Kategorie: Allgemein

  • Künstliche Intelligenz entschlüsselt Bilder und Texte

    Künstliche Intelligenz entschlüsselt Bilder und Texte

    Hochwasserangepasste Brücken

    Da hat etwa eine Grup­pe von Wis­sen­schaft­le­rin­nen und Wis­sen­schaft­lern eine 55-sei­ti­ge Bro­schü­re zusam­men­ge­stellt. Sie gibt Emp­feh­lun­gen für hoch­was­ser­an­ge­pass­te Bau­ten nach der Flut­ka­ta­stro­phe im Ahrtal. In dem Doku­ment fin­det sich eine Gra­fik mit meh­re­ren Brücken.

    Lei­der erklärt die Gra­fik nicht, was es mit den Brü­cken­ty­pen auf sich hat und war­um sie bes­se­ren Schutz bei Hoch­was­ser bie­ten. Die KI kann das. Über mei­nen bevor­zug­ten Dienst Typ­ing­Mind mit Anschlüs­sen an KIs wie GPT‑4 Visi­on erstellt die Maschi­ne eine aus­führ­li­che Beschreibung:

    Das Bild zeigt ein Sche­ma für hoch­was­ser­an­ge­pass­te Brü­cken­bau­wei­sen, wie es in der Quel­le „Burg­hardt et al, 2022“ dar­ge­stellt wird. Es illus­triert ver­schie­de­ne Kon­struk­ti­ons- und Design­an­sät­ze, um Brü­cken wider­stands­fä­hi­ger gegen Hoch­was­ser­er­eig­nis­se zu machen.

    Im obe­ren Teil des Sche­mas sind ver­schie­de­ne Über­bau­ar­ten dargestellt:

    Abfluss­quer­schnitt: Links sehen wir eine Brü­cke mit einem ver­grö­ßer­ten Abfluss­quer­schnitt, was den Was­ser­fluss unter der Brü­cke erleichtert.

    Ange­pass­ter Fließ­quer­schnitt: Die zwei­te Brü­cke zeigt eine Anpas­sung des Fließ­quer­schnitts, um den Was­ser­fluss zu optimieren.

    Mehr Raum für den Fluss: Die drit­te Brü­cke hat grö­ße­re Öff­nun­gen, um mehr Raum für den Fluss zu schaffen.

    Dar­un­ter sind spe­zi­el­le Brü­cken­ty­pen zu sehen:

    Hub­brü­cke: Eine Brü­cke, die sich für den Schiffs­ver­kehr anhe­ben lässt.

    Klapp­brü­cke: Eine Brü­cke mit einem beweg­li­chen Teil, der sich auf­klap­pen lässt.

    Strö­mungs­güns­ti­ger Über­bau: Eine Brü­cke, die so gestal­tet ist, dass sie den Was­ser­fluss mini­miert und die Strö­mung optimiert.

    Im mitt­le­ren Teil wer­den Pfeil­erfor­men und deren Ein­fluss auf den Was­ser­fluss thematisiert:

    Pfei­ler: Es wer­den zwei Pfeil­erfor­men gezeigt, die den Was­ser­wi­der­stand mini­mie­ren sol­len, mit Strö­mungs­wi­der­stands­ko­ef­fi­zi­en­ten von 0,6−0,8 bzw. 0,65−0,76.

    Im unte­ren Teil des Sche­mas geht es um die Bemes­sung und den Schutz der Brücken:

    Zusätz­li­che Bemes­sungs­las­ten: Hier wird gezeigt, wie zusätz­li­che Las­ten in die Bemes­sung ein­flie­ßen kön­nen, um die Struk­tur zu stärken.

    Tie­fen­grün­dung und Ero­si­ons­schutz: Es wird dar­ge­stellt, wie eine Tie­fen­grün­dung und Maß­nah­men zum Ero­si­ons­schutz imple­men­tiert wer­den können.

    Ver­zicht auf Brü­cken: Als letz­te Opti­on wird der voll­stän­di­ge Ver­zicht auf eine Brü­cke gezeigt, was den Was­ser­fluss natür­lich nicht behindert.

    Ver­zicht auf Stab­bo­gen­brü­cken: Hier wird emp­foh­len, auf Stab­bo­gen­brü­cken zu ver­zich­ten, da die­se mög­li­cher­wei­se den Was­ser­fluss stär­ker behindern.

    Die­se Dar­stel­lung könn­te in einem News­let­ter oder Arti­kel ver­wen­det wer­den, um über moder­ne und hoch­was­ser­re­sis­ten­te Brü­cken­bau­wei­sen zu infor­mie­ren und zu dis­ku­tie­ren, wie Infra­struk­tur ange­sichts zuneh­men­der Hoch­was­ser­er­eig­nis­se durch den Kli­ma­wan­del ange­passt wer­den kann.

    Das ist doch schon wesent­lich bes­ser erklärt. Wenn­gleich ich zum Strö­mungs­wi­der­stands­ko­ef­fi­zi­en­ten mehr Exper­ti­se bräuchte.

    KI analysiert Schreibstil

    Das funk­tio­niert oft auch mit Screen­shots von Social-Media-Bei­trä­gen. Da schreibt ein Blog­ger fast täg­lich auf Face­book kri­ti­sche Anmer­kun­gen zu Welt­ge­sche­hen und per­sön­li­chen Beob­ach­tun­gen. Ich mache mir gele­gent­lich das Ver­gnü­gen, das Wohl und Wehe die­ses Gewe­ses von einer KI ana­ly­sie­ren zu las­sen. Drei Screen­shots und eine Anfra­ge bei Clau­de 3 Opus spä­ter steht das Urteil der Maschi­ne fest:

    „Der Autor ver­wen­det defi­ni­tiv kei­ne Sprez­za­tu­ra in sei­nem Schreib­stil. Im Gegen­teil. Statt Leich­tig­keit und Ele­ganz pflegt er einen aggres­si­ven, pole­mi­schen Ton. Sei­ne Mei­nun­gen und Wer­tun­gen trägt er unver­hoh­len zur Schau. Er scheut sich nicht, sei­ne ver­meint­li­chen Geg­ner direkt und unver­blümt zu atta­ckie­ren und lässt kei­ner­lei Zurück­hal­tung oder Non­cha­lance erken­nen. Ins­ge­samt wirkt sein Schreib­stil eher bemüht und for­ciert als läs­sig und natür­lich. Es ent­steht der Ein­druck, dass er sich sehr anstrengt, Ein­druck zu machen. Der Autor setzt also auf das genaue Gegen­teil von Sprez­za­tu­ra: auf demons­tra­ti­ve Mei­nungs­stär­ke, Angriffs­lust und Zuspit­zung statt auf beton­te Leich­tig­keit und vor­neh­me Zurück­hal­tung. Sein Stil ist das Gegen­teil von ‚läs­si­ger Eleganz‘.“

    Das ist star­ker Tobak und ein inter­es­san­tes Fremd­wort Sprez­za­tu­ra, das ich sogleich in mei­nen Wort­schaft auf­neh­men. Die mei­nungs­star­ke Bewer­tung der KI lädt dazu ein, sie zur Erwi­de­rung zu nut­zen – zumal, wenn die Maschi­ne in ande­ren Bei­trä­gen Unge­nau­ig­kei­ten, wei­te­re Pole­mik und Feh­ler ent­deckt. Doch die KI zum Dis­ku­tie­ren auf Face­book zu nut­zen wäre, wie Kipling sagt, eine ande­re Geschichte.

    Mathematische Rätsel

    Weni­ger kri­tisch ist die KI bei mathe­ma­ti­schen Auf­ga­ben. Da lädt man die­ses Rät­sel hoch, die Maschi­ne ver­tut sich zunächst bei einer Far­be und fin­det nach einer Kor­rek­tur die rich­ti­ge Ant­wort: Gelb = 3, Rot = 6, Blau = 9.

    Etwas anspruchs­vol­ler ist die­ses Kreuz­wort­rät­sel. Da ver­tut sich die Maschi­ne gele­gent­lich bei der Zahl der zu fül­len­den Qua­dra­te und kommt dann zu inhalt­lich zutref­fen­den, aber nicht ins Ras­ter pas­sen­den Ant­wor­ten. Selbst nach dem Scan des aus­ge­füll­ten Kreuz­wort­rät­sels mit unge­fähr 60 Pro­zent gefüll­ten Qua­dra­ten kann die Maschi­ne das Rät­sel nicht abschlie­ßend lösen.

    Geometrische Knobelaufgabe

    Ähn­li­ches erleb­te ich kürz­lich mit fol­gen­dem gra­fi­schem Rät­sel. Eine Bekann­te auf Face­book, Mathe­leh­re­rin, stell­te die­se Kno­bel­auf­ga­be. Ein Brett liegt schräg in der Schub­la­de. Sie ist 20,5 cm tief (in der Gra­fik Wert s). Wie lang ist die Stre­cke x rechts außen?

