KI und Hochschullehre
Topic outline
-
... im Kurs "KI und Hochschullehre". Hier finden Sie grundsätzliche Informationen zu "Künstlicher Intelligenz", den Funktionsweisen und Einsatzszenarien, aber auch zu hochschulspezifischen Herausforderungen. Da das Thema in der öffentlichen Wahrnehmung noch recht neu ist, bilden sich Expertise und verlässliche Einschätzungen erst langsam heraus. Daher lebt dieser Kurs auch von Ihrer Mithilfe:
In dem Forum "Künstliche Intelligenz - Forum für Austausch & Infos" können Sie sich beteiligen:- Schildern Sie gerne Ihre Einsatzszenarien,
- stellen Sie Fragen,
- teilen Sie interessante Artikel, Beiträge und Literatur oder
- ihre Erfahrungen mit speziellen KI-basierten Diensten.
Über eine rege Teilnahme an den Diskussionen würden wir uns freuen. Ein Abonnement des Forums ist natürlich nicht verpflichtend, wird aber empfohlen.
-
Künstliche Intelligenz (KI) bezieht sich auf die Entwicklung von Computern oder Maschinen, die in der Lage sind, menschenähnliche Denkprozesse* durchzuführen. Es handelt sich um eine interdisziplinäre Wissenschaft, die sich mit der Schaffung intelligenter Maschinen befasst, die in der Lage sind, Aufgaben zu erledigen, die normalerweise menschliche Intelligenz erfordern würden.
KI-Systeme nutzen verschiedene Techniken, um Informationen zu verarbeiten, zu verstehen, zu lernen und Entscheidungen zu treffen. Dazu gehören maschinelles Lernen, neuronale Netze, tiefe neuronale Netze, natürliche Sprachverarbeitung und z.B. Computer Vision.
Ein grundlegendes Merkmal der KI ist die Fähigkeit, aus Erfahrungen zu lernen und sich an neue Situationen anzupassen. Dies wird oft als "maschinelles Lernen" bezeichnet, bei dem Algorithmen verwendet werden, um Muster in großen Datenmengen zu erkennen und daraus zu lernen. Auf diese Weise kann KI beispielsweise Spracherkennung, Bilderkennung, automatisierte Entscheidungsfindung, Robotik und vieles mehr ermöglichen.
Statistik spielt in der KI eine wichtige Rolle, insbesondere im Zusammenhang mit dem maschinellen Lernen. Wahrscheinlichkeiten ermöglichen es, die Unsicherheit und Variabilität von Daten zu modellieren. Bei vielen KI-Algorithmen werden Wahrscheinlichkeitsmodelle verwendet, um Vorhersagen oder Entscheidungen zu treffen. Wahrscheinlichkeiten spielen auch eine Rolle bei der Bewertung und Interpretation von KI-Ergebnissen. Anhand von Wahrscheinlichkeiten können beispielsweise die Zuverlässigkeit oder Vertrauenswürdigkeit einer Vorhersage eingeschätzt werden.
Es ist wichtig anzumerken, dass KI-Systeme auf der Grundlage von Daten und Algorithmen arbeiten und keine tatsächliche Bewusstheit oder emotionale Erfahrungen haben. Obwohl KI viele nützliche Anwendungen hat und schnelle Fortschritte macht, gibt es auch ethische und soziale Herausforderungen im Zusammenhang mit der Verwendung von KI, die sorgfältig berücksichtigt werden müssen.
