Eine KI über die Folgen der Coronapandemie für Schüler und wie ein Nachteilsausgleich möglich wäre - und meine Schlüsse daraus

Folgen der Coronapandemie für die Schüler in Deutschland?

• Lernrückstände: Der Wechsel zwischen Präsenz- und Distanzunterricht, sowie die unterschiedlichen Lernbedingungen zu Hause führten bei vielen Schüler:innen zu Lernlücken. Besonders in Fächern wie Mathematik und den Naturwissenschaften wurden Defizite festgestellt.

• Psychische Belastung: Die Isolation, der fehlende soziale Kontakt in der Schule und die Unsicherheit über die Zukunft haben bei vielen Jugendlichen zu psychischen Belastungen wie Angst, Depressionen und Einsamkeit geführt.

• Soziale Ungleichheit: Die Pandemie hat bestehende soziale Ungleichheiten verstärkt. Schüler:innen aus bildungsfernen Schichten hatten oft weniger Möglichkeiten, den Distanzunterricht gut zu bewältigen, da ihnen beispielsweise die nötige technische Ausstattung oder elterliche Unterstützung fehlte.

• Motivationsprobleme: Die fehlende Struktur und der fehlende soziale Austausch im Distanzunterricht führten bei vielen Schüler:innen zu Motivationsproblemen und einem geringeren Interesse am Lernen.

• Störung des sozialen Lernens: Schule ist nicht nur ein Ort zum Lernen, sondern auch ein Ort für soziale Interaktion. Die eingeschränkten sozialen Kontakte in der Pandemie haben die Entwicklung sozialer Kompetenzen bei vielen Jugendlichen beeinträchtigt.

Langfristige Folgen:

• Bildungsungleichheit: Die Pandemie könnte langfristig zu einer stärkeren Bildungsungleichheit führen, da Schüler:innen aus benachteiligten Schichten die Lernrückstände möglicherweise nicht aufholen können.

• Psychische Gesundheit: Die psychischen Belastungen, die viele Jugendliche in der Pandemie erfahren haben, könnten langfristige Auswirkungen auf ihre psychische Gesundheit haben.

• Vertrauensverlust in das Bildungssystem: Die Erfahrungen mit dem Distanzunterricht könnten das Vertrauen von Schüler:innen und Eltern in das Bildungssystem erschüttert haben.

Maßnahmen zur Bewältigung:

Um die negativen Folgen der Pandemie für Schüler:innen abzumildern, sind verschiedene Maßnahmen erforderlich:

• Individuelle Förderung: Schüler:innen mit Lernschwierigkeiten benötigen eine intensive individuelle Förderung.

• Psychosoziale Unterstützung: Schulen und außerschulische Einrichtungen müssen Angebote zur Stärkung der psychischen Gesundheit von Jugendlichen bereitstellen.

• Digitale Ausstattung: Schulen müssen sicherstellen, dass alle Schüler:innen Zugang zu den notwendigen digitalen Geräten und einer stabilen Internetverbindung haben.

• Fortbildung für Lehrkräfte: Lehrkräfte benötigen eine bessere Ausstattung und Fortbildung, um den Herausforderungen des hybriden Unterrichts gerecht zu werden.

Wie unterschieden sich Folgen der Coronapandemie für Schüler mit Migrationshintergrund von denen mit Eltern mit akademischer Ausbildung?

Schüler:innen mit Migrationshintergrund

• Sprachliche Barrieren: Die sprachlichen Herausforderungen verstärkten sich während des Distanzunterrichts, da viele Familien nicht über die nötigen sprachlichen Ressourcen verfügten, um ihre Kinder zu unterstützen.

• Technische Ausstattung: Der Zugang zu digitalen Geräten und einer stabilen Internetverbindung war oft eingeschränkt, was den Distanzunterricht erschwerte.

• Soziale Isolation: Schüler:innen mit Migrationshintergrund fühlten sich oft stärker isoliert, da sie weniger Möglichkeiten hatten, Kontakte zu Gleichaltrigen zu pflegen.

• Vorurteile und Diskriminierung: Die Pandemie verstärkte in einigen Fällen bestehende Vorurteile und Diskriminierung gegenüber Menschen mit Migrationshintergrund.

Schüler:innen mit Eltern, die eine akademische Ausbildung haben

• Bessere Unterstützung: Eltern mit akademischem Hintergrund konnten ihre Kinder in der Regel besser beim Lernen unterstützen und hatten oft ein größeres Netzwerk, um Hilfe zu erhalten.

• Technische Ausstattung: Familien mit höherem Bildungsniveau verfügten in der Regel über eine bessere technische Ausstattung, was den Distanzunterricht erleichterte.

• Geringere soziale Isolation: Durch die Netzwerke der Eltern hatten diese Schüler:innen oft mehr Möglichkeiten, soziale Kontakte zu pflegen.

