Artifical Design. Über Algorithmen als neue Akteurinnen in Designpraxis, -forschung und -lehre

ELIZA gilt als eines der ersten Chatbot-Programme: Es war dafür konzipiert, menschenähnliche Konversationen zu simulieren, um psychotherapeutische Dialoge – die non-direktiven Methoden der klientenzentrierten Psychotherapie – nachzuahmen (vgl. Weizenbaum 1966). ELIZA war keine KI im heutigen Sinne, sondern eher eine textbasierte Benutzerschnittstelle. Das Programm konnte zwar auf scheinbar tiefgründige Weise auf Benutzereingaben reagieren, basierte jedoch auf festen Regeln und Mustern, die vom Entwickler vordefiniert wurden. ELIZA hatte einen bedeutenden Einfluss auf die Entwicklung von Chatbots und KI-Systemen und gilt als Meilenstein in der Geschichte der Künstlichen Intelligenz und der Mensch-Computer-Interaktion.

Verfahren des maschinellen Lernens werden im Allgemeinen in die Gruppen Supervised Learning, Unsupervised Learning und Reinforcement Learning unterteilt. Beim Supervised Learning (oder überwachtem Lernen) werden Trainingsdaten vorab mit Labeln gekennzeichnet. Ein Bilderkennungsalgorithmus kann dann seine Ergebnisse mit den Labeln vergleichen und dadurch lernen. Bei den Verfahren des Unsupervised Learnings (nicht überwachtem Lernen) sucht der Algorithmus selbstständig in einer großen Menge von Daten nach Mustern und gruppiert die Datensätze dann. Supervised und Unsupervised Learning kann auch kombiniert werden, z. B. beim Self-Supervised Learning. Beim Reinforcement Learning (bestärkendes Lernen) lernt der Algorithmus nach einer Art „Trial-and-Error“-Verfahren. Die verschiedenen Versuche werden dabei abhängig von ihrem Erfolg mit einem Score versehen, es erfolgt also eine Art Belohnung bzw. Bestrafung (vgl. Engenhart und Löwe 2022, S. 20).

GPT-3 beispielsweise nutzt dafür ca. 175 Mrd. Knotenpunkte in 96 Schichten (vgl. Schreiner 2020).

Ein Transformer ist ein architektonisches Modell für künstliche neuronale Netzwerke, das speziell für die Verarbeitung von sequenziellen Daten entwickelt wurde. Ursprünglich wurde der Transformer für die maschinelle Übersetzung von Texten entwickelt, aber er hat sich als äußerst erfolgreich in vielen anderen Anwendungen erwiesen, darunter Sprachverarbeitung, Textgenerierung sowie Bildverarbeitung und sogar Bewegtbildgenerierung. Die erste Version von Chat-GPT basierte auf dem Transformermodell GPT 3.5 von OpenAI. GPT steht hier für „Generative Pre-trained Transformer“.

Ein anderes wichtiges Model ist das Diffusion Model von Stability AI, das ursprünglich an der LMU München entwickelt wurde und beispielsweise von Stable Diffusion genutzt wird.

CLIP verfügt über die bemerkenswerte Fähigkeit, Bilder und Texte auf semantischer Ebene verstehen und korrelieren zu können. Es kann zum Beispiel beschreiben, was auf einem Bild zu sehen ist, oder bestimmte Bilder aus einer Menge von Textbeschreibungen identifizieren. Selbst bei einem Bild und einer Sammlung von Beschreibungen wie „ein Foto von einem Hund“ kann CLIP diejenige Bezeichnung vorhersagen, die am besten mit dem Bild übereinstimmt. Diese Fähigkeit, natürliche Sprache und visuelle Elemente miteinander zu verknüpfen, hat dazu geführt, dass CLIP in generativen Systemen vielfältig eingesetzt wird.

