[{"@context":"https:\/\/schema.org\/","@type":"NewsArticle","@id":"https:\/\/www.bachhausen.de\/ki-wie-funktioniert-eigentlich-chatgpt-wirklich-kolumne\/#NewsArticle","mainEntityOfPage":"https:\/\/www.bachhausen.de\/ki-wie-funktioniert-eigentlich-chatgpt-wirklich-kolumne\/","headline":"KI: Wie funktioniert eigentlich ChatGPT wirklich? – Kolumne","name":"KI: Wie funktioniert eigentlich ChatGPT wirklich? – Kolumne","description":"12 min gesch\u00e4tzte Lesedauer Angeblich soll es nicht mehr lange dauern, dann kommt GPT-5. H\u00f6rt sich unspektakul\u00e4r an, k\u00f6nnte aber explosiv wirken, denn GPT ist die Software hinter ChatGPT und…","datePublished":"2025-07-09","dateModified":"2025-07-09","author":{"@type":"Person","@id":"##Person","name":"Sascha Lobo","url":"#","identifier":8,"description":"Autor und Strategieberater, Schwerpunkte Internet und Markenkommunikation.","image":{"@type":"ImageObject","@id":"https:\/\/secure.gravatar.com\/avatar\/30e2f19c446702ed51e4c3f320902e2c1b5cd09ef9e7f60429563cae1ee95dab?s=96&d=robohash&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/30e2f19c446702ed51e4c3f320902e2c1b5cd09ef9e7f60429563cae1ee95dab?s=96&d=robohash&r=g","height":96,"width":96}},"publisher":{"@type":"Person","name":"Dirk Bachhausen","image":{"@type":"ImageObject","@id":"https:\/\/cdn.shortpixel.ai\/spai\/q_lossy+ret_img+to_auto\/www.bachhausen.de\/wp-content\/uploads\/2019\/07\/dirk_profil-300x300.jpg","url":"https:\/\/cdn.shortpixel.ai\/spai\/q_lossy+ret_img+to_auto\/www.bachhausen.de\/wp-content\/uploads\/2019\/07\/dirk_profil-300x300.jpg","width":600,"height":60}},"image":{"@type":"ImageObject","@id":"https:\/\/cdn.shortpixel.ai\/spai\/q_lossy+ret_img+to_auto\/www.bachhausen.de\/wp-content\/uploads\/2025\/07\/5e7deb81-10eb-42a7-87d5-88c10df63448_w335_r1778_fpx6599_fpy55.jpg","url":"https:\/\/cdn.shortpixel.ai\/spai\/q_lossy+ret_img+to_auto\/www.bachhausen.de\/wp-content\/uploads\/2025\/07\/5e7deb81-10eb-42a7-87d5-88c10df63448_w335_r1778_fpx6599_fpy55.jpg","height":188,"width":335},"url":"https:\/\/www.bachhausen.de\/ki-wie-funktioniert-eigentlich-chatgpt-wirklich-kolumne\/","about":["Europa","Politik"],"wordCount":2007,"keywords":["chatgpt","eigentlich","funktioniert","kolumne","wirklich"],"articleBody":"12 min gesch\u00e4tzte Lesedauer Angeblich soll es nicht mehr lange dauern, dann kommt GPT-5. H\u00f6rt sich unspektakul\u00e4r an, k\u00f6nnte aber explosiv wirken, denn GPT ist die Software hinter ChatGPT und die f\u00fcnfte Version k\u00f6nnte den lang ersehnten Qualit\u00e4tssprung mit sich bringen, der gegenw\u00e4rtige KI-Schw\u00e4chen zumindest lindert.In der Zwischenzeit m\u00f6chte ich eine Erkl\u00e4rung anbringen, weil im gro\u00dfen KI-Taumel der letzten zweieinhalb Jahre oft eine zentrale Frage zu kurz kam: Wie funktioniert die heutige, generative KI eigentlich wirklich und wo kommt sie her?Zum AutorSascha Lobo, Jahrgang 1975, ist Autor und Strategieberater mit den Schwerpunkten Internet und digitale Technologien. Gemeinsam mit Jule Lobo besch\u00e4ftigt er sich im Podcast \u00bbFeel the News \u2013 Was Deutschland bewegt\u00ab\u00a0 mit aktuellen Debattenthemen.K\u00fcnstliche Intelligenz ist ein \u00fcberraschend