Folgen für die Zukunft:

Die Pandemie hat die bestehenden sozialen Ungleichheiten im Bildungssystem verstärkt. Es ist zu befürchten, dass die Lernrückstände von Schüler:innen mit Migrationshintergrund langfristig zu einer weiteren Benachteiligung führen könnten. Um dies zu verhindern, sind gezielte Fördermaßnahmen erforderlich.

Mögliche Maßnahmen:

• Sprachförderung: Intensivierung der Sprachförderung für Schüler:innen mit Migrationshintergrund.

• Digitale Ausstattung: Bereitstellung von Geräten und Internetzugang für alle Schüler:innen.

• Individuelle Förderung: Stärkere individuelle Förderung von Schüler:innen mit Lernschwierigkeiten.

• Kooperation mit Eltern: Enge Zusammenarbeit mit Eltern, um sie bei der Unterstützung ihrer Kinder zu stärken.

Wenn man die beiden Antworten liest, wirken sie nicht eben originell. Umso mehr erstaunt, dass so wenig für den Nachteilsausgleich getan wurde. Doch zum Glück hat die KI auch dafür eine Antwort: 

1. Komplexität der Situation:

• Schnelle Reaktion erforderlich: Die Pandemie erforderte von Schulen und Politik schnelle Reaktionen, was die Entwicklung und Umsetzung umfassender Ausgleichsmaßnahmen erschwerte.
• Heterogene Schullandschaft: Die unterschiedlichen Voraussetzungen und Strukturen der Schulen in Deutschland machten es schwierig, einheitliche Lösungen zu finden. (Ausnahmsweise also keine Kritik an der Kultusministerkonferenz)
• Unvorhersehbarkeit: Die Entwicklung der Pandemie war schwer vorhersehbar, was die Planung langfristiger Maßnahmen erschwerte.

2. Mangelnde Ressourcen:

• Finanzielle Engpässe: Viele Schulen und Kommunen verfügten nicht über ausreichende finanzielle Mittel, um umfangreiche Förderprogramme zu initiieren.
• Personalmangel: Der Mangel an Lehrkräften und Sozialarbeitern erschwerte die individuelle Betreuung von Schüler:innen.

3. Prioritätensetzung in der Politik:

• Konkurrierende Interessen: Die Pandemie hat zu einer Vielzahl von Krisen geführt, die um politische Aufmerksamkeit und Ressourcen konkurrierten.
• Kurzfristige Lösungen: Oft wurden kurzfristige Lösungen bevorzugt, anstatt langfristige Strategien zur Überwindung der Bildungsungleichheit zu entwickeln.

4. Fehlende Evaluation:

• Mangelnde Daten: Es fehlten oft ausreichende Daten, um die Auswirkungen der Pandemie auf die einzelnen Schüler:innen genau zu erfassen und gezielte Maßnahmen zu entwickeln.
• Langwierige Prozesse: Die Evaluation von Maßnahmen ist zeitaufwendig und erfordert Ressourcen, die oft nicht vorhanden waren.

5. Gesellschaftliche Faktoren:

• Akzeptanz von Ungleichheit: Die tief verwurzelte soziale Ungleichheit in Deutschland hat dazu geführt, dass die Notwendigkeit von Ausgleichsmaßnahmen nicht immer ausreichend anerkannt wurde.
• Individuelle Verantwortung: Es besteht die Tendenz, die Verantwortung für den eigenen Erfolg oder Misserfolg stärker beim Individuum als beim System zu suchen.

Mögliche Gründe, warum diese Faktoren zu einer unzureichenden Reaktion geführt haben:

• Überforderung: Die Komplexität der Situation hat dazu geführt, dass viele Akteure überfordert waren und keine effektiven Lösungen finden konnten.
• Risikoaversion: Politische Entscheidungsträger:innen waren möglicherweise risikoscheu und haben sich für bewährte, aber nicht unbedingt effektive Maßnahmen entschieden.
• Mangelnde Prioritätensetzung: Die Bildung wurde im Vergleich zu anderen Bereichen möglicherweise nicht als ausreichend wichtig angesehen.

Fazit:

Die unzureichende Reaktion auf die Bildungsungleichheit, die durch die Pandemie verstärkt wurde, ist das Ergebnis einer komplexen Wechselwirkung verschiedener Faktoren. Um zukünftig besser auf solche Krisen vorbereitet zu sein, müssen wir die Ursachen der Ungleichheit besser verstehen und langfristige Strategien entwickeln, um sie zu überwinden.

Mögliche Lösungsansätze:

• Mehr Investitionen in Bildung: Eine stärkere finanzielle Ausstattung von Schulen ist unerlässlich.
• Individuelle Förderung: Jedes Kind braucht individuelle Förderung, um seine Lernziele zu erreichen.
• Kooperation zwischen Schule, Elternhaus und außerschulischen Partnern: Eine enge Zusammenarbeit aller Beteiligten ist entscheidend.
• Evaluation von Maßnahmen: Die Wirksamkeit von Maßnahmen muss kontinuierlich evaluiert werden, um Anpassungen vornehmen zu können.
• Prävention von Bildungsungleichheit: Es müssen langfristige Strategien entwickelt werden, um die Ursachen von Bildungsungleichheit zu bekämpfen.

