“

Mit diesem Prompt habe ich ich nun verschiedene Datenmodelle generativer Bild-KI gefüttert. Die Resultate sind erstaunlich verschieden.

Stable Diffusion XL
Dyna Vision XL
Realistic Vision 5.1
Copax Timeless XL v. 5
Think Diffusion XL

Der Tod als Motiv mit der besonderen Frisur ist jedesmal ziemlich gut getroffen. Das Geigenspiel dagegen scheint ein ziemlich großes Problem darzustellen. Malstil und Farben nach Franz Marc passen sehr gut.

Datenschutztag

Seit 1981 begehen wir den Europäischen Datenschutztag am 28. Januar. Warum? Am 28. Januar 1981 beschloss der Europarat das Übereinkommen Nr. 108 „zum Schutz des Menschen bei der automatischen Verarbeitung personenbezogener Daten“. Ziel war und ist es immer noch, die Grundrechte Betroffener bei automatisierter Verarbeitung personenbezogener Daten zu sichern und zu stärken.

Aktuell sehe ich drei große Probleme, vor denen der Datenschutz steht.

Problem 1: Informationelle Selbstbestimmung

Das Abwägen zwischen Bequemlichkeit und den Schutz eigener Daten, der eigenen digitalen Identität führt leider zu oft zu Entscheidungen in Richtung Bequemlichkeit. Cookies ablehnen ist leider immer noch zu häufig aufwendiger, als sie einfach nur schnell zu akzeptieren. Der Einsatz nicht datenschutzgerechter Werkzeuge ist allgemein anerkannt, auch wenn es sehr wohl datenschutzgerechte Lösungen gäbe. Die Hemmschwelle, auf Social-Media-Plattformen auch jedes noch so intime Detail zu posten, ist ungebremst niedrig. Und Bildung tut immer noch zu wenig, um Kompetenzen zur informationellen Selbstbestimmung bei Jugendlichen (und auch schon bei Kindern) zu stärken.

Problem 2: Unsere Daten sind unsicher

Immer noch gelingt es zu oft Kriminellen, an personenbezogene Daten zu gelangen. Der IT-Governance-Blog geht von über 8 Mrd. geleakten Datensätzen alleine 2023 aus. Hier werden zu sehr die Betroffen in die Pflicht genommen. Doch wo bleiben die Pflichten der Verantwortlichen, personenbezogene Daten vor Angriffen zu schützen?

Problem 3: KI

Bei aller Begeisterung für generative KI muss die Frage nach dem Schutz von Privatsphäre gestellt werden. Welche Daten werden als Trainingsdaten verwendet? Wie trainiert mein eigenes Nutzerverhalten eine KI und wie stehen die so gewonnenen Daten der Allgemeinheit zur Verfügung?

Wie nutzen wir KI global betrachtet?

Antwort auf diese Frage kann beispielsweise die KI-Industrieanalyse geben. Hier die wichtigsten Erkenntnisse zusammengefasst.

ChatGPT ist das mit Abstand am häufigsten genutzte KI-Tool, gefolgt von Character.AI und Bard.

Quelle: https://writerbuddy-wp.s3.amazonaws.com/writer-buddy/20231113110759/50-most-visited-AI-tools-2023-by-writerbuddy.ai-1.png

Nach Mai 2023 sind die Zugriffe leicht gesunken. Ich glaube nicht an eine Übersättigung. Gründe können eher nationalstaatliche Regulierungen sein.

Bildgeneratoren gehören dabei zu denjenigen Tools mit den größten Nutzerverlusten.

Deutschland ist auf Platz 8 bei den Nutzerzugriffen. Die Liste wird von den USA, Indien und Indonesien angeführt.

Quelle: https://writerbuddy-wp.s3.amazonaws.com/writer-buddy/20231130064445/Top-20-Countries-With-the-Most-AI-Users-1024×985-1.png

Fast zwei Drittel aller KI-Nutzer weltweit greifen mit mobilen Endgeräten auf KI-Tools zu.

Etwas mehr als zwei Drittel aller Nutzer sind männlich.

Mein Fazit: Wir stehen immer noch am Beginn einer spannenden und revolutionären Entwicklung. Die Frage steht im Raum, wie man diese Entwicklung regulatorisch begleiten sollte. Chatbots und Bildgeneratoren werden bald zu den „alten“ Eisen gehören und neue Anwendungen treten in den Fokus.

KI wird immer leistungsfähiger

An generative KI haben wir uns inzwischen gewöhnt. Wir lassen uns Texte und Bilder erstellen, Videos erzeugen und Musik generieren. Doch jetzt geht KI noch einen Schritt weiter.

Forschende an der Eidgenössischen Technischen Hochschule stellen eine KI vor, die plant, vorausschaut und feinmotorisch sehr gut drauf ist.

Eine Kombination aus KI und Roboter lernt, mit einem Geschicklichkeitsspiel umzugehen. Und das tut sie besser, als jeder Mensch. Dabei muss eine Kugel durch ein Labyrinth von einem Startpunkt zum Ziel bewegt werden, ohne in die Löcher auf dem Weg zu fallen.

Wie Menschen lernt die KI durch Erfahrung, wird mit jeder Runde besser und erkennt zunehmend Abkürzungen.