    Sei es GPT‑4 Visi­on, Clau­de 3 Opus oder Gemi­ni Pro Visi­on: Alle drei KIs tra­fen zutref­fen­de Aus­sa­gen über die gezeig­ten Drei­ecke und Win­kel. Alle waren stets bemüht. Doch beim Aus­rech­nen von x kam kei­ne Maschi­ne auf die rich­ti­ge Lösung. Dabei sind alle nöti­gen Anga­ben in der Gra­fik enthalten.

    Wer schafft es, einer KI die pas­sen­den Fra­gen zu stel­len, um sie das rich­ti­ge Ergeb­nis aus­rech­nen zu las­sen? Hin­wei­se bit­te in die Kommentare.

    Die Bekann­te hat mir die Lösung direkt zukom­men las­sen. Alle drei Maschi­nen ant­wor­te­ten dar­auf sinn­ge­mäß: Sie ist rich­tig. Wie schön!

    Der Mensch bleibt noch überlegen

    Ein Zeit­lang noch, so scheint es zumin­dest, bleibt der Mensch der Maschi­ne in man­chen Belan­gen über­le­gen. Neh­men wir das für die ver­blei­ben­de Zeit mit Sprezzatura.

  • Künstliche Intelligenz: Wir kommen noch mal neu rein

    Künstliche Intelligenz: Wir kommen noch mal neu rein

    Da ist zum einen der „Glo­be Explo­rer“: eine neu­ar­ti­ge Such­ma­schi­ne, die Such­vor­gän­ge struk­tu­riert unter­teilt, mit­hil­fe von KI baum­ar­tig gestal­tet und ähn­lich wie bei einer Mind Map Zusam­men­hän­ge fin­det. Jeder Begriff wird dabei bebil­dert, und man ist sofort im The­ma. Wer für eine Power­Point-Prä­sen­ta­ti­on Ideen fürs Bebil­dern braucht, wird hier schnell fün­dig. Und bekommt den Blick geweitet.

    Gut, die aktu­el­le Kanz­le­rin ist mitt­ler­wei­le ein Mann, die HDI-Are­na von Han­no­ver 96 heißt inzwi­schen anders, und die deut­sche Fah­ne ist gewiss nicht die Kriegs­flag­ge des Nord­deut­schen Bun­des aus dem 19. Jahr­hun­dert. Daten sind teil­wei­se ver­al­tet und falsch. Doch zeigt der Explo­rer, dass auch für alte Such­ma­schi­nen wie Goog­le neue Dar­stel­lun­gen von Such­ergeb­nis­sen mög­lich sind.

    Zum zwei­ten macht eine spe­zi­el­le KI namens Groq zur­zeit die Run­de. Sie hat sich öffent­lich zugäng­li­che Sprach­mo­del­le wie Llama und Mix­tral geschnappt, Open-Source-Model­le also. Das Beson­de­re ist das Tem­po, mit dem die KI hier ant­wor­tet. Anfra­gen wer­den inner­halb von Mil­li­se­kun­den beant­wor­tet. Grund sind spe­zi­el­le Pro­zes­so­ren und Sys­te­me, LPUs genannt. Die­se „Lan­guage Pro­ces­sing Units“ über­flü­geln her­kömm­li­che Gra­fik­kar­ten, die bis­her für KI-Sys­te­me ein­ge­setzt wer­den. Das Ergeb­nis beschleu­nigt nicht nur Text-KIs, son­dern auch Bil­der-KIs, Musik­ge­ne­rie­rung und mehr. Nicht zu ver­wech­seln ist Groq mit Grok, der KI von X‑Chef Elon Musk.

    Und drit­tens hat eine KI jetzt den Turing-Test bestan­den. Ein Team von der Uni­ver­si­ty of Michi­gan und der Stan­ford Uni­ver­si­ty hat einen modi­fi­zier­ten Turing-Test ent­wi­ckelt und durch­ge­führt, der zeigt, dass ChatGPT‑4, die KI von Ope­nAI, Ver­hal­tens­wei­sen und Per­sön­lich­keits­merk­ma­le auf­weist, die von mensch­li­chen nicht zu unter­schei­den sind.

    Der Turing-Test, benannt nach dem bri­ti­schen Mathe­ma­ti­ker und Com­pu­ter­wis­sen­schaft­ler Alan Turing (1912–1954), ist ein Maß­stab für die Fähig­keit einer Maschi­ne, men­schen­ähn­li­ches Ver­hal­ten zu zei­gen. Im Gegen­satz zu frü­he­ren Ansät­zen, die sich auf die sprach­li­che Fähig­keit der KI kon­zen­trier­ten, unter­such­te das For­schungs­team, wie ChatGPT‑4 in einer Rei­he von Ver­hal­tens­spie­len agiert, die dar­auf aus­ge­legt sind, mensch­li­che Cha­rak­ter­zü­ge wie Ver­trau­en, Fair­ness, Risi­ko­aver­si­on, Altru­is­mus und Koope­ra­ti­on zu messen.

    ChatGPT‑4 ver­hielt sich in die­sen Spie­len inner­halb der Band­brei­te mensch­li­chen Ver­hal­tens und zeig­te sogar Mus­ter, die auf Lern­fä­hig­keit hin­deu­ten. Inter­es­san­ter­wei­se neig­te die KI dazu, koope­ra­ti­ver und altru­is­ti­scher zu sein als der Durch­schnitt der mensch­li­chen Teilnehmer.

    Die­se Stu­die zeigt nicht nur, dass KI-Sys­te­me wie ChatGPT‑4 mensch­li­ches Ver­hal­ten in kom­ple­xen sozia­len Situa­tio­nen nach­ah­men kön­nen, son­dern auch, dass sie poten­zi­ell in der Lage sind, in bestimm­ten Kon­tex­ten „mensch­li­cher als mensch­lich“ zu agieren.

    KI wäre dann nicht nur Werk­zeug, son­dern Part­ner in ver­schie­de­nen Aspek­ten des mensch­li­chen Lebens.

  • Zorn über Kinderbuch: „Die neue Häschenschule“ trifft manche ins Mark

    Zorn über Kinderbuch: „Die neue Häschenschule“ trifft manche ins Mark

    Ama­zon sperrt neue Rezen­sio­nen nach „unge­wöhn­li­chen Rezen­si­ons­ak­ti­vi­tä­ten“ bei Anke Engel­kes Buch „Die neue Häschenschule“.

    Zuvor hat­ten das „Baye­ri­sche Land­wirt­schaft­li­che Wochen­blatt“ und ein bäu­er­li­cher Influen­cer auf Face­book Kri­tik an der angeb­lich nega­ti­ven Dar­stel­lung von Land­wirt­schaft an sich und einem Mäh­dre­scher ins­be­son­de­re geäußert.

    Auch ein Fuchs, der anstatt Häs­chen lie­ber Möhr­chen ver­speis­te und sich in der Fol­ge mit eini­gen Häsin­nen und Ramm­lern anfreun­de­te, erzeug­te aus Sicht von Kri­ti­kern ein gestör­tes Welt­bild. „Ein Fuchs ist ein Beu­te­grei­fer und auch kein Strei­chel­tier“, belehr­te ein Rezen­sent die Komi­ke­rin aus Köln, unter der Über­schrift „Migra­ti­on falsch vermittelt“.

    In der Sto­ry ließ sich unter ande­rem Hasen­mäd­chen Hop­pich aus einem Wei­zen­feld vor dem her­an­na­hen­den gefähr­li­chen Mäh­dre­scher ret­ten. Der vega­ne Fuchs Brehm zog die Häsin aus dem Stroh. „Was hier betrie­ben wird, ist übels­tes Ver­un­glimp­fen von Bau­ern und der Land­wirt­schaft“, urteil­te Rezen­sen­tin Heidrun.

    In der Fol­ge gab es bereits kurz nach den ers­ten Dis­kus­sio­nen auf Face­book über das Kin­der­buch eine Rei­he wei­te­rer 1‑S­tern-Bewer­tun­gen und Hun­der­te von Abstim­mun­gen, die die­se nega­ti­ven Rezen­sio­nen als hilf­reich bewerteten.

    Veri­fi­zier­te Käu­fe hat­te Ama­zon unter den nega­ti­ven Bewer­tun­gen nicht regis­triert. Die ers­te Auf­la­ge des „Pam­phlets“, wie einer das Buch für Vier- bis Sie­ben­jäh­ri­ge nann­te, ist bereits ausverkauft.