Mein Fazit:

Die KI hat viel Verständnis für menschliche Schwächen.

Andererseits scheut sie nicht davor zurück, Forderungen zu stellen, die in der gegenwärtigen Situation völlig utopisch erscheinen: "Jedes Kind braucht individuelle Förderung". "Die Wirksamkeit von Maßnahmen muss kontinuierlich evaluiert werden, um Anpassungen vornehmen zu können."

Selbst die Veröffentlichung der RKI-Protokolle hat noch nicht dazu geführt, dass die Erfahrungen aus der Pandemie aufgearbeitet worden wären.

Zur neusten Entwicklung bei OpenAI

OpenAI (Wikipedia)

 https://www.zeit.de/digital/internet/2023-11/sam-altman-openai-chatgpt-entlassen-ceo/komplettansicht

KI in der Schulpraxis

 Eine Einführung in KI in der Schulpraxis bietet Regina Schulz in einem Interview:

https://www.bpb.de/lernen/digitale-bildung/werkstatt/541329/ki-in-der-schulpraxis-mit-regina-schulz/

Katharina Zweig über KI

 Katharina A. Zweig: Droht KI den Menschen zu ersetzen?

"[...] Das größte Problem an den regelbasierten Systemen aber war ihre mangelnde Wartbarkeit: Wenn ein Fehler in der Übersetzung auftrat, war den Entwicklerteams einfach nicht mehr klar, an welcher Schraube sie drehen mussten, um ihn zu beheben. 

Zur Auflösung der Fußnote[1] Um zu verstehen, ob sich die Situation heute grundlegend geändert hat, ist es hilfreich, sich die Technologie hinter den neuen KI-Systemen näher anzusehen.[...]

Die neuen KI-Systeme, die wir seit den 2000er Jahren im Aufwind sehen, funktionieren grundlegend anders als die regelbasierten Systeme der 1980er Jahre: Sie nutzen Daten der Vergangenheit, um darin mit statistischen Methoden nach Mustern zu suchen, die man dann für die Zukunft verwenden kann. Diese Methoden nennt man maschinelles Lernen. Hier werden die Regeln, nach denen die Welt funktioniert, also nicht von uns Menschen vorgegeben, sondern die Maschine extrahiert sie mit statistischen Methoden aus Daten. Das hat zu der irritierenden Formulierung geführt, dass die Maschinen hier „selbst lernen“. Aber von einem „Selbst“, einem intendierten Lernen mit selbst gesteckten Zielen kann überhaupt nicht die Rede sein: Die Maschinen werden von Menschen programmiert. Sie bekommen eine Methode, die im Wesentlichen zählt, was wie oft in den vorliegenden Daten auftaucht. Die Methode legt auch fest, in welcher Form die gefundenen Muster oder Regeln gespeichert werden. [...]

Wenn beispielsweise ein Bilderkennungssystem trainiert wird, bekommt jedes Neuron alle Pixel des Originalbildes als Zahlen präsentiert. Diese werden gewichtet, und daraus wird eine neue Zahl berechnet. Die Gewichte werden bei jedem Bild im Trainingsdatensatz so angepasst, dass eine korrekte Antwort wahrscheinlicher und eine inkorrekte Antwort weniger wahrscheinlich wird. Wenn die Maschine also im Training ein Bild eines Hundes bekommt, aber eine Pyramide „erkennt“, werden die Gewichte von allen Formeln (Neuronen) verändert, sodass sie beim nächsten Mal etwas wahrscheinlicher einen Hund erkennt. [...]

Mit sehr vielen Trainingsdaten und sehr vielen Trainingssessions können dabei Systeme entstehen, die tatsächlich mit einiger Verlässlichkeit Objekte auf Bildern erkennen können. Am besten werden diese neuronalen Netzwerke aber, wenn die Neuronen in Schichten angeordnet sind. Die erste Schicht bekommt dabei die Originalpixel zu sehen. Die zweite bekommt die Resultate der ersten Schicht zu sehen und verarbeitet die weiter. Die dritte Schicht bekommt die der zweiten und so weiter. Die letzte Schicht gibt dann die berechnete Antwort aus. Dadurch bestehen neuronale Netzwerke aus sehr vielen mathematischen Formeln mit einer großen Anzahl von Gewichten, die alle durch die Daten gelernt werden müssen. Auch hier gibt es wieder eine große Varianz an der genauen Form der mathematischen Gleichungen – niemand weiß so genau, welche Schicht an Neuronen am besten welche Form von Gleichungen verwenden soll. Solange die Qualität des Systems noch nicht stimmt, kann man aber an dem genauen Aufbau der Schichten arbeiten, und natürlich auch an der Form der Trainingsdaten und deren Menge und Qualität.

Es gibt also auch hier keinen Weg, der Objektivität garantiert: Jede Entscheidung würde zu anderen Antworten führen. Damit stellt sich die Frage danach, wann KI-Systeme in ihren Berechnungen verlässlich und nachvollziehbar sind, denn nur dann könnten sie Menschen ersetzen. [...]

