Kann KI wirklich denken?

Unternehmen wie OpenAI und DeepSeek entwickeln logische Chatbots, die bei manchen Rechenaufgaben bessere Leistungen erbringen können.

Der Chatbot von OpenAI wird durch neue Technologien immer besser. Foto: New York Times .

Im September 2024 veröffentlichte OpenAI eine Version von ChatGPT, die das o1-Modell integriert, das über Aufgaben im Zusammenhang mit Mathematik, Naturwissenschaften und Computerprogrammierung nachdenken kann.

Anders als die vorherige Version von ChatGPT wird sich die neue Technologie Zeit nehmen, um über Lösungen für komplexe Probleme nachzudenken, bevor sie eine Antwort gibt.

Nach OpenAI führten auch viele Konkurrenten wie Google, Anthropic und DeepSeek ähnliche Denkmodelle ein. Obwohl nicht perfekt, handelt es sich dennoch um eine Chatbot-Upgrade-Technologie, der viele Entwickler vertrauen.

Wie KI argumentiert

Grundsätzlich bedeutet Reasoning, dass der Chatbot mehr Zeit damit verbringen kann, das vom Benutzer gestellte Problem zu lösen.

„Beim Schlussfolgern arbeitet das System weiter, nachdem es eine Frage erhalten hat“, sagte Dan Klein, Professor für Informatik an der University of California in Berkeley, der New York Times .

Das Denksystem kann ein Problem in einzelne Schritte zerlegen oder es durch Versuch und Irrtum lösen.

Bei seiner Einführung konnte ChatGPT Fragen sofort beantworten, indem es Informationen extrahierte und synthetisierte. Denksysteme benötigten dagegen einige Sekunden (oder sogar Minuten) länger, um das Problem zu lösen und zu antworten.

Beispiel für den Denkprozess des o1-Modells in einem Kundenservice-Chatbot. Foto: OpenAI .

In manchen Fällen ändert das Denksystem seine Herangehensweise an das Problem und verbessert so kontinuierlich die Lösung. Alternativ kann das Modell mehrere Lösungen ausprobieren, bevor es sich für die optimale Wahl entscheidet, oder die Genauigkeit früherer Antworten testen.

Im Allgemeinen berücksichtigt das Denksystem alle möglichen Antworten auf die Frage. Dies ist vergleichbar mit Grundschülern, die viele Optionen aufschreiben, bevor sie die am besten geeignete Lösung für ein mathematisches Problem auswählen.

Laut der New York Times ist KI mittlerweile in der Lage, zu jedem Thema zu argumentieren. Am effektivsten ist die Aufgabe jedoch bei Fragen aus den Bereichen Mathematik, Naturwissenschaften und Computerprogrammierung.

Wie wird das theoretische System trainiert?

Bei einem herkömmlichen Chatbot können Benutzer weiterhin nach einer Erklärung des Prozesses fragen oder die Richtigkeit einer Antwort überprüfen. Tatsächlich enthalten viele ChatGPT-Trainingsdatensätze bereits einen Problemlösungsprozess.

Ein logisches System geht noch weiter, wenn es eine Aktion ausführen kann, ohne dass der Benutzer dazu aufgefordert wird. Dieser Prozess ist komplexer und weitreichender. Unternehmen verwenden den Begriff „logisch denken“, weil das System dem menschlichen Denken ähnelt.

Viele Unternehmen wie OpenAI setzen darauf, dass logische Systeme heute die beste Möglichkeit zur Verbesserung von Chatbots darstellen. Jahrelang glaubten sie, Chatbots würden am besten funktionieren, wenn sie mit möglichst vielen Informationen aus dem Internet trainiert würden.

Bis 2024 werden KI-Systeme fast den gesamten im Internet verfügbaren Text verarbeitet haben. Unternehmen müssen daher neue Lösungen finden, um Chatbots, einschließlich deren Schlussfolgerungssysteme, zu verbessern.

Das Startup DeepSeek sorgte einst mit einem Reasoning-Modell für Aufsehen, das weniger kostete als OpenAI. Foto: Bloomberg .

Seit letztem Jahr konzentrieren sich Unternehmen wie OpenAI auf eine Technik namens Reinforcement Learning, ein Prozess, der normalerweise mehrere Monate dauert und bei dem KI ihr Verhalten durch Versuch und Irrtum lernt.

Beispielsweise kann das System durch das Lösen Tausender von Problemen die optimale Methode erlernen, um die richtige Antwort zu erhalten. Darauf aufbauend entwickelten die Forscher komplexe Feedback-Mechanismen, die dem System helfen, die richtigen und falschen Lösungen zu lernen.

„Es ist wie das Trainieren eines Hundes. Wenn es gut klappt, gibt man ihm ein Leckerli. Wenn es nicht klappt, sagt man: ‚Der Hund ist böse‘“, sagte Jerry Tworek, Forscher bei OpenAI.

Ist KI die Zukunft?

Laut der New York Times eignet sich bestärkendes Lernen gut für Fragen aus den Bereichen Mathematik, Naturwissenschaften und Computerprogrammierung, bei denen es klar definierte richtige oder falsche Antworten gibt.

Im Gegensatz dazu funktioniert Reinforcement Learning nicht gut in den Bereichen Schreiben, Philosophie oder Ethik, wo es schwierig ist, zwischen Gut und Böse zu unterscheiden. Die Forscher sagen jedoch, dass die Technik die KI-Leistung auch bei Fragen außerhalb der Mathematik verbessern kann.

„Systeme werden die Wege lernen, die zu positiven und negativen Ergebnissen führen“, sagte Jared Kaplan, Chief Science Officer bei Anthropic.

Website von Anthropic, dem Startup, dem das KI-Modell Claude gehört. Foto: Bloomberg .

Es ist wichtig zu beachten, dass Reinforcement Learning und Reasoning-Systeme zwei unterschiedliche Konzepte sind. Reinforcement Learning ist eine Methode zum Aufbau von Reasoning-Systemen. Es handelt sich um die letzte Trainingsphase für Chatbots, um logisches Denken zu erlernen.

Da sie noch relativ neu sind, können Wissenschaftler nicht sicher sein, ob logische Chatbots oder bestärkendes Lernen KI helfen können, wie Menschen zu denken. Es ist erwähnenswert, dass sich viele aktuelle KI-Trainingstrends anfangs sehr schnell entwickeln und dann langsamer werden.

Darüber hinaus können auch schlussfolgernde Chatbots Fehler machen. Basierend auf der Wahrscheinlichkeit wählt das System den Prozess, der den erlernten Daten am ähnlichsten ist, unabhängig davon, ob diese aus dem Internet oder durch bestärkendes Lernen stammen. Daher können Chatbots immer noch die falsche oder unvernünftige Lösung wählen.

Quelle: https://znews.vn/ai-ly-luan-nhu-the-nao-post1541477.html