Die jüngsten Fortschritte in großen Sprachmodellen (LLMs) haben eine spannende Diskussion über ihre Beziehung zur Linguistik angestoßen. LLMs, die ursprünglich aus der Informatik und den Ingenieurwissenschaften stammen, scheinen auf den ersten Blick wenig mit traditioneller Linguistik zu tun zu haben. Doch ein genauerer Blick offenbart eine faszinierende Schnittstelle zwischen diesen beiden Welten.
„Die Kreuzung von KI und Sprachwissenschaft: Entschlüsselung der LLMs“ weiterlesenSchlagwort: Linguistik
ChatGPT: Warum wir uns von maschinellen Antworten täuschen lassen
Ich wünschte, ich könnte meine Mitmenschen so einfach von meinen Antworten überzeugen, wie ChatGPT das vermag. Jemand stellt dem System eine Frage, bekommt innerhalb von Sekunden eine wohlformulierte Antwort und ist nun der Meinung, das benötigte Wissen zu haben. Dass das nicht so einfach sein kann, sollte uns allen klar sein, aber was macht ChatGPT, so dass wir den Eindruck haben, eine perfekte Antwort von einem Experten erhalten zu haben?
„ChatGPT: Warum wir uns von maschinellen Antworten täuschen lassen“ weiterlesenStimmungsanalyse (Sentiment Analysis) auf deutsch mit Python
Wie ist der Grundtenor in einem Text? Vermittelt er eine positive oder neutrale Stimmung? Oder gar eine negative? Was Menschen schnell und intuitiv erfassen, stellt den Computer vor ein schwieriges Problem. Noch schwieriger wird dieses, wenn es nicht um englische, sondern um deutschsprachige Texte geht. Mit der Python-Bibliothek textblob-de lassen sich Textdaten auf ihre Stimmung analysieren.
„Stimmungsanalyse (Sentiment Analysis) auf deutsch mit Python“ weiterlesenDeep Learning kommt im Mainstream an
Unter dem Titel „Künstliche Gehirne, die selbstständig lernen: So wird #DeepLearning dein Leben umkrempeln“ lief auf heute+ vom ZDF eine 15-minütige Sendung zur künstlichen Intelligenz. Journalist Daniel Bröckerhoff führt durch die Sendung.
In der Sendung erfahren die Zuschauerinnen und Zuschauer, was das Besondere an neuronalen Netzen ist, wer derzeit die Datenhoheit hat und welche Gefahren der Gesellschaft durch den zunehmenden Einsatz von Deep Learning drohen.
Schaut euch die Sendung ruhig an, aber seid nicht zu enttäuscht, wenn es letztlich wieder nur um eine Dystopie herum gesprochen wird und einmal mehr die Bedrohungen und Gefahren einer vermeintlich neuen Technologie in den Vordergrund gestellt werden.
Machine Learning bei Spotify: Wie personalisierte Playlists entstehen
Der bekannte Musik-Streaming-Dienst Spotify setzt stark auf maschinelles Lernen, um den Wünschen seiner Kundinnen und Kunden gerecht zu werden. Im Artikel „Spotify’s Discover Weekly: How machine learning finds your new music“geht die Software-Entwicklern Sophia Ciocca auf die zugrundeliegende Technik bei Spotifys Empfehlungen ein, die für die Kundinnen und Kunden wie Magie wirken.
„Machine Learning bei Spotify: Wie personalisierte Playlists entstehen“ weiterlesen
Apple ruft Machine-Learning-Blog ins Leben
Neben den anderen US-Tech-Konzernen schien Apple bezüglich Machine Learning immer ein Schattendasein zu fristen, zumindest wirkte es so. Der Grund lag eher darin, dass Amazon, Facebook, Google und Microsoft mit ihren Versuchen und Erfolgen sehr öffentlich umgehen, während Apple im Verborgenen arbeitet und erst an die Öffentlichkeit geht, wenn sie von ihrem Produkt überzeugt sind.
Hinsichtlich Machine Learning ruft Apple nun eine bemerkenswerte Neuheit ins Leben und veröffentlicht auf einem eigenen Blog namens Apple Machine Learning Journal Beiträge zu Themen wie maschineller Text-, Bild-, Stimmen- und Spracherkennung. Die englischsprachigen Artikel gehen angenehm in die Tiefe und behandeln Ansätze wie Neuronale Netze, gehen aber auch in interdisziplinäre Gebiete wie beispielsweise linguistische Modelle.
Wozu braucht man Machine Learning?
Viele Herausforderungen sind zu komplex, um sie im Detail im Vorhinein zu programmieren. Menschen und Tiere vollbringen im Alltag Hunderte von Taten, ohne über diese nachzudenken: Gegenstände in ihrer Gänze erkennen, Sprache verstehen, Gefühle interpretieren und vieles mehr. Versucht man, diese so alltäglichen Tätigkeiten von einem Computer erledigen zu lassen, so stößt man mit dem herkömmlichen Ansatz, alle erdenklichen Situationen im Vorhinein zu bedenken und beispielsweise in einer Datenbank zu speichern, an eine nicht zu überwindende Grenze. Denkt man aber etwa an selbstfahrende Autos, so wird recht schnell klar, dass es unmöglich ist, jede Begebenheit unter allen erdenklichen Umständen an jedem Ort der Welt zu jeder Zeit vorauszudenken und dafür eine Lösung zu programmieren, so dass der Bord-Computer des Wagens im Eintreffen eines bestimmten Falles diesen identifizieren und aus der Datenbank abrufen kann. „Wozu braucht man Machine Learning?“ weiterlesen