Was uns diese Methoden aber nicht erlauben, ist, die Beweggründe für eine computergenerierte Entscheidung zu verstehen. Schließlich wurden nur statistische Auffälligkeiten in den Trainingsdaten gespeichert: Ob diese aber wirklich relevant oder nur eine sogenannte statistische Korrelation sind, also eine statistische Auffälligkeit, die für das zu verstehende Phänomen kausal keine Rolle spielt, kann uns keiner sagen. Die Maschinen sind in diesem Sinne black boxes, also undurchdringliche Systeme.

Darin sind sie unseren Haustieren und selbst der Lieblingskollegin nicht ganz unähnlich: Am Ende können wir auch bei unserem Hund niemals vollständig vorhersagen, was er tun wird oder warum er etwas getan hat. Aber unsere jeweilige Intelligenz hat eine gemeinsame Basis, auf der wir aufbauen können – diese fehlt mit den Maschinen. Bei der Lieblingskollegin kommen weitere Aspekte hinzu, mit der wir ihre Entscheidungen nachvollziehen können: Unsere jeweilige Ausbildung hat Prozesse zur Verfügung gestellt, mit der Entscheidungen nachvollziehbar werden, und wir haben eine gemeinsame Sprache, um uns unsere Beweggründe für eine Entscheidung verständlich zu machen. Dass es dabei immer noch Lücken gibt und wir uns als Menschen selbst gar nicht immer sicher sind, warum wir etwas entschieden haben, und dies vielleicht nur im Nachhinein rationalisieren, sei einmal dahingestellt. Trotzdem bleibt uns diese gemeinsame Basis der Entscheidungsprozesse und Kommunikation über Entscheidungen, die bei KI-Systemen fehlen. Damit komme ich zu der eingangs gestellten Frage: Können KI-Systeme uns ersetzen? [...]

Maschinen können uns basierend auf maschinellem Lernen grundsätzlich keine Begründung für ihre Entscheidungen geben. Daher können sie uns in unseren Entscheidungen nur dann ersetzen, wenn wir diese wenigstens auf Verlässlichkeit prüfen können. Dies ist nur bei faktischen Entscheidungen und in eingeschränkter Form bei Risikobewertungen der Fall. Werturteile und insbesondere singuläre Entscheidungen, wie sie in der Politik gang und gäbe sind, können nicht von Maschinen ersetzt werden. [...]

Im Bereich Kreativität kann die Maschine Ideen dort ersetzen, wo es um Assoziationen geht, die nahe am Offensichtlichen sind. Wirklich kreativ können sie nicht werden, weil sie den feinen Unterschied zwischen Offensichtlichem und Absurdem nicht erkennen, den kreativen sweetspot nicht treffen können. Ganz sicher aber wird der Mensch, der die Möglichkeiten und Limitationen von KI-Systemen für seine Arbeit erkennt, diejenige Person ersetzen, die dies nicht tut."

Es gibt keine reine Intelligenz

 Manuela Lenzen: „Künstliche Systeme zeigen: Es gibt keine reine Intelligenz“

FR 7.8.2023

"[...] Die Vorstellung, dass Intelligenz vor allem im Kopf passiert, ist falsch. Intelligenz funktioniert in einer konkreten Umgebung, in der unser Körper uns mit Sinneswahrnehmungen versorgt. Wir sehen zum Beispiel nicht wie eine Kamera alles gleich gut, sondern unsere Augen filtern vor, was unser Gehirn verarbeiten kann. Ein Forscher hat mir mal gesagt, das Auge sei eine schreckliche Kamera, mit der kein Ingenieur arbeiten würde. Aber wir können uns in der Welt orientieren, gerade weil wir nicht alles sehen, sondern das Wichtige. Das ist ein Problem der künstlichen Systeme: Wenn alles gleich wichtig ist, dann ist nichts wichtig. Wenn jeder Pixel gleich bedeutsam ist, dann sehe ich keine Gegenstände. Außerdem brauchen wir als intelligente Wesen soziale Kontakte. Wir brauchen den Körper, die Umwelt und die Mitmenschen. Eine reine Intelligenz gibt es nicht – und das wird im Vergleich mit künstlichen Systemen sehr offensichtlich."

Sieh auch:

Lenzen, Manuela Der elektronische SpiegelMENSCHLICHES DENKEN UND KÜNSTLICHE INTELLIGENZ.

Künstliche Intelligenz und Intelligenz auf diesem Blog

Wikipedia

Teslers „Theorem“ zum Ausdruck bringt: „Intelligenz ist das, was Maschinen noch nicht gemacht haben“.

Künstliche Intelligenz und Hacker (englisch)

 Können wir künstlicher Intelligenz vertrauen, Frau Zweig? Die ZEIT 27.7.23

"[...]ZEIT: Sie erforschen eines der wichtigsten Themen unserer Zeit. Wie wurden Sie zur Expertin? 