  • Der ungehobene Schatz: Screenshots und Bilder mit Beschreibung

    Der ungehobene Schatz: Screenshots und Bilder mit Beschreibung

    Es sind die klei­nen Din­ge. „Bild­schirm­fo­to 2024-01-21 um 18.07.56.png“ benennt mein Mac einen Screen­shot, den ich just zu die­ser Zeit gefer­tigt habe. Was drin steckt, weiß nur ich, sobald ich die Datei öffne.

    Neu­er­dings benennt Künst­li­che Intel­li­genz den Datei­na­men voll­au­to­ma­tisch um, sobald ich die Datei mar­kie­re und das KI-Pro­gramm star­te. Dar­aus wird jetzt „20240121_180756_Banking_Transaktionen_Suchergebnisse“. Das Datum der Auf­nah­me also plus Uhr­zeit sowie Stich­wör­ter zum Inhalt. In die­sem Fall geht es um einen Screen­shot, der eine irre­gu­lä­re Abbu­chung von mei­nem Kre­dit­kar­ten­kon­to ent­hält, eine Rück­über­wei­sung auf­grund mei­nes Wider­spruchs und eine neu­er­li­che Abbu­chung. Eine ärger­li­che Sache, die es zu doku­men­tie­ren gilt.

    Die KI unter­nimmt mitt­ler­wei­le voll­au­to­ma­tisch die­se Ände­run­gen des Datei­na­mens. „Keep It Shot“ heißt das Pro­gramm dafür. Es über­wacht im Hin­ter­grund mei­nen Screen­shot-Ord­ner. Erscheint dort eine neue Datei, lädt es sie zu Ope­nAI hoch. Dort ana­ly­siert die KI die Inhal­te des auf­ge­nom­me­nen Bil­des. Ist das rei­ner Text, so wird der in Stich­wör­tern zusam­men­ge­fasst. Die Anwen­dung kos­tet ein­ma­lig 19 Dol­lar. Plus Zugang zu Ope­nAI, was Kos­ten im Mil­li-Cent-Bereich erzeugt.

    Auch foto­gra­fi­sche Inhal­te kön­nen so zusam­men­ge­fasst wer­den. „Busi­ness­frau im Büro“ oder „Fuß­gän­ger mit Stadt­plan“ inter­pre­tiert die KI dann aus den Bil­dern. Die drei, vier Stich­wör­ter schickt Ope­nAI zurück an mei­nen Mac, und das Pro­gramm „Keep it Shot“ benennt den zuvor hoch­ge­la­de­nen Screen­shot nach mei­nem gewünsch­ten Mus­ter um. Das Mus­ter lau­tet: „Trans­la­te con­tent to Ger­man with Ger­man umlauts. Add file crea­ti­on timestamp in front of file name.“

    Wer das will, erstellt einen Auto­ma­tis­mus für das Pro­gramm „Keep It Shot“: Es über­wacht dann den Screen­shots-Ord­ner und benennt die Datei­en auto­ma­tisch um. Auch für Win­dows ist eine ent­spre­chen­de Soft­ware in der Mache (ich habe sie nicht ausprobiert).

    Das Schö­ne an dem Screen­shot-Umbe­nen­nungs­dienst ist sei­ne Ver­knüp­fung mit Ope­nAI. Man muss ledig­lich einen API-Schlüs­sel von Ope­nAI hin­ter­le­gen, dann wird für jede Screen­shot-Ana­ly­se GPT‑4 genutzt. Wahl­wei­se kann auch Azu­re Ope­nAI hin­ter­legt wer­den, falls jemand dort Kun­de ist. Die Ver­knüp­fung lässt noch mehr erah­nen: Theo­re­tisch wäre an die­ser Stel­le eine Ver­knüp­fung mit einer eige­nen KI auf dem eige­nen Rech­ner mög­lich. Dann ver­lie­ße kein Screen­shot mehr das eige­ne Haus. Und wie die Ent­wick­lung zeigt, wer­den eige­ne KIs und Open-Source-Anwen­dun­gen aus die­sem Bereich immer leistungsfähiger.

    Ich ahne, was Apple und gewiss auch Micro­soft dem­nächst in ihren Sys­te­men noch tie­fer ein­bau­en. Die Bild­ana­ly­se mit Stich­wör­tern ist schon heu­te in Micro­soft Word für Bild­un­ter­schrif­ten hin­ter­legt. Da wäre es doch ein Klacks, wenn das künf­tig auch für Screen­shots funk­tio­niert. Ganz zu schwei­gen von den unse­li­gen IMG_01234-Dateien.

    Auf Apple-Rech­nern funk­tio­niert schon heu­te eine Kate­go­ri­sie­rung von Fotos nach ihren gezeig­ten Inhal­ten. Im Pro­gramm „Fotos“ wird mitt­ler­wei­le jedes Bild unter­sucht und in Kate­go­rien wie Strand, Wald, Pferd und, und, und ein­sor­tiert, je nach Inhalt. Das erleich­tert das Wie­der­fin­den von Auf­nah­men: Zeig mir das Bild von den Kin­dern am Strand aus 2017. Zusam­men mit der Gesichts­er­ken­nung und den Meta­da­ten wie dem per GPS hin­ter­leg­ten Auf­nah­me­ort wer­den so auch Bil­der­samm­lun­gen mit 60.000 Fotos locker durchsuchbar.

    Man stel­le sich das vor für Spei­cher­ord­ner von Unter­neh­men, Bild­ar­chi­ve, digi­ta­le Mes­sis. Es wird plötz­lich ein leich­tes, jenes eine Bild von der CeBIT vor 20 Jah­ren wie­der­zu­fin­den, auf dem eine Stand­par­ty gemein­sam mit der Kol­le­gin gefei­ert wur­de, die jetzt in den Ruhe­stand geht. Es sind die klei­nen Dinge.

  • Der iPhone-Moment der KI? Nein, es ist der Wikipedia-Moment

    Der iPhone-Moment der KI? Nein, es ist der Wikipedia-Moment

    Das ist für mich eher der Wiki­pe­dia-Moment: Welt­wei­tes Wis­sen wird lokal und trans­pa­rent zugäng­lich, und das geschieht nun auch bei den Inter­pre­ta­tio­nen der Künst­li­chen Intel­li­genz (KI).

    Doch pas­siert das nicht allein durch ver­meint­li­che Zau­be­rei bei den geschlos­se­nen, unein­seh­ba­ren Model­len wie ChatGPT, Clau­de oder Goog­le Gemi­ni. Son­dern künf­tig mehr und mehr bei down­load­ba­ren Open-Source-Model­len wie LlaMA vom Face­book-Kon­zern Meta, Fal­con von TII aus den Ver­ei­nig­ten Ara­bi­schen Emi­ra­ten oder Yi von 01​.AI aus China.

    Hin­ter­grund ist ein Leis­tungs­ver­gleich meh­re­rer Sprach­mo­del­le. Dem­nach holen die frei zugäng­li­chen bei der Kor­rekt­heit ihrer Ant­wor­ten gegen­über den geschlos­se­nen Model­len auf. Die grü­ne Trend­li­nie in der Gra­fik dürf­te bald auf die blaue Trend­li­nie tref­fen. Grün sind die Open-Source-Model­le, blau die Clo­sed-Source-Ver­sio­nen. Die Leis­tungs­fä­hig­keit wird hier bei der soge­nann­ten MMLU-Per­for­mance gemes­sen. MMLU steht für „Mas­si­ve Mul­ti­tas­king Lan­guage Under­stan­ding“ und beinhal­tet einen Test für 57 The­men. Dem­nach gilt GPT‑4 wei­ter­hin als das „bes­te“ Sprach­mo­dell unter jenen, die kei­ne extra Trai­nings­da­ten ent­hal­ten. Das neue­re Modell Gemi­ni Ultra von Goog­le ran­giert bei die­sem Ver­gleich zwar ober­halb von GPT‑4, doch ent­hält es extra Trai­nings­da­ten, die spe­zi­ell auf die Test­fra­gen abge­stimmt sein könnten.

    In der Pra­xis kann man sich heu­te bereits eine eige­ne KI zusam­men­stöp­seln. Basis­soft­ware ist zum Bei­spiel GPT4All, das für Win­dows, macOS und Linux erhält­lich ist. Aus der Soft­ware her­aus las­sen sich bereits diver­se Sprach­mo­del­le her­un­ter­la­den, die Namen tra­gen wie Mis­tral OpenOr­ca oder GPT4All Fal­con. Auch Metas Llama 2 lässt sich dazu instal­lie­ren, vor­aus­ge­setzt, man akzep­tiert deren etwas eigen­wil­li­ge Open-Source-Lizenz. Die erlaubt auch die kom­mer­zi­el­le Nut­zung des Sprach­mo­dells, außer man kommt auf mehr als 700 Mil­lio­nen monat­lich akti­ve Nut­zer. Zudem ist für den Down­load und den Ein­bau bei GPT4All neu­er­dings ein Sprach­mo­dell im soge­nann­ten .gguf-For­mat not­wen­dig, älte­re .bin-Datei­en funk­tio­nie­ren nicht mehr.

