Generative KI und Sprachmodelle
- Wie lässt sich „Generative KI und Sprachmodelle“ mit einem Modell erklären?
- Welche Beispiele, Merkmale und Entscheidungen führen zur Ausgabe des Systems?
- Wie kann ich meine Lösung testen und verständlich dokumentieren?
Schlau Fassung
Generative KI und Sprachmodelle Sprachmodelle berechnen wahrscheinliche Fortsetzungen aus großen Textmengen. Sie erzeugen flüssige Texte, besitzen aber keine eingebaute Wahrheitsprüfung.
Generative KI und Sprachmodelle ist in der Informatik kein isolierter Merksatz. Entscheidend ist, welche Daten oder Zustände am Anfang vorliegen, nach welcher Regel sie verarbeitet werden und wie sich das Ergebnis überprüfen lässt. Ein Modell kann eine glaubwürdig klingende, aber erfundene Quellenangabe erzeugen, weil Form und Inhalt statistisch passen.
Beim Bearbeiten trennst du deshalb Beobachtung und Vermutung: Zuerst beschreibst du, was tatsächlich eingegeben, gespeichert, übertragen oder ausgegeben wird. Danach begründest du mit Fachbegriffen, warum der Ablauf so funktioniert.
Drei Bausteine, die du sicher können musst
Beispiele prägen, welche Muster ein Modell lernt.
Gewichtete Regeln erzeugen eine Ausgabe aus Eingaben.
Unbekannte Testdaten zeigen Leistung und Fehler.
Ausgearbeitetes Beispiel
Ausgangslage: Ein Modell kann eine glaubwürdig klingende, aber erfundene Quellenangabe erzeugen, weil Form und Inhalt statistisch passen.
- Modell festlegen: Benenne Eingaben, gespeicherte Werte und die gewünschte Ausgabe.
- Regel anwenden: Formuliere die Verarbeitung so genau, dass eine andere Person jeden Schritt wiederholen kann.
- Ergebnis prüfen: Vergleiche die beobachtete Wirkung mit einer vorher notierten Erwartung und untersuche mindestens einen Randfall.
Begründung: Sprachmodelle berechnen wahrscheinliche Fortsetzungen aus großen Textmengen. Sie erzeugen flüssige Texte, besitzen aber keine eingebaute Wahrheitsprüfung. Dadurch wird nicht nur das Ergebnis, sondern auch sein Zustandekommen nachvollziehbar.
So gehst du informatisch vor
Fachbegriffe in eigenen Worten
- Trainingsdaten
- Beispiele prägen, welche Muster ein Modell lernt.
- Modell
- Gewichtete Regeln erzeugen eine Ausgabe aus Eingaben.
- Evaluation
- Unbekannte Testdaten zeigen Leistung und Fehler.
Aufgaben
- StartBegriffe sichern: Erkläre „Generative KI und Sprachmodelle“ in mindestens vier Sätzen und verwende zwei Begriffe aus dem Glossar.
Musterlösung
Sprachmodelle berechnen wahrscheinliche Fortsetzungen aus großen Textmengen. Sie erzeugen flüssige Texte, besitzen aber keine eingebaute Wahrheitsprüfung. Ein Modell kann eine glaubwürdig klingende, aber erfundene Quellenangabe erzeugen, weil Form und Inhalt statistisch passen. Eine vollständige Antwort benennt zusätzlich Eingabe oder Ausgangszustand, Verarbeitung und überprüfbares Ergebnis. - OrdnenModell bilden: Zerlege das Beispiel der Seite in Ausgangslage, Regel, Ergebnis und Test.
Musterlösung
Ausgangslage: die im Beispiel genannten Daten oder Geräte. Regel: der beschriebene Verarbeitungsschritt. Ergebnis: die sichtbare Wirkung. Test: ein normaler Fall und ein bewusst veränderter Randfall. - AnwendenSelbst lösen: Entwirf einen Entscheidungsbaum, der Gegenstände nach Form, Farbe und Größe in drei Kisten sortiert.
Musterlösung
Jede innere Stelle stellt eine eindeutige Frage; jede Antwort führt zu einem weiteren Knoten oder genau einer Zielkiste. - FehlersucheDiagnose: Verändere im Beispiel genau eine Voraussetzung. Sage vorher, welche Wirkung du erwartest, und begründe sie.
Lösungshinweis
Eine gute Lösung benennt die veränderte Voraussetzung, den betroffenen Verarbeitungsschritt und eine beobachtbare Ausgabe. Mehrere Dinge gleichzeitig zu ändern erlaubt keine eindeutige Ursache. - TransferNeuer Zusammenhang: Finde ein zweites Beispiel aus Schule oder Alltag und erkläre Gemeinsamkeit sowie Unterschied.
Lösungshinweis
Nutze dieselben Fachbegriffe, aber übertrage sie auf andere Daten, Geräte oder Regeln. Der Unterschied muss fachlich relevant sein und darf nicht nur den Namen betreffen. - ProfiVertiefung: Erkläre, warum ein Modell trotz sehr guter Trainingswerte bei neuen Beispielen Fehler machen kann.
Lösungshinweis
Prüfe, ob Trainingsdaten vielfältig genug waren oder ob das Modell nur Besonderheiten dieser Beispiele gelernt hat.
Weiterführende Aufgaben
Abgabe in fünf Teilen
- Ziel: Ein Satz, der messbar sagt, was funktionieren soll.
- Plan: Skizze, Ablaufplan, Tabelle oder Pseudocode.
- Produkt: Programm, Modell, Untersuchung oder dokumentierter Versuch.
- Tests: Normalfall, Randfall und mindestens ein absichtlich provozierter Fehler.
- Reflexion: Gefundener Fehler, vorgenommene Verbesserung und nächster sinnvoller Schritt.
Bewertungsraster für Partnerfeedback
- Fachlich richtig und mit passenden Begriffen erklärt
- Plan und Ergebnis stimmen sichtbar überein
- Tests sind reproduzierbar dokumentiert
- Quellen, Bilder und fremde Hilfen sind angegeben