 Zweig: Es gibt dazu eine Geschichte. Ich bin etwa sieben, als Nachbarn wegziehen. Meine Mutter ruft in den Hof: "Willst du Tschüss sagen?" Ich: "Nö." Sie: "Du wirst das vielleicht bereuen." Aber ich spürte, dass das nicht der Fall sein würde – denn ich hatte mit denen kaum etwas zu tun. Damals wurde mir klar, dass eine gute Entscheidung immer auf allen relevanten Informationen fußt, die man in diesem Moment hat. Diese Idee zieht sich als roter Faden durch viele meiner Forschungsfragen. [...]

Zweig: Es geht um die gesellschaftlichen Folgen der Informatik, insbesondere um Interaktionen zwischen Menschen, vermittelt durch Software. Mein liebstes Beispiel dafür ist von 2016, dem Jahr der US-Präsidentschaftswahl. In Mazedonien grassierte damals die Jugendarbeitslosigkeit. Da kamen ein paar Teenager dahinter, Facebook-Nutzer mit politischen Texten auf ihre Webseiten zu locken. Mit Werbung auf diesen Webseiten ließ sich etwas verdienen. Das meiste Geld, so zeigte sich schnell, war mit Trump-Anhängern zu machen, die ließen sich schneller locken. Und so begannen mazedonische Teenager, auf Facebook schlecht über Hillary Clinton zu schreiben – ohne jedes politische Motiv. Das ist ein typisches emergentes Phänomen, wie wir das nennen. Eine an sich neutrale Technologie bringt zusammen mit einem psychologischen Effekt etwas Neues hervor. [...] Viele Leute glauben, die Technik sei jetzt ja so gut, da müsse man nur noch Daten reinschmeißen. Dazu kommt noch unsere Gutgläubigkeit. Ich sehe etwa derzeit viele Systeme im Personalbereich, bei denen man angeblich nur einen unstrukturierten Lebenslauf hochladen muss, und die Maschine schlägt dann passende Stellen vor. Absurd.  [...]

In meinem neuen Buch teile ich KI-Systeme ein in vier Sorten. Die erste Sorte gibt auf unsere Fragen faktische Antworten, die sich auch auf einem anderen Weg berechnen lassen. Ein Beispiel wäre die predictive maintenance, die Reparaturvorhersage, wo eine KI etwa einen Motor belauscht. Sobald dessen Geräusche vom gewohnten Muster abweichen, alarmiert die KI eine Technikerin, damit die sich den Motor anschaut, bevor es zum Kolbenfresser kommt. Solchen Systemen können wir vertrauen, weil wir ihre Ergebnisse nachprüfen können. Die zweite Sorte macht statistische Vorhersagen. Die können wir zumindest im Nachhinein checken. So wie wir prüfen können, ob es richtig ist, einem Fahranfänger höhere Versicherungsprämien abzuknöpfen, anhand der Unfallstatistik. Maschinen finden in Datensätzen viel besser subtile Muster, als Menschen es tun, und können so bessere statistische Analysen machen. Liegt eine aber ständig daneben, werden wir das bemerken – kein Problem also. Hier können wir KI sogar mehr vertrauen als dem sprunghaften Menschen. [...] 

 Von nicht überprüfbaren Fragestellungen, das wäre die dritte Sorte, sollte man eine KI fernhalten. Zum Beispiel sollte eine KI in neuartigen Situationen, sei es eine Pandemie oder der Mauerfall, keine politischen Ratschläge erteilen. Diese wären weder zu dem Zeitpunkt noch später in ihrer Wirkung nachprüfbar. Und dann könnte es noch KI-Systeme geben, die Werturteile abgeben, auch denen sollten wir nicht trauen. Zweig: Ein Beispiel, zu dem ich gerade mit einem Philosophen geforscht habe: Wenn KI einen Text bewertet und sie fast dieselben Noten gibt wie menschliche Gutachter, darf man das dann der Maschine überlassen? [...] Nun, ich habe dafür einfach eine eigene KI entwickelt. Von 16 Klausuren habe ich acht vorher korrigiert und die KI damit trainiert. Die hat mir dann vorhergesagt, welche Noten ich den restlichen acht Klausuren geben werde. Der Vergleich zeigte: Die vorhergesagten Noten und meine lagen nur 0,3 auseinander. Dabei hatte ich der KI nur eine einzige Sache zu den verbleibenden acht Klausuren verraten. Raten Sie mal, welche. [...] Die Gesamtzahl der Seiten! Daran sieht man so gut: Es reicht nicht, dass die Maschine fantastisch ist in der Vorhersage, wenn diese auf falschen Kriterien fußt. Denn wüssten meine Studierenden, die KI bewertet nur die Länge der Arbeit, dann würden sie sich danach richten und das eigentliche Ziel der Klausur gar nicht erreichen. Nämlich zu lernen, komplexe Zusammenhänge in einem Text zusammenzufassen – und das kann eine Maschine eben nicht beurteilen. Noch nicht."