    Vor­bo­te einer per­so­na­li­sier­ten KI: GPT4All. (Screen­shot: Schwarze)

    Das zunächst nerdig erschei­nen­de The­ma hat auf der Platt­form Hug­ging Face einen welt­wei­ten Markt­platz gefun­den. Hier sam­melt die KI-Com­mu­ni­ty Open-Source-Biblio­the­ken und Sprach­mo­del­le. Mehr als 50.000 Orga­ni­sa­tio­nen nut­zen die Res­sour­cen von Hug­ging Face. So kön­nen etwa maschi­nel­le Lern­pro­jek­te direkt aus­pro­biert wer­den. GPT4All ist dabei nur einer von vie­len Prot­ago­nis­ten der Sze­ne. Auch Micro­soft hat hier Model­le ver­öf­fent­licht, etwa Phi‑2 als beson­ders klei­nes, aber beson­ders hoch­wer­ti­ges Modell.

    Inter­es­sant wird GPT4All als ver­gleichs­wei­se ein­fa­che Anwen­dung, die auf dem eige­nen Rech­ner genutzt wer­den kann, aus zwei­er­lei Grün­den: Zum einen kön­nen pri­va­te Daten fürs soge­nann­te Fine­tu­ning hin­ter­legt wer­den. So habe ich etwa mei­ne eige­nen Arti­kel von GPT4All inde­xie­ren las­sen. Und kann der per­sön­li­chen KI Fra­gen stel­len zu The­men, die ich bereits vor Jah­ren oder Jahr­zehn­ten beschrie­ben habe.

    Zum zwei­ten kön­nen die gewon­ne­nen Daten in einem soge­nann­ten Open Source Data­la­ke beim Unter­neh­men Nomic aus New York ein­ge­speist wer­den. Nomic hat die Anwen­dung GPT4All bereit­ge­stellt. Hier gilt es frei­lich, genau zu wis­sen, was man tut. Die Daten wer­den unter atlas​.nomic​.ai öffent­lich. Des­we­gen sind per­so­nen­be­zo­ge­ne Daten aus­zu­schlie­ßen und Geschäfts­un­ter­la­gen geson­dert zu schützen.

    Punkt­wol­ke aus meh­re­ren Mil­lio­nen Tweets: Bei Atlas von Nomic las­sen sich Mil­lio­nen Daten­punk­te hoch­la­den und spä­ter als Basis für eige­ne Sprach­mo­del­le nut­zen. (Screen­shot: Schwarze)

    Nomic gene­riert dar­aus zunächst Punkt­wol­ken, bei­spiels­wei­se aus Mil­lio­nen von ein­ge­speis­ten öffent­li­chen Tweets oder aus Wiki­pe­dia-Bei­trä­gen. Und so schließt sich der Kreis: Die Daten kön­nen von Nomic, aber auch von ande­ren dazu ver­wen­det wer­den, neue Sprach­mo­del­le zu trai­nie­ren. Und es las­sen sich sowohl öffent­li­che als auch pri­va­te Daten­punk­te fest­le­gen – letz­te­re für Infor­ma­tio­nen, die nicht für ande­re zugäng­lich sein sol­len. Dar­aus wird letzt­lich Nomics Geschäfts­mo­dell. Wer Geschäfts­un­ter­la­gen vor der KI pri­vat hal­ten möch­te, muss dafür bei Nomic zahlen.

  • Künstliche Intelligenz erweckt Memes zu Kurzvideos

    Künstliche Intelligenz erweckt Memes zu Kurzvideos

    Das viel­leicht berühm­tes­te oder zumin­dest lang­le­bigs­te Meme des Inter­nets heißt „Dis­trac­ted Boy­fri­end“ und zeigt einen jun­gen Mann, der mit sei­ner Part­ne­rin die Stra­ße ent­lang­geht; als bei­de einer ande­ren Frau begeg­nen, schaut er ihr lüs­tern hin­ter­her, sei­ne Freun­din blickt ihn dabei ungläu­big-irri­tiert an. Die insze­nier­te Auf­nah­me stammt von dem spa­ni­schen Foto­gra­fen Anto­nio Guil­lem, auf­ge­nom­men hat er sie 2015 in der kata­la­ni­schen Stadt Girona.

    Zum Meme, einem vira­len Inter­net­phä­no­men also, wur­de es auf Twit­ter im Jahr 2017, als jemand die Part­ne­rin als „Kapi­ta­lis­mus“ beti­tel­te, den Mann als „die Jugend“ und die Frem­de als „Sozia­lis­mus“. Seit­her gab es Tau­sen­de Vari­an­ten die­ses Bil­des, in dem Untreue oder die Abkehr vom Bis­he­ri­gen ver­sinn­bild­licht wur­den. (Bevor jemand fragt: Ich habe die Nut­zungs­rech­te an dem Bild für die­sen Bei­trag ordent­lich bei iStock­Pho­to gekauft.)

    Nun ent­stand dar­aus ein Video. X‑Nutzer @fofrAI hat die glei­che Sze­ne mit­hil­fe der Soft­ware Sta­ble Video Dif­fu­si­on so ani­miert,

    … dass die Frem­de aus dem Bild läuft, der Mann ihr wei­ter hin­ter­her­schaut und der miss­bil­li­gen­de Blick der Part­ne­rin län­ger anhält. Es ist nur eine kur­ze Sze­ne. Doch wirk­te sie vor ein paar Wochen wie der Start­schuss zur Ani­ma­ti­on wei­te­rer Memes.

    So ani­miert Este­ban Oroz­co das berühm­te lächeln­de Mäd­chen vor einem abbren­nen­den Haus in lodern­den Flam­men.

    Rodri­go Fer­nan­dez gestal­tet die Sze­ne noch etwas rea­lis­ti­scher.

    Jemand mit dem Account­na­men Art­ony­mousart­fakt belebt den bekann­ten Seni­or „Hide the Pain Harold“ mit einer Kaf­fee­tas­se am Laptop.

    Auch das „Suc­cess Kid“, ein klei­ner Jun­ge im grün-wei­ßen Pull­over mit geball­ter Faust, wird durch die KI zu neu­em Leben erweckt. Das Meme stammt aus dem Jahr 2007.

    Die Qua­li­tät der Sequen­zen hat noch Luft nach oben. Die KI ver­än­dert die Gesichts­zü­ge teil­wei­se unna­tür­lich. Und die Kür­ze der Sze­nen deu­tet dar­auf­hin, wie viel Auf­wand, Ener­gie und Kos­ten der Spaß verursacht.

    Doch braucht es nicht viel Vor­stel­lungs­kraft, was die Ani­ma­ti­ons­pro­gram­me in den nächs­ten Mona­ten und Jah­ren erschaf­fen: Aus Schnapp­schüs­sen wer­den real wir­ken­de Film­chen. Ob Mona Lisa oder der Times-Squa­re-Kuss eines Mari­ne­sol­da­ten, Albert Ein­steins her­aus­ge­streck­te Zun­ge oder die Beat­les auf dem Zebra­strei­fen auf der Abbey Road – sie alle dürf­ten von Enthu­si­as­ten künf­tig neue Bewe­gun­gen ein­ge­haucht bekommen.

    Wo das hin­führt, zeigt eine Wer­bung von Coca-Cola, die das Werk unbe­schei­den als Mas­ter­pie­ce bezeich­net und berühm­te Bil­der in einer Aus­stel­lung ani­miert. Wie ein „Making of“ der Sze­nen in einem wei­te­ren Video zeigt, kam aller­dings bei­lei­be nicht der gesam­te Clip aus der künst­li­chen Intel­li­genz – es war zusätz­lich hoher Auf­wand und viel mensch­li­che Nach­be­ar­bei­tung mit­tels VFX-Tech­nik nötig. Das Video blen­det zu Beginn ein, bei wel­cher Nach­be­ar­bei­tung die KI unterstützte.

    Die Vor­stel­lungs­kraft der Kon­zer­ne reicht bereits weit dar­über hin­aus. Denn nicht nur die Her­stel­lung von Vide­os, auch deren Ana­ly­se wird umge­kehrt wei­te­rer Gegen­stand der KI. Das hat Goog­le ver­gan­ge­ne Woche gezeigt. Der Kon­zern schum­mel­te aller­dings bei der Vor­stel­lung sei­ner künf­ti­gen KI Gemi­ni Ultra in einem spek­ta­ku­lä­ren Video. Es wirkt, als hät­ten die PR-Hei­nis bei Goog­le den KI-Jün­gern beim jüngs­ten Arm­drü­cken im neu­en Goog­le Visi­tor Expe­ri­ence-Bereich gezeigt, wo der Ham­mer hängt:

    Neben­an im D:Economy-Briefing der FAZ habe ich mir nicht nur das Video, son­dern auch die KI näher ange­schaut – und getestet.

