Neural Network Simulation

GENERATIVE KI

Verstehe die Logik hinter der Magie.
Vom ersten Wort bis zur ethischen Entscheidung.

Wie eine KI "denkt"

Wort für Wort berechnet das Modell die höchste Wahrscheinlichkeit für den nächsten Baustein (Token).

Bereit für Sequenz...

Woher kommen die Wahrscheinlichkeiten?

Eine KI rät nicht einfach so. Sie hat zuvor riesige Mengen an Texten (Trainingsdaten) analysiert und gezählt, welche Wörter wie oft hintereinander stehen.

Das Märchen-Prinzip: Warum beginnt die Simulation fast immer mit "Es war einmal..."? Weil die KI hunderte alte Geschichten gelesen hat:

"Es war einmal eine kleine süße Dirne..." (Rotkäppchen)
"Es war einmal ein König und eine Königin..." (Dornröschen)
"Es war einmal mitten im Winter..." (Schneewittchen)

Aus dieser riesigen Anzahl lernt das neuronale Netz: Wenn das erste Wort "Es" ist, beträgt die mathematische Wahrscheinlichkeit für das nächste Wort "war" fast 99%!
„Es“ → „war“
„Es war“ → „einmal“

Das Risiko knapper Wahrscheinlichkeiten

Manchmal gibt es in den Trainingsdaten keinen eindeutigen Gewinner. Liegen zwei Wörter in der Statistik ganz nah beieinander, muss die KI eine Entscheidung treffen.

Wenn Statistik in die Irre führt: Ein Sprachmodell würfelt im Hintergrund minimal, um nicht immer exakt dasselbe zu schreiben.

Steht im Text "Hänsel und...", hat "Gretel" vielleicht 51% Wahrscheinlichkeit. Ein anderes bekanntes Kinderbuch-Wort wie "Heidi" hat aber vielleicht 44%, weil beide oft in Kindergeschichten vorkommen.

Wählt die KI nun zufällig die 44%-Option, schreibt sie ungerührt: "Hänsel und Heidi". Das klingt flüssig, ist aber inhaltlich falsch!

Hänsel und ...
Gretel → 51 %
Heidi → 44 %
Rapunzel → 7 %

Wählt die KI „Heidi“, entsteht eine Halluzination.

Halluzination

KI ist eine statistische Wort-Maschine, kein echter Wissensspeicher. Sie versteht die Wahrheit nicht – sie berechnet nur, was gut und plausibel klingt.

Beispiel: Du fragst die KI nach einer Biografie über dich selbst. Da sie dich nicht kennt oder verwechselt, erfindet sie einfach Daten, die rein statistisch perfekt zu einer Biografie passen: "Er wurde 2002 in Augsburg geboren, studierte Informatik und gewann 2022 den berühmten Turing Preis." – Es klingt wahr, ist aber komplett erfunden.

Bias (Digitale Vorurteile)

Eine KI hat keinen eigenen moralischen Kompass. Sie ist wie ein Spiegel: Wenn die Texte und Bilder aus dem Internet voller Vorurteile und Klischees stecken, übernimmt die KI diese ungefiltert.

Wie Vorurteile gelernt werden: Füttert man eine KI mit Millionen alten Zeitungsartikeln, in denen Chefärzte meistens Männer und Pflegekräfte meistens Frauen waren, errechnet die KI daraus eine Regel.

Fragt man sie dann nach einem Bild eines "Chefarztes", generiert sie automatisch einen Mann. Das nennt man Bias. Die KI verfestigt so alte, unfaire Klischees der echten Welt im digitalen Raum.

Chefarzt → männlich
Pflegekraft → weiblich

KI-Ethik (Regeln für die künstliche Welt)

Weil KI-Systeme so mächtig sind und Fehler machen können, brauchen wir feste Regeln. KI-Ethik stellt die Frage: Wie sorgen wir dafür, dass KI gut für uns Menschen ist und niemandem schadet?

Drei wichtige Grundregeln einfach erklärt:

Gerechtigkeit: Wenn eine KI Schulnoten oder Bewerbungen bewertet, darf sie niemanden wegen seiner Herkunft oder seines Geschlechts benachteiligen.
Verantwortung: Wenn ein selbstfahrendes KI-Auto einen Unfall baut – wer ist schuld? Der Programmierer, die Autofirma oder der Passagier? Das muss vorher gesetzlich klar sein.
Keine "Black Box" (Transparenz): Eine KI darf nicht einfach "Nein" sagen. Wenn eine KI z.B. eine Bewerbung oder Kreditanfrage ablehnt, muss sie für den Menschen logisch und nachvollziehbar begründen, warum sie so entschieden hat.

Link zu: Amazon-KI zur Bewerbungsprüfung benachteiligte Frauen