Nicht künstliche Intelligenz ist die Gefahr, sondern der falsche Umgang mit ihr

 Noch ist - wie bei den fossilen Energien und der Atomkraft - nicht die Technik das Problem, sondern der Mensch. Denn Computer lassen sich abschalten. Beruhigend ist auch, dass in diesem Fall die Erfinder selbst vor den Gefahren warnen. Das war bei der Nutzung der fossilen Energien nicht der Fall, weil niemand die Entwicklung über 200 Jahre voraussehen konnte. Bei der friedlichen Nutzung der Atomkraft haben die Warnungen nach einigen Katastrophen zu einem gewissen Umdenken geführt. Beim Klimawandel, der aufgrund der Nutzung der fossilen Energien entstanden ist, hat die Menschheit dreißig Jahre, nachdem das Problem weltweit bekannt war, immer noch keinen erfolgreichen Lösungsweg beschritten. Die Frage ist: Lassen sich die Gefahren der künstlichen Intelligenz (z.B. verdeckter Rassismus) eindämmen, ohne dass die Weiterentwicklung erst einmal gestoppt werden muss?

Dazu ein paar Hinweise: Ein Computerprogramm stürzt ab, wenn es falsch programmiert ist, die KI verbessert ihre Funktionsweise selbst. Kann sie auch Fehler ihres Programms aufzeigen? Der Mensch ist oft in Versuchung, sich mehr zuzutrauen, als er zu leisten imstande ist. Kann das der KI auch passieren? Bisher deutet der ChatGPT am Schluss seiner Antworten mit allgemeinen Formeln an, dass seine Antwort nicht letztgültig ist. Kann man ihm beibringen, konkreter aufzudecken, welche Aspekte er nicht bearbeiten konnte?

Und weil es so beliebt ist, irgendwo etwas zu finden, was der Mensch besser kann als eine Maschine. KI kann sich gewiss auf absehbare Zeit nicht wie Rilke vornehmen, "das Unsagbare zu sagen".

Doch die größte Gefahr, die von KI ausgeht, ist vielleicht, dass sie uns dazu verführt, oberflächlich zu lesen. Maryanne Wolf macht darauf aufmerksam, dass digitale Texte schneller gelesen werden, weil sie auf Verwertbarkeit hin gelesen werden. Oft steht bei dem Link zum Text sogar schon die Lesezeit, die man dafür vermutlich brauchen wird, denn der Leser fragt sich ja fast immer: Lohnt es sich, den Text zu lesen, oder kann ich dieselbe Information auch schneller erhalten?

Anspruchsvolle Texte aber müssen langsam und oft mehrmals gelesen werden, bis man merkt, welche ganz persönlichen Empfindungen sie in einem wachrufen. Sie können in der Tat mehr sagen, als der Verfasser ausdrücken konnte, weil sie jedem Leser etwas anderes sagen.

Geht uns das verloren, wenn wir für jedes Informationsinteresse künstliche Intelligenz zur Hilfe nehmen können?

Sieh auch:

Relativ einfache Aufgaben, die künstliche Intelligenz bisher noch nicht lösen kann:

Das löst jeder. Nur die KI nicht ZEIT Nr.23 1.6.23

Whistleblower bei Facebook

 Frances Haugan, die Whistleblowerin ZEIT 13.6.2023

"Frances Haugen wurde mit Facebook-Enthüllungen weltberühmt. Hier spricht sie über ihr Leben, ihre Krankheit – und wie sie künstliche Intelligenz sicherer machen würde. [...]"

ZEIT ONLINE: Neben Ihrer persönlichen Geschichte geht es in dem Buch ausführlich um Algorithmen: wie man sie konkret verändern und verbessern kann. Genau das war Ihre Arbeit bei Google und anderen Unternehmen aus dem Silicon Valley – und schließlich auch bei Facebook. Warum sollten Menschen so viel über diese technischen Dinge lesen wollen? 

Haugen: Nur wenige Menschen können in das Gestrüpp der Algorithmen hineinsehen, obwohl das wichtig ist, weil diese Algorithmen zum Beispiel Wahlen einseitig beeinflussen können. Ich habe es getan. Und dieses Wissen möchte ich teilen [...]

Ich habe Ende des vergangenen Jahres eine Organisation gegründet, sie heißt Beyond the Screen. Wir wollen den Menschen helfen, zu erkennen, was hinter den Bildschirmen ihrer Telefone geschieht. Wie die großen Techplattformen funktionieren. Wir wollen helfen, ein Ökosystem aufzubauen, das die Konzerne zur Verantwortung zieht. 

ZEIT ONLINE: Wie soll das praktisch gelingen? Sie selbst vergleichen Ihre Arbeit mit der Einführung des Sicherheitsgurts im Auto. Aber damals gab es Bilder von Unfällen und eindeutige Statistiken, wie viele Leben ein Sicherheitsgurt rettet. Die Algorithmen von Facebook, Google und Co sind unsichtbar.