    Wei­te­re The­men im dor­ti­gen „Prompt der Woche“ aus der jüngs­ten Zeit:

  • Wie kreativ kann Künstliche Intelligenz sein? Eine Witze-KI über die tollen Tage bei OpenAI

    Wie kreativ kann Künstliche Intelligenz sein? Eine Witze-KI über die tollen Tage bei OpenAI

    (Illus­tra­ti­on: Mar­cus Schwarze/Midjourney, KI-generiert)

    Kurz nach­er­zählt: Der Vor­stand von Ope­nAI hat Sam Alt­man als Chef des Unter­neh­mens über­ra­schend ent­las­sen und eben­so Mit­grün­der Greg Brock­man. Bei­de heu­ern nun beim gro­ßen Geld­ge­ber Micro­soft an.

    Und mehr als 500 von rund 700 Mit­ar­bei­tern bei Ope­nAI haben laut Kara Swis­her, Tech-Jour­na­lis­tin in San Fran­cis­co, erklärt, den bei­den fol­gen zu wol­len, falls der Vor­stand nicht zurück­tritt und die bei­den nicht zurückholt.

    Die Instruk­ti­on an die Maschi­ne zur Erfin­dung einer Wit­ze-KI lautet:

    Du bist Hauptgagschreiber für eine wöchentliche Sendung „Gestern-Show“. Deine Aufgabe ist es, fünf herausragende Witzvorschläge zu aktuellen Ereignissen zu kreieren. Zuerst fragst Du nach dem aktuellen Ereignis und bittest um eine Beschreibung. Danach entfaltest Du Deine Kreativität, treibst den Witz auf absurde Ebenen und krönst ihn mit einer Pointe. Du solltest einfallsreich, humorvoll sein und Witze liefern, die sowohl relevant als auch übertrieben sind. Alle Antworten werden auf Deutsch gegeben.

    Der­art ange­wie­sen, schlug die KI einen Bot namens „Gag­meis­ter Ges­tern“ vor. Und mach­te fünf Vor­schlä­ge für Witze:

    Ach, die OpenAI-Geschichte! Perfekt für einen Gag. Also, stellen wir uns vor:1. Die Microsoft-Übernahme: "Haben Sie gehört? OpenAI hat Sam Altman und Greg Brockman gefeuert, und die sind direkt zu Microsoft. Das erklärt endlich, warum Microsofts neueste KI plötzlich anfängt, E-Mails mit 'Mit künstlichen Grüßen, Sam und Greg' zu unterschreiben!"2. Die Mitarbeiter-Rebellion: "Über 500 Mitarbeiter von OpenAI wollen ihren Chefs zu Microsoft folgen. Ich meine, das ist wie bei einem Konzert: Wenn die Band die Bühne verlässt, folgt das Publikum... nur dass in diesem Fall das Publikum aus lauter Programmierern besteht, die verzweifelt versuchen, ihre Bürostühle durch die Notausgänge zu schieben."3. Die Vorstandssitzung: "Der Vorstand von OpenAI hat eine Krisensitzung einberufen. Es ging drunter und drüber. Einer schlug vor, die KI um Rat zu fragen, aber dann erinnerten sie sich, dass die KI jetzt bei Microsoft arbeitet und wahrscheinlich nur antworten würde: 'Haben Sie versucht, sie aus- und wieder einzuschalten?'"4. Die neue Jobbeschreibung: "Sam Altman und Greg Brockman bei Microsoft – das ist wie wenn die Beatles sich aufgelöst hätten und John Lennon und Paul McCartney bei einer Hochzeitsband angefangen hätten. Statt 'Revolution' singen sie jetzt 'Für immer und ewig'."5. Die Zukunft von OpenAI: "Und was wird jetzt aus OpenAI? Sie suchen nach einem neuen CEO. Gerüchten zufolge steht ganz oben auf der Liste ein sehr talentierter Toaster mit WiFi-Anschluss. Er hat zwar keine Führungserfahrung, aber er macht hervorragende Toasts und hat eine ausgezeichnete Verbindung zu smarten Kühlschränken." 

    Befragt, wel­cher der bes­te die­ser „Wit­ze“ sei, nennt die Maschi­ne jenen mit den Pro­gram­mie­rern, die ver­zwei­felt ver­su­chen, ihre Büro­stüh­le durch die Not­aus­gän­ge zu schieben.

    Die Vor­stel­lung mag als insze­nier­te Dar­stel­lung durch­aus für eine „Ges­tern-Show“ tau­gen – aber ist sie wirk­lich wit­zig? Der Ver­such, sich so etwas von der Bil­der-KI Mid­jour­ney zeich­nen zu las­sen, schei­ter­te übri­gens, selbst mit­hil­fe einer Prompt-Per­fek­tio­nier-Maschi­ne.

    Eine Wei­le noch muss sich der bekann­te Haupt­au­tor einer nam­haf­ten Show von heu­te wohl noch kei­ne Sor­gen um sei­nen Job oder sei­nen emp­feh­lens­wer­ten und stets feh­ler­frei­en News­let­ter machen.

    Oder begin­nen, sie mit bei­spiel­haf­ten Wit­zen zu trai­nie­ren, damit die Maschi­ne die Ana­to­mie eines guten Wit­zes lernt. In einem Kurz­test hat­te die Maschi­ne dann mit ange­füt­ter­ten Wit­zet­weets etwas bes­ser die gewünsch­te Spra­che ver­stan­den – aber an Peter und sei­ne Kol­le­gen reicht die­ser digi­ta­le Bur­sche noch nicht her­an. Für den Zugang zu dem Bot ist ein Bezah­l­abo von ChatGPT‑4 nötig.

  • Was die Leute auf Social Media am meisten bewegt
    (Illustration: Marcus Schwarze/Midjourney, KI-generiert)

    Was die Leute auf Social Media am meisten bewegt

    Wer ist auf Face­book und Insta­gram am erfolg­reichs­ten? Fan­page Kar­ma, eine Anwen­dung von Meta, ermög­licht, das her­aus­zu­fin­den. Dem­nach war in die­sem Jahr in Deutsch­land Fuß­ball­star Cris­tia­no Ronal­do auf Platz 1 mit die­sem Post

    zu sei­nem Ein­stand beim sau­di­ara­bi­schen Arbeit­ge­ber AlNassr Club (übri­gens mit einem Feh­ler beim mar­kier­ten Insta­gram-Account des Klubs). 28 Mil­lio­nen Reak­tio­nen erzeug­te der Bei­trag, also Likes und Kommentare.

    Auf Platz 2: Cris­tia­no Ronaldo.

    Auf Platz 3: Cris­tia­no Ronaldo.

    Auf Platz 4: Cris­tia­no Ronaldo.

    Auf Platz 5: Sie ahnen es.

    So geht das wei­ter bis sage und schrei­be Platz 146. Die in Deutsch­land erfolg­reichs­ten 146 Insta­gram-Posts des Jah­res stam­men von einem Fuß­bal­ler in Riad.

    Erst dann folgt eine hals­bre­che­ri­sche Moun­tain­bike-Fahrt von Red Bull Deutschland, …

    … mehr von Ronal­do, das Bild eines Porsche …

    in der Far­be „Gefro­re­ne Bee­re“ (man­che sagen auch Flie­der), mehr von Ronal­do und dann Benimm­re­geln fürs Essen von Spa­ghet­ti und Pizza.

    Und auf Facebook?

    In Deutsch­land auf Platz 1: ein Herr mit der Bezeich­nung Bart­mann, der sich dabei filmt, wie er auf geklau­te Video­clips von Tik­Tok reagiert.

    Auf Platz 2: Bart­mann, der sich dabei filmt …

    Auf Platz 3: Bart­mann.

    Auf Platz 4: Sie ahnen es.

    Anders als bei Ronal­do fol­gen nun durch­aus ande­re Kon­ten, doch zählt die Rang­lis­te der Top 5000 Bei­trä­ge die­ses Jah­res 257-mal den Bart­mann. Mit bür­ger­li­chem Namen heißt der Herr Agrie Ahmad und stammt aus Mann­heim. Gestar­tet ist er 2014 mit Bart­pfle­ge­tipps – und heu­te Influen­cer mit Mil­lio­nen Fol­lo­wern auf diver­sen Kanä­len. Zu Hau­se ist der Bart­mann inzwi­schen in Dubai in den Ver­ei­nig­ten Ara­bi­schen Emiraten.