altes Konzept. Der britische Mathematiker Alan Turing hatte schon 1950 die Idee denkender Maschinen aufgebracht und sah als K\u00f6nigsdisziplin das maschinelle Verst\u00e4ndnis von menschlicher Sprache. Deshalb entwickelte er den Turing-Test: Ein Computer besteht einen Turing-Test, wenn er von durchschnittlich intelligenten Personen in einem Chat f\u00fcr einen Menschen gehalten wird.Der Begriff allerdings stammt in seiner englischen Form (Artificial Intelligence) von einer Konferenz am 13. Juli 1956 mit dem Namen \u00bbDartmouth Summer Research Project on Artificial Intelligence\u00ab. In der Beschreibung des Projekts erkl\u00e4rten die Wissenschaftler: \u00bbDie Studie soll von der Vermutung ausgehen, dass prinzipiell jeder Aspekt des Lernens \u2013 oder jede andere Eigenschaft der Intelligenz \u2013 so genau beschrieben werden kann, dass eine Maschine ihn simulieren kann.\u00abDie Wahrnehmung von Computern sind DatenDarauf aufbauend analysierte die Handvoll Fachleute, die sich damit besch\u00e4ftigten, zun\u00e4chst das menschliche Denken und Lernen \u2013 aus Sicht von Computern, also mit dem Fokus auf Daten. Das war damals viel weniger nahe liegend, als es heute scheinen mag. Die etwas, vereinfachte, zentrale Erkenntnis: Denken besteht beim Menschen aus Wahrnehmung, Verarbeitung und Interpretation der Wahrnehmungsdaten und Mustererkennung. Daraus kann (manchmal) eine Erkenntnis gewonnen werden \u2013 und dann geht es von vorn los.\u00dcbertragen auf Computer: Die Wahrnehmung sind die Daten, mit denen man den Computer f\u00fcttert. Die Verarbeitung ist die Speicherung, Sortierung und Kategorisierung der Daten. Die Mustererkennung sucht nach Mustern in den Daten, deren Bedeutung bekannt ist. Manchmal folgt darauf eine maschinelle Schlussfolgerung oder eine festgelegte Aktion, zum Beispiel nach dem schlichten Algorithmus \u00bbwenn, dann\u00ab.Mehr zum ThemaK\u00fcnstliche Intelligenz ist eine Art lernende Mustererkennung auf Speed. Dabei geht es vor allem um Wahrscheinlichkeiten: Mit welcher Wahrscheinlichkeit liegt welches Muster vor? Wie kann man die Wahrscheinlichkeit \u00fcberpr\u00fcfen oder erh\u00f6hen? Und wie kann man mit dieser Erkenntnis das Ergebnis verbessern?In allen technischen Bereichen sind Computer in den vergangenen Jahrzehnten immer besser geworden: Sie k\u00f6nnen viel mehr Daten viel schneller auf viel mehr Arten verarbeiten, und sie finden deshalb immer schneller immer komplexere Muster.Deshalb ist Nvidia \u00fcbrigens eine so wichtige Firma f\u00fcr k\u00fcnstliche Intelligenz: Sie ist gro\u00df geworden mit Grafikchips, f\u00fcr die vergleichsweise viele Daten gleichzeitig verarbeitet werden m\u00fcssen, damit man eine m\u00f6glichst fl\u00fcssige, farbenfrohe, lebensechte Bewegung auf dem Screen sieht. Genau das ist aber auch die Voraussetzung f\u00fcr k\u00fcnstliche Intelligenz.Unter bestimmten Umst\u00e4nden ist k\u00fcnstliche Intelligenz immer besserSeit Anfang der Sechzigerjahre setzt sich in der KI-Forschung langsam das Prinzip Machine Learning durch: Maschinen k\u00f6nnen aus Daten lernen, ohne dass man ihnen jeden einzelnen Schritt vorgibt \u2013 mit einem eigenen Lernkonzept. Zum Beispiel, indem man eine