Was du wissen musst
- Eine neue Studie zeigt, dass Wissenschaftler möglicherweise kurz vor einem neuen Durchbruch stehen.
- Die neue Technologie wird als neuronales Netzwerk bezeichnet und ist in der Lage, Verallgemeinerungen über die Sprache vorzunehmen.
- Laut gemeinsamen Benchmarks könnten neuronale Netze möglicherweise KI-gestützte Chatbots wie Bing Chat und ChatGPT übertreffen.
- Bei bestimmten Aufgaben konnte das neuronale Netzwerk ähnliche Ergebnisse reproduzieren, während das GPT-4-Modell Schwierigkeiten hatte, diese Aufgaben zu erfüllen.
- Die neuronale Netzwerk-KI ist in der Lage, neue Wörter in verschiedenen Umgebungen besser zu verstehen und als ChatGPT zu verwenden.
Da Unternehmen weiterhin mehr Anstrengungen in die KI stecken, um die Technologie zu verbessern, haben Wissenschaftler eine neue Technologie entwickelt, die die Fähigkeiten der generativen KI ersetzen könnte.
Laut dem Bericht in Nature bezeichnen Wissenschaftler die neue Technologie als neuronales Netzwerk. Sie weisen außerdem darauf hin, dass es die Fähigkeit besitzt, Verallgemeinerungen über die Sprache einzustellen. Darüber hinaus behaupten Wissenschaftler, dass es genauso gut sein könnte wie Menschen, insbesondere wenn es darum geht, neue Wörter zu bilden und sie in verschiedenen Umgebungen und Kontexten anzuwenden, um letztlich ein lebensechtes Erlebnis zu bieten.
Beim Test und Vergleich mit ChatGPT kamen die Wissenschaftler zu dem Schluss, dass das neuronale Netzwerk und der Mensch eine bessere Leistung erbringen. Dies trotz der Tatsache, dass Chatbots wie ChatGPT und Bing Chat in der Lage sind, auf menschenähnliche Weise zu interagieren und als KI-gestützte Assistenten zu fungieren.
Laut dem Bericht von Nature besteht eine große Wahrscheinlichkeit, dass das neuronale Netzwerk auf lange Sicht KI-gestützte Chatbots überlisten könnte, da es im Vergleich zu bestehenden Systemen natürlicher mit Menschen interagieren kann. Rückblickend wurde beobachtet, dass Microsofts Bing Chat in den ersten Tagen nach seiner Einführung halluzinierte, das Problem wurde jedoch behoben.
Paul Smolensky, ein auf Sprache spezialisierter Wissenschaftler an der Johns Hopkins University in Baltimore, Maryland, erklärte, die neuronale Netzwerktechnologie sei ein „Durchbruch in der Fähigkeit, Netzwerke systematisch zu trainieren“.
Wie funktioniert ein neuronales Netzwerk?
Wie oben betont, kann ein neuronales Netzwerk neue Wörter falten und sie in verschiedenen Umgebungen wie Menschen verwenden. Der einzige Unterschied besteht darin, dass die Technologie zunächst einer gründlichen Schulung unterzogen werden muss, um das Wort zu beherrschen und es in verschiedenen Umgebungen zu verwenden.
Um die Leistungsfähigkeit der Technologie zu ermitteln, führen die Wissenschaftler mehrere Tests an Menschen durch, indem sie sie Wörtern aussetzten und ihr Verständnis dafür begründeten, wie gut sie die neuen Wörter in verschiedenen Kontexten verwenden konnten. Sie testen auch ihre Fähigkeiten, die neu gelernten Wörter mit bestimmten Farben zu verknüpfen. Laut dem gemeinsamen Benchmark waren 80 % der Personen, die an der Übung teilnahmen, hervorragend und konnten die Wörter mit den Farben in Verbindung bringen.
Der Wissenschaftler nutzt die gleichen Prämissen, um ein neuronales Netzwerk zu trainieren. Sie haben es jedoch so konfiguriert, dass es aus seinen eigenen Fehlern lernt. Das Ziel bestand darin, dem System zu ermöglichen, aus jeder erledigten Aufgabe zu lernen, anstatt statische Daten zu verwenden. Um sicherzustellen, dass das neuronale Netzwerk menschenähnliche Eigenschaften darstellt, trainierten die Wissenschaftler das Modell, um ähnliche Fehler zu reproduzieren wie diejenigen, die einen ähnlichen Test gemacht haben. Letztendlich ermöglichte dies dem neuronalen Netzwerk, auf eine neue Reihe von Fragen schnell (wenn nicht perfekt) wie Menschen zu reagieren.
GPT-4 braucht jedoch einige Zeit, um die ihm gestellten Aufgaben zu verstehen. Schon damals fielen die Ergebnisse im Vergleich zum Menschen und dem neuronalen Netz düster aus, wo sie je nach Aufgabenstellung im Durchschnitt zwischen 42 und 86 Prozent lagen. Vereinfacht ausgedrückt besteht das Problem bei GPT und anderen ähnlichen Systemen darin, dass sie lediglich eine äußerst komplexe Syntax nachahmen, anstatt ein echtes Verständnis des Kontexts zu demonstrieren. Dies ist es, was GPT und ähnliche Modelle in halluzinogenen Kaninchenlöchern führt – Menschen sind eher in der Lage, solche Anomalien selbst zu korrigieren, und neuronale Netze sind möglicherweise auch besser dazu in der Lage.
Während dies möglicherweise beweist, dass ein neuronales Netzwerk nach generativer KI das nächstbeste sein könnte, müssen noch zahlreiche Tests und Studien durchgeführt werden, um dies vollständig zu bestätigen. Es wird interessant sein zu sehen, wie sich das auswirkt und wie es die systematische Verallgemeinerung verändert.
Wie sieht die Zukunft für ChatGPT und Bing Chat aus?
Es besteht kein Zweifel an der Leistungsfähigkeit und dem Potenzial der generativen KI, insbesondere wenn ihre enormen Fähigkeiten vollständig ausgeschöpft und sinnvoll genutzt werden. Das soll nicht heißen, dass die Technologie nicht bereits erstaunliche Leistungen vollbringt. Kürzlich hat eine Gruppe von Forschern darauf hingewiesen, dass es möglich ist, ein Softwareunternehmen mit ChatGPT erfolgreich zu führen und sogar Code in weniger als sieben Minuten für weniger als einen Dollar zu generieren.
Die generative KI ist zwar beeindruckend, muss aber auch einige Rückschläge hinnehmen. Zum Beispiel die enormen Kosten, die für den Betrieb erforderlich sind, ganz zu schweigen von der Menge an Kühlwasser und Energie, die es verbraucht. Es gab auch Berichte darüber, dass der KI-gestützte Chatbot von OpenAI, ChatGPT, drei Monate in Folge an Genauigkeit verlor und seine Nutzerbasis zurückging. Auch der Marktanteil von Bing Chat stagnierte trotz der hohen Investitionen von Microsoft in die Technologie.
Glauben Sie, dass neuronale Netzwerke irgendwann KI-gestützte Chatbots wie ChatGPT und Bing AI in den Schatten stellen werden? Teilen Sie uns Ihre Gedanken in den Kommentaren mit.