Der EU-AI-Act

Seit 2021 ringt der europäische Gesetzgeber um einen Entwurf für ein KI regulierendes Gesetz. Nun liegt ein finaler Vorschlag auf dem Tisch (Vorschlag, Anlagen).

Mit getimg.ai erzeugt

Am 8. Dezember diesen Jahres hat man sich nun auf einen sehr umfassenden, vielleicht den umfassendsten Text überhaupt zu diesem Thema, geeinigt.

Die vorgesehenen Auflagen und Einschränkungen orientieren sich an Risikoklassen. Als hochriskant werden beispielsweise KI eingestuft, die Entscheidungen mit Auswirkungen für Menschen treffen (Bewerberanalysen, Antragsprüfungen…). Hier muss der Nachweis erbracht werden, dass die verwendeten Trainingsdaten nicht zu Nachteilen führen. Gesichtserkennung in öffentlichen Bereichen wird zwar verboten. Allerdings wurden gerade in diesem sensiblen Bereich viele Ausnahmen aufgenommen (Strafverfolgung bzw. Strafvereitelung bei Mord, Entführung, Terrorismus).

Der endgültige Text liegt noch nicht vor. Welche Fassung genau verabschiedet wird, bleibt abzuwarten. Der Vorstoß der EU in Richtung einer Regulierung ist trotzdem richtungsweisend.

Prompts sind einfach? – In dieser Woche (KW 49)

Generative KI werden über Prompts angesprochen. Das klingt zunächst einfach. Ist es auch, solange man in der Welt der Sprache bleibt. ChatGPT kann super mit Alltagssprache angesprochen werden. Für einfache Themen ist das allemal ausreichend. Komplexere Aufgaben erfordern dann schon etwas mehr Aufwand und Sprachverständnis.

Anders verhält es sich jedoch mit generativer Bild-KI. Hier habe ich bemerkt, dass die Qualität der Ergebnisse sehr deutlich von den verwendeten Prompts abhängt. Hinzu kommt, dass, so mein Eindruck, die Verwendung der englischen Sprache die Ergebnisse noch einmal verbessert.

Ich möchte meine Erfahrungen an einem einfachen Beispiel zeigen. Für eine Weihnachtskarte benötige ich ein Bild. Das soll mir eine generative Bild-KI erzeugen. Meine Beispielbilder sind jeweils die besten von mir ausgesuchten Ergebnisse.

Version 1: Ein einfacher Prompt in deutscher Sprache.

Ein prächtig geschmückter Weihnachtsbaum in einem Winterwald bei Mondschein.

Prompt in Umgangssprache Deutsch
Version 1

Version 2: ChatGPT erzeugt mit einen Prompt.

Erstelle mir einen Prompt für eine generative Bild-KI. Mit dem Prompt soll ein prächtig geschmückter Weihnachtsbaum in einem Winterwald bei Mondschein erzeugt werden.

Prompt zum Erstellen eines Prompts in ChatGPT

Generiere ein beeindruckendes Bild eines prächtig geschmückten Weihnachtsbaums, der in einem zauberhaften Winterwald steht, erleuchtet von sanftem Mondschein. Lass die winterliche Atmosphäre und die festliche Stimmung im Bild lebendig werden.

Prompt-Vorschlag von ChatGPT
Version 2

Version 3: Übersetzung des von ChatGPT erzeugten Prompts in Englisch

Generate an impressive image of a magnificently decorated Christmas tree standing in a magical winter forest, illuminated by soft moonlight. Bring the wintry atmosphere and festive mood to life in the picture.

Übersetzung mit DeepL
Da ich mich nicht entscheiden kann: Zwei Resultate, wobei die anderen beiden auch nicht schlecht sind.

Mein Fazit

In meiner Konstellation von Tools komme ich zu den besten Ergebnissen, wenn ich ChatGPT den Bild-Prompt erstellen lasse und den dann ins Englische übersetzen lasse (ich hatte in der Schule Französisch…).

KI ist ungerecht – nicht mehr lange

KI kostet Geld. Momentan gibt es kaum Möglichkeiten, KI-Systeme kostenfrei vollumfänglich zu nutzen. Meta und IBM haben deshalb gemeinsam mit mehr als 50 Gründungsmitgliedern eine weltumspannende KI-Allianz gegründet. Aus Deutschland ist die TU München mit am Start. Zu den Zielen der Allianz zählen unter Anderem: offene Modelle entsprechend des Open-Source-Gedankens etablieren, Standards für Sicherheit und Vertrauen bestimmen sowie eine offene Entwicklung vorantreiben.

Keine Bachelor-Arbeiten mehr?

Ja! Die Betriebswirtschaftliche Fakultät der Wirtschaftsuni in Prag hat mit Beginn des neuen Studienjahres für alle Neuimmatrikulationen die Bachelor-Arbeiten abgeschafft (hier und hier). Und die KI ist schuld.

Die Argumente gegen Bachelor-Arbeiten in diesem Wissenschaftszweig sind so einfach, wie sie nachvollziehbar sind: Generative Text-KI erzeugt heute Ergebnisse, die von Studienarbeiten nicht mehr unterscheidbar sind. Die Leistungen von Studierenden müssen neu überdacht werden.

Sehr spannend ist in diesem Zusammenhang auch das Interview von Heise Online mit Robert Lepenies, Präsident der Karlsruher Karlshochschule.