berechnete, m\u00f6gliche L\u00f6sung f\u00fcr ein Problem versucht zu \u00fcberpr\u00fcfen. Wie gut ist diese mathematische L\u00f6sung, etwa ein Verfahren, wie man den schnellsten Weg von A nach B findet? Dann wird eine andere m\u00f6gliche L\u00f6sung berechnet und der Computer pr\u00fcft, ob sie besser oder schlechter ist. Im Machine Learning wird das so oft vollzogen, bis die Software ein Muster der Verbesserung erkennt. Deshalb wird unter bestimmten Umst\u00e4nden k\u00fcnstliche Intelligenz immer besser.F\u00fcr einen gro\u00dfen Durchbruch wie bei ChatGPT reichte das allerdings lange trotzdem nicht, der gro\u00dfe Sieg der KI wurde zwar immer mahnend beschworen, der SPIEGEL schrieb 1989 warnend \u00bbDie Macht geht auf bl\u00f6de Apparate \u00fcber\u00ab. Aber kaum eine Technologiehoffnung wurde so oft und so nachhaltig entt\u00e4uscht wie der Glaube an eine tats\u00e4chlich halbwegs intelligente KI. Im Guten wie im Schlechten. .ue3f933628c583d129b7ebf044d64b9b1 , .ue3f933628c583d129b7ebf044d64b9b1 .postImageUrl , .ue3f933628c583d129b7ebf044d64b9b1 .centered-text-area { min-height: 80px; position: relative; } .ue3f933628c583d129b7ebf044d64b9b1 , .ue3f933628c583d129b7ebf044d64b9b1:hover , .ue3f933628c583d129b7ebf044d64b9b1:visited , .ue3f933628c583d129b7ebf044d64b9b1:active { border:0!important; } .ue3f933628c583d129b7ebf044d64b9b1 .clearfix:after { content: \"\"; display: table; clear: both; } .ue3f933628c583d129b7ebf044d64b9b1 { display: block; transition: background-color 250ms; webkit-transition: background-color 250ms; width: 100%; opacity: 1; transition: opacity 250ms; webkit-transition: opacity 250ms; background-color: #8E44AD; box-shadow: 0 1px 2px rgba(0, 0, 0, 0.17); -moz-box-shadow: 0 1px 2px rgba(0, 0, 0, 0.17); -o-box-shadow: 0 1px 2px rgba(0, 0, 0, 0.17); -webkit-box-shadow: 0 1px 2px rgba(0, 0, 0, 0.17); } .ue3f933628c583d129b7ebf044d64b9b1:active , .ue3f933628c583d129b7ebf044d64b9b1:hover { opacity: 1; transition: opacity 250ms; webkit-transition: opacity 250ms; background-color: #8E44AD; } .ue3f933628c583d129b7ebf044d64b9b1 .centered-text-area { width: 100%; position: relative; } .ue3f933628c583d129b7ebf044d64b9b1 .ctaText { border-bottom: 0 solid #fff; color: #000000; font-size: 16px; font-weight: bold; margin: 0; padding: 0; text-decoration: underline; } .ue3f933628c583d129b7ebf044d64b9b1 .postTitle { color: #FFFFFF; font-size: 16px; font-weight: 600; margin: 0; padding: 0; width: 100%; } .ue3f933628c583d129b7ebf044d64b9b1 .ctaButton { background-color: #9B59B6!important; color: #000000; border: none; border-radius: 3px; box-shadow: none; font-size: 14px; font-weight: bold; line-height: 26px; moz-border-radius: 3px; text-align: center; text-decoration: none; text-shadow: none; width: 80px; min-height: 80px; background: url(https:\/\/cdn.shortpixel.ai\/spai\/q_lossy+ret_img+to_auto\/www.bachhausen.de\/wp-content\/plugins\/intelly-related-posts\/assets\/images\/simple-arrow.png)no-repeat; position: absolute; right: 0; top: 0; } .ue3f933628c583d129b7ebf044d64b9b1:hover .ctaButton { background-color: #9B59B6!important; } .ue3f933628c583d129b7ebf044d64b9b1 .centered-text { display: table; height: 80px; padding-left: 18px; top: 