Es gibt "[...]keine allgemein in der Wissenschaft akzeptierte Definition von KI" (vgl. Gethmann et al., 2022: 6). Das Fraunhofer Institut definiert KI als [...]ein Teilgebiet der Informatik. Sie imitiert menschliche kognitive Fähigkeiten, indem sie Informationen aus Eingabedaten erkennt und sortiert. Diese Intelligenz kann auf programmierten Abläufen basieren oder durch maschinelles Lernen erzeugt werden." (ebd., 2023).-
- Maschinelles Lernen und Mustererkennung
-
- Deep Learning & Neuronale Netze
-
-
Die Entwicklung von Künstlicher Intelligenz (KI) hat im Laufe der Geschichte mehrere wichtige Meilensteine erreicht. Einige bedeutende Ereignisse, die die KI Entwicklung geprägt haben, sind folgende:
Dartmouth-Konferenz (1956): Die Dartmouth-Konferenz gilt als Geburtsstunde der KI. John McCarthy, Marvin Minsky, Nathaniel Rochester und Claude Shannon organisierten diese Konferenz, bei der der Begriff "Künstliche Intelligenz" geprägt wurde und die Grundlagen für die zukünftige Forschung gelegt wurden.
Expertensysteme (1970er und 1980er Jahre): Expertensysteme waren frühe KI-Systeme, die Wissen von menschlichen Experten verwendeten, um komplexe Aufgaben zu lösen. Systeme wie MYCIN zur medizinischen Diagnose und DENDRAL zur chemischen Analyse waren wegweisend und wurden in verschiedenen Bereichen eingesetzt.
Neuronale Netze und maschinelles Lernen (1980er Jahre): In den 1980er Jahren erlebten neuronale Netze und maschinelles Lernen einen Aufschwung. Backpropagation, ein Verfahren zum Training neuronaler Netze, wurde entwickelt. Die Fortschritte in der Datenverarbeitung und Algorithmen führten zu einer verbesserten Leistungsfähigkeit von KI-Systemen.
IBM Deep Blue schlägt Kasparov (1997): Deep Blue, ein von IBM entwickelter Schachcomputer, besiegte den damaligen Schachweltmeister Garry Kasparov. Dieser Meilenstein zeigte, dass KI-Systeme in der Lage sind, komplexe strategische Spiele zu meistern und Expertinnen und Experten zu übertreffen.
Durchbruch im maschinellen Lernen (2010er Jahre): In den letzten Jahren hat das maschinelle Lernen große Fortschritte gemacht. Insbesondere tiefe neuronale Netze, auch als Deep Learning bekannt, haben bahnbrechende Leistungen in Bereichen wie Bilderkennung, Sprachverarbeitung und automatisiertem Fahren erzielt. Projekte wie Google DeepMind's AlphaGo, das den Weltmeister im Go-Spiel besiegte, zeigten die beeindruckende Leistungsfähigkeit von KI-Systemen.
Sprachassistenten und intelligente Systeme (Gegenwart): Heutzutage sind Sprachassistenten wie Siri, Alexa, Google Assistant und Cortana allgegenwärtig geworden. Diese KI-Systeme nutzen fortschrittliche Sprachverarbeitungsalgorithmen, um Benutzer:Innen bei der Suche, Navigation, Kommunikation und vielem mehr zu helfen. Intelligente Systeme finden auch Anwendung in der Gesichtserkennung, autonomem Fahren, Medizin, Finanzwesen und anderen Bereichen.
Es ist wichtig anzumerken, dass dies nur einige der wichtigen Meilensteine in der Entwicklung von KI sind. Die Fortschritte in der KI-Forschung und -Anwendung sind kontinuierlich, es gibt noch viele weitere Errungenschaften und Innovationen, die die Entwicklung und die "Verbreitung" von KI maßgeblich beeinflusst haben. -
Das Künstliche Intelligenz bereits Auswirkungen auf Lehr-/Lernprozesse, Organisation & Verwaltung und z.B. Prüfungsgestaltung innerhalb von Hochschulen hat, dürfte nicht überraschen. Vielmehr ist von einer fortschreitenden Nutzung & Integration auszugehen und entsprechend ist ein Verständnis über die Chancen, Herausforderungen und Risiken dieser Entwicklung unabdingbar.
