Unterschiedlichen Bewertungen der KI-Modelle
Was denkt sich die KI?
Künstliche Intelligenz – ein faszinierendes und zugleich mysteriöses Thema. Doch was „denkt“ eigentlich eine KI? Dabei geht es nicht um Gefühle oder bewusste Absichten, sondern um das, was hinter den Kulissen in Form von Trainingsdaten, Algorithmen und Modellarchitekturen abläuft. Unterschiedliche KI-Modelle können dabei erstaunlich unterschiedliche Perspektiven einnehmen.
Ein einfaches Beispiel: Das Frikadellen-Rezept
Stellen wir uns zwei KI-Modelle vor, die beide ein Kochrezept für Frikadellen bewerten sollen. Das Llama-Modell von Meta empfand das Rezept als „geschmacklich aufregend und trotzdem bodenständig“. Dagegen bewertet ChatGPT von OpenAI dasselbe Rezept als „wohlschmeckend, aber kompliziert in der Herstellung“.
Was steckt hinter diesen unterschiedlichen Bewertungen? Der entscheidende Faktor sind die Trainingsdaten:
Das „Llama-Modell“: Trainiert ausschließlich mit Bildern von fertigen Frikadellen. Das Modell sieht das Endergebnis und verbindet damit eine klare, eindrucksvolle Geschmacks- und Qualitätsbewertung.
Das „ChatGPT“: Hier flossen auch Bilder der einzelnen Zutaten ein – Hackfleisch, Petersilie, Eier, Paniermehl. Durch den Blick auf die einzelnen Komponenten entsteht der Eindruck, dass der Herstellungsprozess komplexer sei.
Diese Differenzierung zeigt eindrucksvoll, dass dieselbe Aufgabe je nach Blickwinkel und Datengrundlage ganz unterschiedlich interpretiert werden kann.
Fehlinterpretationen und gezielter Einfluss
Die unterschiedlichen Bewertungen der KI-Modelle machen deutlich: Fehlinterpretationen können nicht vollständig vermieden werden. Jede KI „sieht“ die Welt durch die Linse ihrer Trainingsdaten und damit unvermeidlich subjektiv. Dennoch können wir als Entwickler und Marketer indirekt Einfluss nehmen. Durch eine gezielte Auswahl und Aufbereitung der Trainingsdaten können wir bestimmte Aspekte hervorheben oder abschwächen – so beeinflussen wir, wie die KI ein Produkt oder eine Situation wahrnimmt.
„Was denkt sich die KI?“
Die Antwort ist so vielfältig wie die Daten, mit denen sie trainiert wurde. Während einige Modelle einen bodenständigen, direkten Blick auf ein fertiges Produkt haben, erlauben andere einen detaillierteren Blick auf die einzelnen Bestandteile. Dies eröffnet spannende Möglichkeiten für gezieltes Marketing und individuelle Produktbewertungen. Letztlich bleibt die Herausforderung: Fehlinterpretationen sind immer möglich, aber durch bewusste Gestaltung der Daten können wir einen positiven Einfluss ausüben.