0; } .ue3f933628c583d129b7ebf044d64b9b1 .ue3f933628c583d129b7ebf044d64b9b1-content { display: table-cell; margin: 0; padding: 0; padding-right: 108px; position: relative; vertical-align: middle; width: 100%; } .ue3f933628c583d129b7ebf044d64b9b1:after { content: \"\"; display: block; clear: both; } Auch interessant:  Zu viel Schutz, zu wenig ZukunftAnfang der Nullerjahre ver\u00e4ndert sich genau das auf interessante Weise. Schon l\u00e4nger gab es eine Schule der KI, die \u00fcberzeugt war, dass denkende Maschinen etwa so aufgebaut sein m\u00fcssten wie Gehirne, also als neuronale Netze. Die dazugeh\u00f6rige Variante der Mustererkennung hei\u00dft Deep Learning. Dabei werden viele Prozessoren untereinander vernetzt und bilden eine sogenannte Schicht. Darauf wird eine weitere Schicht mit noch mehr vernetzten Prozessoren gelegt, etwa nach dem Muster, wie die Neuronen im Gehirn miteinander verschaltet sind. Dar\u00fcber wieder eine Schicht und noch eine und noch eine.Das Sprachmodell, mit dem ChatGPT gestartet ist, GPT-3.5, hat bis zu 96 Schichten. Leider waren die Ergebnisse von neuronalen Netzen trotz des Gehirnkonzepts \u00bbnormalen\u00ab Computern lange unterlegen. Aber mit den immer st\u00e4rkeren Prozessoren geschah 2012 etwas \u00dcberraschendes: Bei einer der wichtigsten Disziplinen, der Bilderkennung, waren neuronale Netze den klassischen Computern pl\u00f6tzlich deutlich \u00fcberlegen.Bilderkennung ist eine der klassischen Disziplinen der k\u00fcnstlichen Intelligenz. Sie wird zum Beispiel gebraucht, damit Computer ihre Umwelt besser erkennen k\u00f6nnen. Und gleichzeitig ist die Bilderkennung der erste Schritt zur Bildherstellung.Wenn ich eine Katze auf einem Foto erkenne, dann beruht das auf meinem Wissen, welche visuellen Merkmale oder eben Muster auf eine Katze hindeuten und welche nicht: Spitze Ohren, Rei\u00dfz\u00e4hne, Fell \u2013 ja. Sonnenbrille, Daumen, Hosenanzug \u2013 tendenziell nein. Mit diesem Wissen kann man dann auch einfacher ein Katzenbild erschaffen. Deshalb ist die Entdeckung der F\u00e4higkeiten von neuronalen Netzen ein Sprung f\u00fcr die generative k\u00fcnstliche Intelligenz. Daf\u00fcr hat der KI-Forscher Geoffrey Hinton 2024 den Nobelpreis bekommen.Das hat bis 2017 immerhin dazu gef\u00fchrt, dass KI Bilddaten so gut erkennen konnte, dass man damit zum Beispiel autonomes Fahren auf den Weg bringen konnte. Mit menschlicher Sprache aber waren neuronale Netze lange zu schnell \u00fcberfordert. Bis 2017 ein wissenschaftliches Papier den Grundstein f\u00fcr den heutigen Erfolg von k\u00fcnstlicher Intelligenz wie ChatGPT legte: Die \u00bbGoogle Eight\u00ab, acht damals bei Google angestellte Wissenschaftler verfassten ein Papier namens \u00bbAttention is all you need\u00ab\u00a0. Fr\u00fchere KI-Modelle analysierten Texte streng sequenziell, Wort f\u00fcr Wort, und stie\u00dfen damit rasch an die Grenzen des Textverst\u00e4ndnisses.Mehr zum ThemaIm Papier stellten die acht das Prinzip \u00bbTransformer\u00ab vor (das \u00bbT\u00ab von ChatGPT kommt daher). Dabei schaut die KI nach den Mustern und Zusammenh\u00e4ngen zwischen den mutma\u00dflich wichtigsten Worten und kleineren Wortteilen (die nennt man