    Ein Fuß­bal­ler in Riad und ein Bar­bier mit abge­lehn­tem Wiki­pe­dia­ein­trag in den Emi­ra­ten. Das ist die Éli­te im deut­schen Teil von Face­book und Instagram.

    In der Rubrik Nach­rich­ten schlägt der bekann­te Nach­rich­ten­ka­nal Vogue Ger­ma­ny mit gleich drei soge­nann­ten News den WDR und BR Klas­sik.

    In der Rubrik Poli­tik: auf Platz 1 bis 15 Posts von AfD-Accounts.

    Rele­vanz? Man muss lan­ge suchen, um in den 5000 wich­tigs­ten Posts etwas von Bedeu­tung zu fin­den. Wir haben Kli­ma, Isra­el, Ukrai­ne – und eine wach­sen­de Zahl an Men­schen, die sich über die sozia­len Medi­en über das Gesche­hen infor­miert fühlen.

  • Bilder bilden weiter

    Bilder bilden weiter

    Ers­te Bei­spie­le beschrieb ich im „Prompt der Woche“ bei der F.A.Z., wei­te­re möch­te ich hier veranschaulichen.

    Da ist die­se Gra­fik glo­ba­ler Han­dels­strö­me der Welt­han­dels­or­ga­ni­sa­ti­on. Hoch­ge­la­den bei ChatGPT-4V, erkennt die Maschine:

    Das bereitgestellte Diagramm zeigt die globalen Handelsströme des Warenhandels im Jahr 2011 in Milliarden Dollar. Hier sind die wichtigsten Informationen aus dem Diagramm:Regionale Handelswerte (in Milliarden Dollar) für 2011:Europa: 4.667Asien/Pazifik: 2.926Nordamerika: 1.103Russland/GUS: 754Nahost: 710Lateinamerika: 200Afrika: (Der genaue Wert ist nicht sichtbar, aber es scheint etwas über 150 zu sein)Interregionale Handelsströme (in Milliarden Dollar):Beispielsweise handelte Europa Waren im Wert von 906 Milliarden Dollar mit Asien/Pazifik und 476 Milliarden Dollar mit Nordamerika. Es gibt auch andere Handelsströme zwischen verschiedenen Regionen, die durch Pfeile und Zahlen dargestellt werden.Steigerung der Exporte von 2011 im Vergleich zu 2010 (in %):Nahost: +37,4%GUS/Russland: +33,9%Lateinamerika: +27,4%Asien/Pazifik: +18,0%Europa: +17,4%Afrika: +16,8%Nordamerika: +16,2%Weltweit: +19,7%Das Diagramm gibt einen Überblick über die Handelsbeziehungen und -werte zwischen den verschiedenen Regionen der Welt für das Jahr 2011. Es zeigt auch, wie sich die Exporte dieser Regionen im Vergleich zum Vorjahr gesteigert haben. Die Datenquelle ist die World Trade Organization (WTO).

    Meh­re­re Feh­ler hat die­se Aus­wer­tung: Der regio­na­le Han­dels­wert für Afri­ka sei nicht sicht­bar, „aber es scheint etwas über 150 [Mil­li­ar­den Dol­lar] zu sein“. Die Gra­fik benennt tat­säch­lich 77 Mil­li­ar­den Dol­lar. Eben­so sind die Waren­wer­te zwi­schen Euro­pa und Asi­en sowie Nord­ame­ri­ka im Text falsch ange­ge­ben. Und auch bei den regio­na­len Han­dels­wer­ten von Russ­land und Nah­ost hat sich die Maschi­ne ver­tan, offen­bar die ähn­li­chen Zif­fern 7 und 1 in der Tex­terken­nung verwechselt.

    Es gilt also, höl­lisch auf­zu­pas­sen bei den Details.

    Dabei dürf­te schon hel­fen, statt einer JPG-Datei künf­tig ein PDF als Quel­le hoch­zu­la­den (bis­her geht das nicht). Dann ent­fie­le die feh­ler­be­haf­te Ziffernerkennung.

    Den­noch zeigt die­se maschi­nel­le Ana­ly­se die Rich­tung: Rich­ti­ger­wei­se hat die KI erkannt, wor­um es geht. Gelingt es jetzt noch, weni­ger Feh­ler ein­zu­bau­en – und dar­auf deu­tet die Ent­wick­lung hin –, so wer­den neue Erkennt­nis­se und Inter­pre­ta­tio­nen eine Sache von Sekun­den. Die Maschi­nen erkun­den Zusammenhänge.

    Worum geht’s hier?

    Der Prompt hier­zu lau­te­te: Wor­um geht’s? (Foto: Schwarze)

    Im Ansatz klappt das mit dem Bild einer Stell­ta­fel: Eine Grup­pe von Medi­en­ma­na­gern papp­te hier vor ein paar Jah­ren zu einem Zukunfts­the­ma Kle­be­zet­tel an die Wand, beschrie­ben mit Stich­wör­tern zur künf­ti­gen Bezahl­schran­ke eines Online-Ange­bots. Die hand­schrift­li­chen Zet­tel wur­den spä­ter von den Teil­neh­mern mit Punk­ten beklebt, je nach Ein­schät­zung der Wichtigkeit.

    Das hoch­ge­la­de­ne Foto der Stell­ta­fel wur­de von GPT-4V auf die lis­ti­ge Fra­ge „Wor­um geht’s?“ aus­ge­le­sen und mit drei, vier wei­te­ren fol­gen­den Prompts neu sor­tiert. Her­aus kam eine Tabel­le mit den wich­tigs­ten Punk­ten, soweit die Maschi­ne die Hand­schrift erken­nen konn­te. „Es scheint, als han­de­le es sich um ein Brain­stor­ming oder eine Pla­nungs­ta­fel zu den The­men ‚Con­tent‘ und ‚Ziel­grup­pe‘.“

    Die Maschi­ne war auch in der Lage, die Anzahl der auf­ge­kleb­ten Punk­te bei ein­zel­nen Kle­be­zet­teln aus­zu­zäh­len. Nicht per­fekt, aber es ergab eine ziel­füh­ren­de, gute Grundlage.

    Die Magie der KI ist dabei erkenn­bar, aber noch nicht zuver­läs­sig und all­tags­über­zeu­gend. Nicht jede Sau­klaue wird erkannt, die Anord­nung der Begrif­fe ver­rutscht teil­wei­se. Doch auch hier ste­hen wir ein­mal mehr am Anfang einer neu­en Ent­wick­lung. Der Pro­to­kol­lant sorgt sich um sei­nen Job, der Kol­le­ge mit KI-Kennt­nis­sen macht dar­aus sei­nen nächs­ten Karriereschritt.

    Bild-Posts für Social Media bewerten

    Für ein drit­tes Bei­spiel ver­wei­se ich auf den Kol­le­gen Felix Beil­harz: Er hat bei Lin­ke­dIn Bei­spie­le von Social-Media-Posts unter­sucht, bei GPT4‑V ein­ge­speist und um eine fach­kun­di­ge Stel­lung­nah­me gebe­ten, sinn­ge­mäß: Wie gut ist der Post? Ist die Schrift groß genug? Die Bebil­de­rung hilf­reich? Die Maschi­ne ent­deckt in dem hoch­ge­la­de­nen Bild unter ande­rem einen man­geln­den „Call to Action“, also eine kla­re Auf­for­de­rung, was der Leser oder die Leser als Nächs­tes machen sollte.

    Ein Flussdiagramm interpretieren

    Das vier­te und letz­te Bei­spiel für den Beginn einer neu­en Zeit ist mein Lieb­ling: Die fol­gen­de Gra­fik erstell­te ich wäh­rend der Coro­na­zeit für die Lan­des­re­gie­rung. Im extre­men Hoch­for­mat ver­an­schau­lich­te sie, wie lan­ge damals jemand in Qua­ran­tä­ne gehen muss­te, sobald ein Kol­le­ge im Büro sich als infi­ziert krankmeldete.

    Dem Dia­gramm ging ein genüss­li­cher Aus­tausch mit auf­ge­mal­ten Ent­wür­fen von Zeich­nun­gen von Fach­leu­ten voraus.

    GPT-4V ist in der Lage, dem ent­stan­de­nen Fluss­dia­gramm zu fol­gen – und die all­ge­mei­nen Regeln auf einen per­sön­li­chen Fall anzuwenden.