Demokratisierung meint an dieser Stelle, dass komplexe Anwendungen für viele Menschen zugänglich werden – es sei jedoch angemerkt, dass gleichzeitig eine gegenteilige Entwicklung stattfindet: Während die Tools nutzbar sind, ist die Technologie dahinter von einer Monopolisierung geprägt, die zudem nicht in öffentlicher Hand liegt. Während die Nutzung der Werkzeuge zunächst kostenfrei blieb, zeichnet sich in der Zwischenzeit eine stärkere Monetarisierung beispielsweise über Abo-Modelle ab.

Verständnis ist ein schwieriges Wort im Kontext von Maschinen. Kann eine Maschine wirklich ein Verständnis, die Fähigkeit, Informationen, Ideen oder Konzepte zu erfassen, attestiert werden, wo sie doch eigentlich im Falle von KI vor allem mathematische Berechnungen durchführt? Tatsächlich verfügen KIs durchaus über die Fähigkeit, Zusammenhänge zu erkennen, Beziehungen herzustellen, implizite Bedeutungen zu erfassen und den Kontext zu berücksichtigen. Sie können Rollen einnehmen, Zustände und Emotionen imitieren und transferieren. Im Falle der Bilderzeugung verstehen sie so zumeist die Aufforderungen und Wünsche der Nutzer und können komplexe Zusammenhänge erfassen. Dabei stoßen sie – wie auch Menschen – an Grenzen, die mit Fehlinterpretationen, Vorwissen und ähnlichem korrelieren können. Es mag weder der philosophischen Definition des Wortes noch der mathematischen Präzision der Technik entsprechen, aber die auch später im Text beschriebene Leistung in der Verarbeitung von Prompts, lässt uns das Wort hier richtig erscheinen.

Siehe: https://​www.​nextrembrandt.​com/​.

Siehe: https://​www.​beethovenx-ai.​com/​.

Der sogenannte Lovelace 2.0-Test ließe sich anwenden, um speziell die Kreativität zu messen (Riedl 2014).

Es ist nicht möglich, zu rekonstruieren, wer diesen Satz zuerst gesagt hat, weshalb wir ihn hier nicht exakt zitieren können – es könnte Santiago Valdarrama gewesen sein: https://​twitter.​com/​svpino/​status/​1610984481342771​200.

Prompt Engineering oder Prompt Design ist ein komplexes Thema, das den Rahmen des Textes sprengen würde. Eine gute Erklärung findet sich bei Vladimir Alexeev (2023).

So wurde es beispielsweise in der Vorstellung von GPT-4 gezeigt. Siehe: https://​www.​youtube.​com/​watch?​v=​outcGtbnMuQ.

Das inkludiert einerseits die Problematik, dass beispielsweise die Werke von Künstler*innen ohne Zustimmung genutzt werden, was bedeutet, dass solche Systeme schnell auch individuelle Stile imitieren. Andererseits werden natürlich auch Fotos genutzt, ohne dass die Fotograf*innen und/oder die abgebildeten Personen ihre Zustimmung gegeben haben bzw. überhaupt davon in Kenntnis gesetzt wurden. Selbst private medizinische Aufnahmen können sich in Datensätzen wiederfinden (vgl. Edwards 2022).

Es sei ebenfalls an dieser Stelle erwähnt, dass – wie auch bereits ausführlich medial diskutiert wurde – solche Formen des Lernens immer wieder Formen von Diskriminierung und gruppenbezogener Menschenfeindlichkeit reproduziert und manifestiert. Eine aktuelle Studie – derzeit nur als Preprint verfügbar – kann gar nachweisen, dass die Verwendung von emotionsauslösenden Aufforderungen bei einem System wie GPT3.5 rassistische und ableistische Äußerungen produziert (vgl. Coda-Forno et al. 2023).

Das Video des Lernprozesses findet sich bei YouTube: https://​www.​youtube.​com/​watch?​v=​xAXvfVTgqr0.