Token) eines Textes. Dann richtet der Computer die Aufmerksamkeit auf diese wichtigen Passagen und deren Zusammenh\u00e4nge \u2013 daher der Titel des Papiers.Man kann sich das ungef\u00e4hr vorstellen wie eine Person, die die wichtigsten Begriffe in einem Text unterstreicht. Dann l\u00e4sst sich auf den ersten Blick viel besser sehen, wovon der Text \u00fcberhaupt handelt. Und auf diese Weise kann man das wichtigste Verst\u00e4ndnismuster f\u00fcr Texte, die Beziehung der Worte untereinander, leichter erkennen.Mit \u00bbAttention is all you need\u00ab war der Grundstein von ChatGPT gelegtOb direkt nach einem Wort wie \u00bbkalt\u00ab ein Wort wie \u00bbein\u00ab, \u00bbdie\u00ab oder \u00bbund\u00ab kommt, ist nicht besonders entscheidend. Ob zwei S\u00e4tze sp\u00e4ter aber \u00bbWetter\u00ab steht oder \u00bbPers\u00f6nlichkeit\u00ab zu lesen ist, pr\u00e4gt die Bedeutung des Textes ma\u00dfgeblich. Mit \u00bbAttention is all you need\u00ab und dem Prinzip Transformer war der Grundstein von ChatGPT gelegt. Bis heute steckt der technologische Ansatz der Transformer hinter den bekannten gro\u00dfen Sprachmodellen, also der Software, die zum Beispiel hinter ChatGPT, Claude oder DeepSeek steckt, gewisserma\u00dfen der Motor dieser k\u00fcnstlichen Intelligenzen.Trotzdem war die Entdeckung des Transformers noch immer nicht ausreichend, um eine k\u00fcnstliche Intelligenz zu erschaffen, die zum Beispiel so m\u00fchelos den Turing-Test besteht, wie man es heute gewohnt ist. Bis OpenAI, das Unternehmen hinter ChatGPT, durch langwierige und teure Versuche zu einer Entdeckung kommt und 2020 dazu ein wissenschaftliches Papier ver\u00f6ffentlicht: \u00bbScaling Laws for Neural Language Models\u00ab\u00a0 hei\u00dft es. .u47397d5fe0d5bd71a3ffd8dbaec0da3f , .u47397d5fe0d5bd71a3ffd8dbaec0da3f .postImageUrl , .u47397d5fe0d5bd71a3ffd8dbaec0da3f .centered-text-area { min-height: 80px; position: relative; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f , .u47397d5fe0d5bd71a3ffd8dbaec0da3f:hover , .u47397d5fe0d5bd71a3ffd8dbaec0da3f:visited , .u47397d5fe0d5bd71a3ffd8dbaec0da3f:active { border:0!important; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f .clearfix:after { content: \"\"; display: table; clear: both; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f { display: block; transition: background-color 250ms; webkit-transition: background-color 250ms; width: 100%; opacity: 1; transition: opacity 250ms; webkit-transition: opacity 250ms; background-color: #8E44AD; box-shadow: 0 1px 2px rgba(0, 0, 0, 0.17); -moz-box-shadow: 0 1px 2px rgba(0, 0, 0, 0.17); -o-box-shadow: 0 1px 2px rgba(0, 0, 0, 0.17); -webkit-box-shadow: 0 1px 2px rgba(0, 0, 0, 0.17); } .u47397d5fe0d5bd71a3ffd8dbaec0da3f:active , .u47397d5fe0d5bd71a3ffd8dbaec0da3f:hover { opacity: 1; transition: opacity 250ms; webkit-transition: opacity 250ms; background-color: #8E44AD; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f .centered-text-area { width: 100%; position: relative; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f .ctaText { border-bottom: 0 solid #fff; color: #000000; font-size: 16px; font-weight: bold; margin: 0; padding: 0; text-decoration: underline; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f .postTitle { color: #FFFFFF; font-size: 16px; font-weight: 600; margin: 0; padding: 0; width: 100%; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f .ctaButton { background-color: #9B59B6!important; color: #000000; border: none; border-radius: 3px; box-shadow: none; font-size: 14px; font-weight: bold; line-height: 26px; moz-border-radius: 3px; text-align: center; text-decoration: none; text-shadow: none; width: 80px; min-height: 80px; background: url(https:\/\/cdn.shortpixel.ai\/spai\/q_lossy+ret_img+to_auto\/www.bachhausen.de\/wp-content\/plugins\/intelly-related-posts\/assets\/images\/simple-arrow.png)no-repeat; position: absolute; right: 0; top: 0; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f:hover .ctaButton { background-color: #9B59B6!important; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f .centered-text { display: table; height: 80px; padding-left: 18px; top: 0; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f .u47397d5fe0d5bd71a3ffd8dbaec0da3f-content { display: table-cell; margin: 0; padding: 0; padding-right: 108px; position: relative; vertical-align: middle; width: 100%; } .u47397d5fe0d5bd71a3ffd8dbaec0da3f:after { content: \"\"; display: block; clear: both; } Auch interessant:  Der Innovationsstandort Ostdeutschland ist nicht weniger, sondern anders starkDie einfache, aber revolution\u00e4re Erkenntnis dahinter: Viel hilft viel. Sehr viel hilft sehr viel. Mehr Rechenleistung \u2013 und auch mehr deshalb verarbeitbare Daten \u2013 verbessert die Qualit\u00e4t von k\u00fcnstlicher Intelligenz deutlich. Allerdings sind die Effekte erst dann wirklich sp\u00fcrbar, wenn nicht nur ein paar Hunderte, sondern Tausende oder sogar Zehntausende Prozessoren gleichzeitig arbeiten. Erst dann werden die vielen Schichten neuronaler Netze so gut in der Mustererkennung, dass es f\u00fcr menschliche Sprache ausreicht.Aus diesem Grund ist die Entwicklung von gro\u00dfen Sprachmodellen, dem gegenw\u00e4rtig besten Ansatz f\u00fcr menschen\u00e4hnliche k\u00fcnstliche Intelligenz, so unfassbar teuer. Die erste, im November 2022 ver\u00f6ffentlichte Version von ChatGPT, wurde mit 10.000 Prozessoren des Modells A100 trainiert, der St\u00fcckpreis lag damals bei mehr als 30.000 US-Dollar.Wie KI die Basics lerntDie Art des Trainings f\u00fcr gro\u00dfe Sprachmodelle, ma\u00dfgeblich von OpenAI entwickelt, ist ein weiterer Grund f\u00fcr die Qualit\u00e4t heutiger, generativer k\u00fcnstlicher Intelligenz. ChatGPT hat vor allem zwei Arten des Machine Learnings kombiniert: einerseits das \u00bbSelf-Supervised Learning\u00ab, also das selbst\u00fcberwachte Lernen. Dabei werden riesige Datenmengen, zum Beispiel Texte aus dem Internet, nach wiederkehrenden Mustern und Wahrscheinlichkeiten durchforstet. Dann werden die erkannten Muster \u00fcberpr\u00fcft, etwa, in dem die Maschine sich selbst fragt, wie ein Satz mit welcher Wahrscheinlichkeit zu beenden ist: \u00bbDie Katze sitzt auf der\u00ab \u2026 die gr\u00f6\u00dfte Wahrscheinlichkeit h\u00e4tte dann vielleicht \u00bbFensterbank\u00ab, danach vielleicht \u00bbMauer\u00ab und dann \u00bbBettdecke\u00ab. So lernt die KI die Basics.AnzeigeSascha