    Der Prompt: Wie lan­ge muss ich selbst in Qua­ran­tä­ne, wenn ich

    • a) mit dem infi­zier­ten Kol­le­gen am Mon­tag engen Kon­takt hatte,
    • b) heu­te Mitt­woch ist und
    • c) er sich krank­ge­mel­det hat,
    • d) ich soeben einen posi­ti­ven PCR-Test gemacht habe und
    • e) selbst Sym­pto­me aufweise?

    Die Ant­wort, gekürzt: Da Sie als posi­tiv getes­te­te Per­son gel­ten, müs­sen Sie sich (wei­ter­hin) iso­lie­ren. Sie haben zwei Optio­nen zur Been­di­gung der Qua­ran­tä­ne. Opti­on 1: Sie müs­sen sich frü­hes­tens am 11. Tag der Iso­la­ti­on erneut einem PCR-Test unter­zie­hen. Wenn die­ser Test nega­tiv ist, kön­nen Sie die Iso­la­ti­on frü­hes­tens am 14. Tag been­den. Opti­on 2: Sie müs­sen am ers­ten Tag der Sym­pto­me oder am 14. Tag der Iso­la­ti­on einen PCR-Test durch­füh­ren lassen.

    Das ist bei der Opti­on 2 zwar nicht 100 Pro­zent exakt, aber nahe dran. Die KI kann künf­tig auch dabei hel­fen, Unklar­hei­ten in bestimm­ten For­mu­lie­run­gen eines sol­chen Dia­gramms auf­zu­stö­bern. Jetzt stel­le man sich das Ergeb­nis in ein, zwei Jah­ren vor, wenn auch die Bild-Erken­nungs-KI erwach­sen wird.

    Beim Wie­der­fin­den des Stell­ta­fel-Bil­des inmit­ten von 55.000 Fotos half übri­gens eine ande­re KI: die von Apple Fotos. Sie hat alle die­se Bil­der unter­sucht, erkennt Moti­ve, Per­so­nen, Objek­te und Orte sowie hand­ge­schrie­be­ne und gedruck­te ent­hal­te­ne Tex­te. Die Suche lief nach dem Wort „Con­tent“, das ein­zi­ge, an das ich mich erin­nern konn­te. Gera­de hat Apple sei­ne iCloud-Funk­ti­on für bis zu 12 Tera­byte (statt bis­her 2 TB) an Daten freigeschaltet.


    Künstliche Intelligenz im Videokurs …

    Seit ver­gan­ge­ner Woche ist die kos­ten­pflich­ti­ge Wolf-Schnei­der-KI drau­ßen. Sie über­ar­bei­tet Tex­te nach den Regeln Schnei­ders. Ich hat­te sie bereits vor­ab mit­tes­ten kön­nen und Ergeb­nis­se hier beschrieben.

    Gemein­sam mit Ales­san­dro Alvia­ni von Ippen Media und den Kol­le­gen der Repor­ter­fa­brik gibt es par­al­lel zum Start der WSKI ein kos­ten­lo­ses Online-Semi­nar zu Künst­li­cher Intel­li­genz im Jour­na­lis­mus. Ales­san­dro gibt dazu einen Ein­blick in die Ent­wick­lung, ich steue­re prak­ti­sche Anwen­dun­gen bei.


    … und in der Branche

    Prak­ti­sche Lösun­gen für Publisher ste­hen auch im Mit­tel­punkt des Bran­chen­ma­ga­zins Kress Pro, das einen bekann­ten Prompt­prak­ti­kan­ten auf den Titel hob. Man soll­te ein Geschäfts­mo­dell dar­aus machen: Die Aus­ga­be kos­tet 38 Euro. Chef­re­dak­teur Mar­kus Wie­gand hat auf­ge­schrie­ben, um wel­che Anwen­dun­gen es im Ein­zel­nen geht.

    Eine KI-gestütz­te Ana­ly­se sei­nes Pos­tings (als Screen­shot) besagt unter ande­rem: „Das Titel­bild zeigt eine Nah­auf­nah­me eines Man­nes, der seri­ös und nach­denk­lich aus­sieht.“ So weit, so schmei­chel­haft (Dan­ke, Sascha!). Aber zu mög­li­chen Kri­tik­punk­ten: „Bild­aus­wahl: Obwohl das Foto des Man­nes pro­fes­sio­nell aus­sieht, könn­te es für eini­ge Betrach­ter nicht sofort klar sein, wer er ist oder wel­che Rol­le er im Kon­text des Maga­zin­the­mas spielt.“

  • Ein Prompt macht mehr als tausend Bilder

    Ein Prompt macht mehr als tausend Bilder

    Gra­fi­ker müs­sen umden­ken. Wer eine Bebil­de­rung für ein schwie­ri­ges The­ma braucht, füt­tert seit ein paar Mona­ten eine Bil­der-KI mit Anwei­sun­gen. Wenn man es rich­tig macht, kommt dabei eine vor­zeig­ba­re Illus­tra­ti­on her­aus. Die­se kann foto­rea­lis­tisch oder wie eine Zeich­nung aus­se­hen, vek­to­ri­siert (wie oben) oder wie ein Ölge­mäl­de – es kommt eben auf den Prompt an, die Regie­an­wei­sung also an die KI.

    Mid­jour­ney galt bis­her als der Por­sche unter den gene­ra­ti­ven Bil­der-KIs, obwohl die Bedie­nung in Ver­knüp­fung mit der Chat-Soft­ware Dis­cord nicht eben leicht zu erler­nen war. Die Resul­ta­te aber waren und sind oft überzeugend.

    Seit weni­gen Tagen hat auch ChatGPT eine Bil­der­funk­ti­on ein­ge­baut. Sie heißt Dall‑E 3 und lässt sich bei der kos­ten­pflich­ti­gen Ver­si­on GPT‑4 über den gleich­lau­ten­den Menü­punkt akti­ve­ren. Eine Anlei­tung zu Dall‑E 3 kennt GPT‑4 nicht. Aber dafür gibt’s ja mich.

    Der Prompt für die vier Bil­der oben in GPT‑4 lau­te­te (deut­sche Über­set­zung folgt):

    Create an illustration depicting the role of a meticulous journalist summarizing a specific text according to strict guidelines. The scene should encompass the following elements: The Journalist at the Desk: Showcase a person seated at a desk equipped with a computer, notes, and books. The individual should appear focused, possibly holding a magnifying glass to symbolize attention to detail. A Marked and Annotated Text: Place a document on the desk with highlights, underlines, and annotations, emphasizing the requirements of the journalistic process, such as gendering job titles and avoiding certain words. Vivid Examples: Include small illustrations or symbols representing the themes or concepts described in the text, fulfilling the demand for vivid examples. Neutral Style and Color Scheme: Employ subdued, neutral colors to reflect the journalist's objectivity and neutrality. The goal is to craft a scene that illustrates both the complexity of the journalistic task and the simplicity and clarity of the requirements. The illustration should strike a balance between richness in detail and simplicity, highlighting the care and accuracy of the journalist.

    Erstelle eine Illustration, die die Rolle eines sorgfältigen Journalisten beim Zusammenfassen eines spezifischen Textes nach strengen Richtlinien darstellt. Die Szene sollte folgende Elemente umfassen:Der Journalist am Schreibtisch: Zeige eine Person, die an einem mit Computer, Notizen und Büchern ausgestatteten Schreibtisch sitzt. Die Person sollte konzentriert wirken, möglicherweise mit einer Lupe in der Hand, um die Liebe zum Detail zu symbolisieren.Ein markierter und annotierter Text: Platziere ein Dokument auf dem Schreibtisch, das Hervorhebungen, Unterstreichungen und Anmerkungen aufweist. Diese sollen die Anforderungen des journalistischen Prozesses hervorheben, wie zum Beispiel das Gendern von Berufsbezeichnungen und das Vermeiden bestimmter Worte.Lebendige Beispiele: Füge kleine Illustrationen oder Symbole hinzu, die die Themen oder Konzepte im Text repräsentieren und damit den Anspruch an lebendige Beispiele erfüllen.Neutraler Stil und Farbschema: Verwende zurückhaltende, neutrale Farben, um die Objektivität und Neutralität des Journalisten widerzuspiegeln.Das Ziel ist es, eine Szene zu schaffen, die sowohl die Komplexität der journalistischen Aufgabe als auch die Einfachheit und Klarheit der Anforderungen illustriert. Die Illustration sollte ein Gleichgewicht zwischen Detailreichtum und Einfachheit finden und die Sorgfalt und Genauigkeit des Journalisten hervorheben.

    Nicht ich habe die­sen Prompt so aus­ge­feilt for­mu­liert, son­dern die KI Chat-GPT bereits vor ein paar Mona­ten. Damals für Mid­jour­ney. Her­aus kam bei Mid­jour­ney die­se Illustration:

    Illus­tra­ti­on: KI-gene­rier­t/­Mid­jour­ney­/­Schwar­ze

    Bei­de Ergeb­nis­se hal­te ich für beachtlich.