Haugen: Es ist schwieriger, das gebe ich zu. Ein Weg könnte sein, dass wir in Schulen ein soziales Netzwerk simulieren, mit dem Schülerinnen und Schüler experimentieren können. So wie sie im Chemieunterricht ein paar Dinge in Flammen aufgehen lassen.

https://www.zeit.de/digital/internet/2023-06/fances-haugen-whistleblowerin-facebook-ki-sicherheit/komplettansicht

Pressefreiheit und künstliche Intelligenz

"Um es klar zu sagen: die große Bedrohung durch künstliche Intelligenz liegt derzeit nicht darin, dass Maschinen die Herrschaft über die Menschheit übernehmen. Sie liegt darin, dass die herrschenden Menschen die Herrschaft über die Technik haben und mit dieser Hilfe ihre Herrschaft ausbauen und die Pressefreiheit einzuschränken ist hierbei eine der größten Gefahren.

Deswegen hilft kein Rückzug keine Verweigerung vor der Innovation. Wer heute die Technik beherrschen will, muss sie erst einmal beherrschen. Gerade die Menschen im Journalismus sind aufgefordert, Ihre Erfahrungen transparent mit Leserinnen und Lesern zu teilen."

(Thomas Kaspar, Frankfurter Rundschau, 3.5.2023)

Künstliche Intelligenz

 https://www.zeit.de/2023/16/ki-systeme-chatgpt-regelungen/komplettansicht

Chomsky: Das falsche Versprechen künstlicher Intelligenz

 https://portside.org/2023-03-08/noam-chomsky-false-promise-chatgpt

ChatGPT

 

Ich habe jetzt in ZUM-Unterrichten ein neues Stichwort angelegt, damit man dort über die Suche etwas leicht Verständliches erfährt:

https://unterrichten.zum.de/wiki/Historische_Stichworte/ChatGPT

Außerdem kann ich für die unterrichtliche Verwendung folgende Links empfehlen:

https://unterrichten.digital/2023/01/23/chatgpt-unterricht-feedback-mega-prompt/

https://unterrichten.digital/2022/12/10/kuenstliche-intelligenz-ki-schule-unterricht/

https://hochschulforumdigitalisierung.de/de/blog/chatgpt-evolution-spannagel

https://bobblume.de/2023/03/09/diskussion-chatgpt-nur-ein-weiteres-werkzeug-10-thesen/

Aus Blumes Zusammenfassung:

"In der Kurzbeschreibung liegt schon der Kern der Unvergleichbarkeit. Während Bibliotheken  zunächst eine physische Funktion der Aufbewahrung von weiteren Trägermedien haben und Bücher als Trägermedien zwar sehr unterschiedlich sind, aber nur die eben in ihnen intendierten Inhalte transportieren können, ist ChatGPT multifunktional anwendbar und auf jeden Bereich, der mit Sprache und Kommunikation zu tun hat, übertragbar. Damit ist es nicht einfach nur ein weiteres Werkzeug, sondern ein semantisches Schweizer Taschenmesser, das – dabei bleibe ich – für eine fundamentale Änderung schulischen Lernens sorgen wird. Und zwar, und das ist entscheidend, egal ob es genutzt oder ignoriert wird." (Hervorhebung: Fontanefan)

https://www.youtube.com/watch?v=afu1CgCBK_E&t=6s

Über künstliche Intelligenz

 https://www.linkedin.com/feed/update/urn:li:activity:7022415152918462464/

Künstliche Intelligenz und Lesen

 https://twitter.com/esteinhauer/status/1543357773324369922

Arzeneimittelforschung unterstützt durch künstliche Intelligenz

"[...] Der Ansatz von Innoplexus führt zu Ergebnissen, die die Fachwelt aufhorchen lassen. Zum Beispiel berechnet das Unternehmen die Erfolgschancen neuer Medikamente in klinischen Tests. Während Investoren und Fachleute 2018 etwa einen Erfolg für das Medikament Aducanumab des Pharmakonzerns Biogen erwarten, sagt die künstliche Intelligenz von Innoplexus ein sehr wahrscheinliches Scheitern voraus. So kommt es dann auch. Biogen verliert an der Börse binnen Stunden fast die Hälfte seines Firmenwertes. Solch teure Fehlschläge sollen künftig der Vergangenheit angehören. [...]" (FR 14.8.20)

Gunjan Bhardwaj
covid19

Ist künstliche Intelligenz automatisch rassistisch?

Oder woran liegt es, dass Automaten Fotos von Schwarzen unverhältnismäßig oft für fehlerhaft halten?

https://www.zeit.de/2020/32/kuenstliche-intelligenz-diskriminierung-hautfarbe-gesichtserkennung/komplettansicht

"Erst langsam wird das Ausmaß dieser Verzerrung deutlich, wie 2019 das amerikanische Institut für Standards und Technologie gezeigt hat, die weltweit wichtigste Behörde für die Bewertung von Gesichtserkennungsalgorithmen. Laut einer Studie machen die Systeme der automatischen Gesichtserkennung bei schwarzen Männern bis zu 100-mal häufiger Fehler als bei Europäern, und bei Frauen in allen Tests mehr Fehler als bei Männern. Als schwarze Frau gehört Audrey K. gleich zu den zwei großen Fehlergruppen – so wie Joy Buolamwini, die Wissenschaftlerin am MIT."

