Ob ein Bild vom Papst in einer weißen Daunenjacke oder die Zeichnung einer dystopischen Fantasiewelt im Stile van Goghs: Generative KI lässt uns Inhalte erstellen, die zur Belustigung und zum Staunen anregen. Diese wirken zunächst harmlos. Jedoch lassen jüngste Beispiele auf andere gesellschaftliche Auswirkungen der KI-Tools schließen. So postete ein Bundestagsabgeordneter der AfD-Fraktion Bilder von Migrant*innen mit wutverzerrten Gesichtern, um seine fremdenfeindliche Message in die Welt hinauszutragen. Dass er diese Bilder mithilfe von KI entwickelt hatte, ließ er unerwähnt.
Fake News ohne gesellschaftliche Kontrolle
Situationen wie diese stellen uns vor große gesellschaftliche Herausforderungen. Mit fortschreitender technologischer Entwicklung wird die Bewertung des Wahrheitsgehalts von Inhalten erschwert. In einer zunehmend von KI geprägten Welt benötigen wir daher maximale Transparenz: Kennzeichnungspflichten für KI-Inhalte sind unerlässlich, um unsere Gesellschaft vor Manipulation und Missbrauch zu schützen. Das liegt zum einen daran, dass KI-Inhalte sehr fehleranfällig sind. Wikipedia-Artikel, Reddit-Threads und Parler-Theorien finden gleichermaßen Einzug in die maschinell generierten Antworten. So werden Falschinformationen und auch Verschwörungstheorien reproduziert ohne Möglichkeit für gesellschaftliche Kontrolle.
Zudem eignen sich generative KI-Tools hervorragend für die Erstellung von Desinformation und Propaganda. Im Handumdrehen lassen sich täuschend echte Inhalte erstellen, die Menschen in die Irre führen können. In Kombination mit organisierten Desinformationskampagnen, wie es sie bereits von russischen Akteuren gegeben hat, können ChatGPT und Co. als Brandbeschleuniger wirken.
Wir müssen wehrhafter werden
Als Gesellschaft müssen wir daher wehrhafter werden. Bürger*innen müssen befähigt werden, informierte und souveräne Entscheidungen über den Wahrheitsgehalt eines Textes oder Bildes zu treffen. Die Frage „Hinter welcher Arbeit steckt ein Mensch, hinter welcher eine Maschine?“ darf nicht zum Ratespiel werden. Wir brauchen Kennzeichnungspflichten für KI-generierte Inhalte, um ein Bewusstsein für den Umfang an Fehleranfälligkeit und Desinformation zu schaffen. Das ist elementar für das Vertrauen in unserer Gesellschaft.
Der Text stammt aus dem aktuellen vorwärts-E-Paper, das Sie hier abonnieren können.
Algorithmus Maschinelles Lernen Chatbot ChatGPT Überwachtes LernenGlossar: Künstliche Intelligenz
ist eine definierte Berechnungsvorschrift für einen oder mehrere Computer, um Aufgaben zu lösen. Neben fest programmierten Algorithmen gibt es auch solche, die selbst dazulernen und damit selbst Kriterien aufstellen, wonach entschieden wird.
kommt in allen modernen KI-Systemen vor. Beim maschinellen Lernen werden Algorithmen so eingesetzt, dass IT-Systeme Muster und Gesetzmäßigkeiten erfassen und daraus eigene Lösungsansätze entwickeln können. Grundlage sind große, vorhandene Datenbestände, die zur Erkennung der Muster benötigt werden.
Ein Chatterbot, Chatbot oder Bot ist ein Computerprogramm, das durch Methoden maschinellen Lernens dazulernen kann. Es wird zunehmend im Kundenservice eingesetzt, um Anfragen zu beantworten.
steht für „Generative Pretrained Transfromer“ und ist ein Chatbot, dessen Software auf maschinellem Lernen, dem Deep Learning basiert. Mithilfe von ChatGPT können Texte erfasst und erzeugt werden. Zu jedem erdenklichen Thema können Nutzerinnen und Nutzer mit ChatGPT in den Dialog treten. Dabei greift das Programm auf eine riesige Menge Textdaten aus dem Internet zurück, wie Websites, Artikel und Bücher. ChatGPT wurde vom US-amerikanischen Unternehmen OpenAI entwickelt und im November 2022 der Öffentlichkeit zugänglich gemacht.
ist ein Teilgebiet des maschinellen Lernens. Dabei erhält der Algorithmus ein klares Ziel. ChatGPT wurde mit überwachten und bestärkenden Lernmethoden trainiert. Das bedeutet, dass diese künstlich erzeugte Intelligenz menschliches Feedback erhält. Damit sollen diskriminierende oder schädliche Verhaltensmuster vermieden werden. Beim unüberwachte Lernen soll ohne klare Zielvorgabe nach Gemeinsamkeiten und Unterschieden gesucht werden. Ziel ist es, Muster und Zusammenhänge in großen Datensätzen zu finden, die sonst verborgen bleiben.