LoboDie gro\u00dfe VertrauenskriseVerlag: Kiepenheuer & WitschSeitenanzahl: 336F\u00fcr 25,00\u00a0\u20ac kaufenPreisabfragezeitpunkt09.07.2025 23.56 UhrKeine Gew\u00e4hrBei Amazon bestellenBei Thalia bestellenBei Genialokal bestellenBei Hugendubel bestellenProduktbesprechungen erfolgen rein redaktionell und unabh\u00e4ngig. \u00dcber die sogenannten Affiliate-Links oben erhalten wir beim Kauf in der Regel eine Provision vom H\u00e4ndler. Mehr Informationen dazu hierDanach kommt die zweite, wichtige Art des Lernens, das \u00bbReinforcement Learning\u00ab, also das best\u00e4rkende Lernen. Dabei wird oft menschliches Feedback eingebaut, also Leute, die die verschiedenen L\u00f6sungsvorschl\u00e4ge der Maschine bewerten \u2013 und dann die guten L\u00f6sungen belohnen und die schlechten bestrafen (reinforcement). Mit der richtigen Kombination dieser beiden Lernans\u00e4tze schlie\u00dflich kommt man so weit, dass es f\u00fcr die Ver\u00f6ffentlichung von ChatGPT am 30. November 2022 gereicht hat, also dem Produkt, das den heutigen Hype wie Siegeszug von KI angesto\u00dfen hat.Bis heute h\u00f6rt man oft, dass generative KI einfach nur die Wahrscheinlichkeit berechnet, mit der auf ein Wort ein anderes folgt, wenn der Kontext dazu geliefert wird. Als \u00bbStochastische Wahrheit\u00ab wird generative KI auch von Fachleuten oft verspottet, ein bekanntes Zitat der Linguistin und KI-Kritikerin Emily Bender lautet: \u00bbLarge language models are stochastic parrots.\u00ab (Gro\u00dfe Sprachmodelle sind stochastische Papageien).In vielen Abwertungen der KI steckt eine Spur HybrisDas soll an den Grundfesten des Prinzips k\u00fcnstliche Intelligenz r\u00fctteln, weil es unterstellt: Da ist nichts intelligent, der Sinn wird gar nicht ernsthaft maschinell verstanden, das Verst\u00e4ndnis nur nachgeahmt. Das ist technisch betrachtet zwar wahrscheinlich weitgehend korrekt, obwohl man argumentieren k\u00f6nnte, dass der Mensch k\u00fcnstliche Intelligenz gar nicht so tiefgreifend versteht, um das wirklich beurteilen zu k\u00f6nnen.Aber eine andere Entgegnung erscheint mir zielf\u00fchrender, erst recht kurz vor einem mutma\u00dflichen Durchbruch mit GPT-5. Denn dass die Maschine auch im Jahr 2025 Verst\u00e4ndnis und Intelligenz nur sehr geschickt nachahmt, mag sein. Aber das Denken des Menschen funktioniert verdammt \u00e4hnlich. Und so steckt in vielen allzu heftigen Abwertungen der k\u00fcnstlichen Intelligenz zumindest eine Spur der Hybris, dass der Mensch noch stets \u00fcberlegen sei. Was mir angesichts der gegenw\u00e4rtigen Entwicklung doch arg mutig erscheint. \u00dcbermutig beinahe.Hier weiter lesen…teilen  teilen teilen teilen teilen teilen E-Mail \u00c4hnliche Beitr\u00e4ge:ChatGPT: Wie funktioniert der KI-Chatbot eigentlich wirklich? – KolumneKI nicht verbieten \u2013 sondern endlich gestaltenWer Innovation fordert, darf Zukunft nicht ausbremsen"},{"@context":"https:\/\/schema.org\/","@type":"BreadcrumbList","itemListElement":[{"@type":"ListItem","position":1,"name":"KI: Wie funktioniert eigentlich ChatGPT wirklich? – Kolumne","item":"https:\/\/www.bachhausen.de\/ki-wie-funktioniert-eigentlich-chatgpt-wirklich-kolumne\/#breadcrumbitem"}]}]