    Einen Schritt wei­ter geht die Anwen­dung Fire­fly 2 von Ado­be. Der oben genann­te Prompt ist dafür zu lang und pro­du­ziert des­halb einen Feh­ler. Ver­kür­ze ich den Prompt, kom­men die­se Ergeb­nis­se her­aus – nach zusätz­li­chem Ein­stel­len eines Inhalts­typs Foto (statt Kunst) und Hin­zu­fü­gen der Effek­te Hyper­rea­lis­tisch und Gol­de­ne Stunde.

    Illus­tra­ti­on: KI-gene­rier­t/­Fi­re­fly Image 2 (Beta)/Schwarze

    Fin­ger und Haut wir­ken etwas unna­tür­lich. Beim Her­un­ter­la­den merkt die Soft­ware an, dass in der Datei Infor­ma­tio­nen hin­ter­legt wer­den, wonach es sich um ein KI-gene­rier­tes Bild handelt.

    Illus­tra­ti­on: KI-gene­rier­t/­Fi­re­fly Image 2 (Beta)/Schwarze

    Fire­fly erschließt erst­mals bes­ser die berüch­tig­te „Black­box“ der künst­li­chen Intel­li­genz: Bei Mid­jour­ney und Co sto­cher­te man bis­her im Nebel, war­um die Maschi­ne gewis­se Bil­der­ele­men­te gene­rier­te und wel­che Sti­le sie beherrscht und war­um die KI sie anwen­det. Bei Fire­fly ist alles fein zise­liert ein­stell­bar – fast wird man erschla­gen von den Mög­lich­kei­ten. Neben der grund­le­gen­den Fest­le­gung auf Foto oder Kunst las­sen sich zum Bei­spiel fol­gen­de Effek­te anwenden:

    Art déco, Jugend­stil, Barock, Bau­haus, Kon­struk­ti­vis­mus, Kubis­mus, Cyber­punk, Fan­ta­sy, Fau­vis­mus, Film noir, Glitch-Kunst, Impres­sio­nis­mus, Indus­trie­de­sign, May­ima­lis­mus, Mini­ma­lis­mus, Moder­ne Kunst, Moder­nism, Neo-Expres­sio­nis­mus, Poin­til­lis­mus, Psy­che­de­lisch, Sci­ence Fic­tion, Steam­punk, Sur­rea­lis­mus, Syn­the­tis­mus, Syn­thwa­ve, Vapor­wa­re, 3D, Ani­me, Car­toon, Kino, Comic, Con­cept Art, Cyber-Matrix, Digi­ta­le Kunst, Fla­che Far­ben, Geo­me­trisch, Glass­mor­phis­mus, Gra­fik-Glitch, Graf­fit­ti, Gra­fik, Hyper­rea­lis­tisch, Innen­aus­stat­tung, Lini­en­ver­lauf, Low-Poly-Art, Zei­tungs­col­la­ge, Opti­sche Täu­schung, Pixel­mus­ter, Pixel-Art, Pop-Art, Pro­dukt­fo­to­gra­fie, Psy­che­de­li­scher Hin­ter­grund, Skan­di­na­visch, Splash-Bil­der, Brief­mar­ke, Trom­pe l’oeil, Vek­tor-Look, Drahtmodell.

    Hin­zu kom­men jeweils eben­so viele

    • Tech­ni­ken von Acryl­far­be bis Gekritzelt,
    • wei­te­re Fil­ter von Fisch­au­ge bis Isometrisch,
    • Mate­ria­len wie Koh­le, Holz­schnit­ze­rei oder Marmor,
    • soge­nann­te Kon­zep­te von Chao­tisch bis Göttlich,
    • Farb­ge­bun­gen von schwarz-weiß bis Pastell,
    • Beleuch­tun­gen von Gegen­licht bis Gol­de­ne Stunde,
    • Kom­po­si­tio­nen von Nah­auf­nah­me bis Vogelperspektive.

    Die Mög­lich­kei­ten bei Fire­fly sind kom­bi­nier­bar und somit endlos.

    Illus­tra­ti­on: KI-gene­rier­t/­Fi­re­fly Image 2 (Beta)/Schwarze

    Ein bereits frü­her ver­wen­de­tes Bei­spiel einer neu­en Brü­cke über dem Mit­tel­rhein brach­te sei­ner­zeit bei Mid­jour­ney fol­gen­des Ergebnis:

    Design an elegant bridge (40 meters tall) over the River of the Rhine in the middle rhine valley, with separate lanes for pedestrians, cars and bikes, that is a finely geometrical fractal shell, nautilus regular logarithmic spiral geometrically developed fibonacci, translucent, parametric architecture grasshopper, in the golden hour time near the lorelei or Boppard
    Illus­tra­ti­on: KI-gene­rier­t/­Mid­jour­ney­/­Schwar­ze, Prompt: im Alt-Text.

    Bei GPT‑4 mit Dall‑E 3 tobt sich die Maschi­ne bei dem glei­chen Prompt aus und schießt übers Ziel hinaus:

    Illus­tra­ti­on: KI-gene­rier­t/GPT‑4/­Schwar­ze

    Ado­be Fire­fly 2 dage­gen setzt stär­ker auf die Rea­li­tät, fast scheint man die Lore­ley im Hin­ter­grund zu erkennen:

    Illus­tra­ti­on: KI-gene­rier­t/­Fi­re­fly Image 2 (Beta)/Schwarze

    Bei vie­len wei­te­ren Ver­su­chen stell­te sich her­aus, dass mit Ado­be Fire­fly am bes­ten zu steu­ern ist, wie die Maschi­ne agie­ren soll. Aller­dings sind die Ein­stel­lun­gen so viel­fäl­tig, dass sie sich kaum auf Anhieb erschlie­ßen. Ver­such und Irr­tum sind die neu­en Zeit­räu­ber – wie­der ist eine Stun­de weg, ohne dass ein „per­fek­tes“ Ergeb­nis vorliegt.

    Ande­rer­seits kann mit den Werk­zeu­gen nun jeder Anfän­ger eine schnel­le Illus­tra­ti­on für eine Prä­sen­ta­ti­on zau­bern. Der Auf­wand beträgt etwas Gehirn­schmalz für den geeig­ne­ten Prompt – und gege­be­nen­falls etwas Überarbeitung.

    Für den Lokal­jour­na­lis­mus erge­ben sich so neue Mög­lich­kei­ten. Wenn dann tat­säch­lich nach Jahr­zehn­ten der Dis­kus­si­on über eine neue Brü­cke am Mit­tel­rhein eine wich­ti­ge grund­le­gen­de Ent­schei­dung gefällt wur­de – war­um soll­te man sie nicht mit einer Illus­tra­ti­on doku­men­tie­ren, die die Lese­rin­nen und Leser träu­men lässt? Ande­rer­seits wird der Jour­na­list mit einer sol­chen Dar­stel­lung zum Akteur: Kein Pla­nungs­bü­ro, kein Bau­amt hat die­se Ent­wür­fe gemacht, die Kos­ten unab­seh­bar, die Rea­li­sie­rung in jedem Fall frag­lich. Ent­spre­chend als „KI-gene­riert“ zu kenn­zeich­nen sind die­se Bil­der daher allemal.

    fashion photo of a young woman centered straight shot photo shot on Canon EOS R3 f1.8/135 mm of a woman dressed in Gucci, wearing an intricate royal blue dress, natural lighting
    Illus­tra­ti­on: KI-gene­rier­t/­Mid­jour­ney­/­Schwar­ze. Prompt: sie­he Alt-Text.

    Eines mei­ner Lieb­lings­bil­der der KI, das einer Frau in Guc­ci-Kla­mot­ten (oben), lässt sich bei Fire­fly auch als „Refe­renz­bild“ für neue Krea­tio­nen fest­le­gen. Die Maschi­ne ana­ly­siert dann das Bild und nimmt grund­le­gen­de Erkennt­nis­se für eine neue Dar­stel­lung zum glei­chen Prompt auf. Das Ergebnis:

    Illus­tra­ti­on: KI-gene­rier­t/Ado­be Fire­fly 2 (Beta)/Schwarze.

    Die grund­le­gen­den Ele­men­te, Far­ben, Stim­mun­gen und Details neu auf­zu­neh­men, wird so zur neu­en Mög­lich­keit, ohne Model, Stu­dio, Schweiß und Trä­nen. Ande­rer­seits birgt die KI-Tech­nik die Gefahr, sich in den Tie­fen des Promp­tens zu ver­zet­teln. Und 100-pro­zen­tig authen­tisch wir­ken die Ergeb­nis­se wei­ter­hin nur per Zufall.