Sieh auch:

https://www.theguardian.com/technology/2020/sep/06/from-viral-conspiracies-to-exam-fiascos-algorithms-come-with-serious-side-effects

Precht: Roboter können keine Moral

Roboter können keine Moral ZEIT 18.6.20
künstliche Intelligenz

"[...] Voll automatisierte Robo-Cars werden als die Zukunft angesehen. Folglich sollen Ethiker sich Gedanken darüber machen, wie voll automatisiert fahrende Autos in einer Dilemma-Situation entscheiden sollen, wenn sich der Tod von Menschen nicht verhindern lässt. Wer soll überleben und wer überfahren werden? Kinder oder Rentner? Hunde, Kranke, Straffällige?
Dass das Grundgesetz mit seiner Definition der Menschenwürde solche Überlegungen schon im Ansatz nicht zulässt, hat die deutsche Automobilindustrie bislang zu keinem klaren Bekenntnis gegen ein solches Aufrechnen von Lebenswert genötigt. So steht zu befürchten, dass auch bei uns daran gearbeitet wird, Autos "ethisch" zu programmieren. Da diese Ethik, wie gezeigt, keine ist und zudem dem Grundgesetz widerspricht, müssten sämtliche Ethiker in Deutschland hier laut aufschreien. Stattdessen sitzen in Kommissionen (neben Ausnahmen) hinreichend Fachleute, die leiser kaum sein könnten. Und das, obwohl das zukünftige "autonome" Fahren in unseren Großstädten nicht nur den Lebenswert von Menschen verrechnen soll, sondern auch jeden Verkehrsteilnehmer uneingeschränkt überwachen wird. Robo-Cars in den Innenstädten sind vielleicht die Lösung für unsere Verkehrsprobleme. Viel wahrscheinlicher sind sie nicht einmal das. In jedem Fall aber gehen sie einher mit einem Verstoß gegen das Grundgesetz und einer drastischen Einschränkung unserer Freiheit. Wer das will, will nicht nur einen anderen Verkehr – er will einen anderen Staat."

aktuelle Links

Kongress mit dem bayrischen Wissenschaftsminister Bernd Sibler:
https://www.bidt.digital/hightech-summit-bayern/
https://www.stmwk.bayern.de/wissenschaftler/meldung/6443/hightech-summit-bayern-bietet-spannende-einblicke-in-die-technologien-von-morgen.html

Homeoffice
Tönnemanns : Butterfield, Slack
Börsenentwicklung: Gut feshalten

Catuskoti/Tetralemma S.49 Graham Priest:
Gibt es mehr als nur wahr oder falsch?

https://www.zeit.de/arbeit/2020-06/unternehmensfuehrung-corona-krise-chef-macht-verlust-hierarchie

Verblendet vom Augenblick https://www.zeit.de/2020/25/corona-krise-staat-risikopolitik-andreas-reckwitz

Covid-19-Ausbruch in Göttingen:
https://www.zeit.de/2020/25/coronavirus-neuinfektionen-goettingen-tests-lockdown-stigmatisierung

Sterbehilfe: Tod wider Willen: https://www.zeit.de/2020/25/sterbehilfe-niederlande-demenz-toetung-aerztin-urteil

BDS https://www.zeit.de/2020/25/israel-boykott-bds-bewegung-westjordanland-antisemitismus

Bolsonaro https://www.zeit.de/2020/25/jair-bolsonaro-brasilien-coronavirus-militaer

Demokratie in den USA https://www.zeit.de/2020/25/usa-demokratie-thomas-jefferson-alexis-de-tocqueville

US Außenpolitik, S.6 https://www.zeit.de/2020/25/us-aussenpolitik-donald-trump-china-hegemonie

Europäische Union https://www.zeit.de/2020/25/europaeische-union-ratspraesidentschaft-deutschland-fuehrung-corona-krise

Fragen, die strittig bleiben https://www.zeit.de/2020/25/corona-massnahmen-wirtschaftspaket-konjunktur-schulden

Trump Bibel als Waffe https://www.zeit.de/2020/25/donald-trump-bibel-usa-kirchen-instrumentalisierung

Künstliche Intelligenz/Künstliche Dummheit: https://www.zeit.de/2020/25/kuenstliche-intelligenz-digitalisierung-pandemie-verhalten

Affektkontrolle/Coronaepidemie: https://www.zeit.de/2020/25/corona-pandemie-verhalten-zivilisation-fussball

Über die Nutzung künstlicher Intelligenz im Unterricht

https://www.youtube.com/results?search_query=How+China+Is+Using+Artificial+Intelligence+in+Classrooms+%7C+WSJ

Offenbar hat China diese Entwicklung besonders weit vorangetrieben.

Künstliche Intelligenz und Big Data - Datenschutz

https://paderta.com/open-data-und-kuenstliche-intelligenz/