Version 2
|
Vor einiger Zeit habe ich beschlossen, möglichst auf den Begriff “künstliche Intelligenz” (Biblionetz:w00039) zu verzichten und stattdessen andere Begriffe zu verwenden (für eine Begründung siehewarum wir den Begriff KI vermeiden solltenoder auchBiblionetz:a01540).
Aktuell sieht mein Begriffsverständnis folgendermassen aus:
Weshalb habe ich den neuen BegriffGenerative Machine-Learning-Systeme(Biblionetz:w02833) erfunden, statt einfach den bestehenden Begriff derLarge Language Modelszu verwenden? Hier meine Überlegungen: LLM sind nicht gleich GMLS: Der Begriff “Large Language Model” bezeichnet streng genommen nur ein Modell und nicht ein Gesamtsystem. Somit ist z.B. GPT-4 ein LLM, ChatGPT aber nicht (ChatGPT nutzt ein LLM als Bestandteil).
Nutzung statt Funktionsweise: LLM bezeichnet eine Methode, wie etwas erreicht wird. GMLS beschreibt den Output eines Systems (es generiert etwas). Es ist gut möglich, dass künftig auch generierende Systeme entwickelt werden, die unter der Haube anders funktionieren (kein LLM verwenden). Für den Bildungskontext ist mir die Anwendung solcher Systeme wichtiger als die Funktionsweise.
Unerwünschte Assoziationen: Mit dem Begriff “Large Language Model” verbindet sich oft die falsche Annahme, dass es nur um Texte geht, weil “Language” im Alltagsverständnis meist etwas mit Text zu tun hat. Der Begriff GMLS vermeidet diese Assoziation zur reinen Textproduktion.
Betonung des Algorithmischen: Das “Generieren” im Begriff GMLS betont, dass Computer Medien sind, bei denen nicht einfach das wiedergegeben wird, was im Medium gespeichert wurde (anders als bei Büchern, Videos etc.). Der Begriff “Modell” kann auch als “Abbild” verstanden werden. Mir ist wichtig aufzuzeigen, dass GMLS mehr machen als “Abbilden”.
Verortung: Mit dem Begriff “generative Machine-Learning-Systeme” wird bereits im Begriff deutlich: a) Es handelt sich um eine Anwendung von machine learning
b) Es gibt noch andere Anwendungen von machine learning
Im Bildungskontext will ich aufzeigen, dass “Generieren” nur eine Anwendung von machine learning ist und wir uns ebenfalls auf das “Analysieren” und “Voraussagen” konzentrieren müssen.
Zum Kommentieren ist eine Registration notwendig.IsaBlog