Ein Verbot von KI-Diensten ist unrealistisch und letztlich auch nicht zielführend (vgl. Salden & Leschke, 2023: 5). Es gilt für Lehrende & Lernende sich eine gewisse KI-Kompetenz anzueignen, die eine (im Sinne von Lehr- und Lernprozessen) bestmögliche Unterstützung aller Akteure im Unterricht gewährleistet und dabei auch Gefahren, falscher & fehlerhafter Nutzung oder sogar Missbrauch vorbeugt.
Kritisch mit KI und KI-Diensten umzugehen, generierte Ergebnisse, Daten und Quellen zu überprüfen und zu hinterfragen wird dabei genauso entscheidend sein, wie die konstruktive Integration solcher Technologien in eigene Lehr- und/oder Lernszenarien.
Nachfolgend soll eine Einschätzung über den Einfluss von KI für relevante Bereiche der Hochschule erfolgen und konkrete Empfehlungen für den Einsatz und die allgemeine Handhabe von KI im Bildungsbereich präsentiert werden.
-
- Vor- und Nachteile von KI
-
- Konstruktiver Einsatz von KI
-
- KI-Kompetenz
-
- Neue Aufgaben & Prüfungsformate
-
- Ausblick - Wohin geht die (KI)-Reise?
-
-
KI Tools - Was gibt's denn so?
Nachfolgend sollen Ihnen einige Dienste & Tools vorgestellt werden, die Lehr- und Lernszenarien beeinflussen können/werden und Potentiale für eine konstruktive Integration beinhalten.Die Liste erhebt aufgrund der dynamischen Entwicklung keinen Anspruch auf Vollständigkeit, soll aber einen Eindruck über Fähig- und Fertigkeiten von KI vermitteln!Bitte beachten Sie, dass die vorgestellten Tools vor einer Verwendung immer datenschutzrechtlich überprüft werden müssen und u.a. Fragen der Privatssphäre, Datenspeicherung und Sicherheit geklärt werden sollten!-
- ChatGPT - Fing so alles an?
-
- Fähigkeiten & Integration
-
- Kritik & Fehler
-
- Bildsynthese
-
- DALL-E
-
- Adobe Firefly
-
- Sprachsynthese
-
- Videosynthese
-
-
Was sind "Prompts" und warum sind diese wichtig?
Im Zusammenhang mit KI bezieht sich "Prompting" auf die Praxis, künstliche Intelligenz-Modelle durch klare und spezifische Anweisungen, Fragen oder Aufforderungen zu leiten, um gezielte Antworten oder Generierungen zu erhalten.
Diese Anweisungen, auch als "Prompts" bezeichnet, dienen als Input für KI-Modelle, insbesondere für generative Modelle wie GPT (Generative Pre-trained Transformer).
In einfachen Worten bedeutet Prompting im Kontext der KI, dass ein:e Benutzer:in dem Modell sagt, was man erwartet oder benötigt, indem eine präzise Eingabe formuliert wird. Je klarer und spezifischer ein Prompt ist, desto genauer und relevanter sind die generierten Ergebnisse des KI-Modells. Es ist eine Möglichkeit, die Fähigkeiten von KI-Modellen zu lenken und sicherzustellen, dass die Ausgabe den gewünschten Anforderungen entspricht.
-
- Arten von Prompts
-
- Exkurs: Prompt-Techniken
-
- Zero Shot Prompting / Few Shot Prompting
-
- Reverse Prompt Engineering
-
- Chain of thought prompting
-
- Role prompting
-
- Option-based prompting
-
- Self-Consistency
-
- Meta-Prompts & Prompt-Templates
-
- Tree of Thoughts (ToT)
-
- Anwendungsszenarien in der Hochschule
-
- Konkrete Prompts in Studiengängen
-
- Prompt Labor
-
- Prompting - Literatur und Links
-
-
Anmerkungen
* In der Diskussion um KI wird die Verwendung von mit Menschen assoziierten Begriffe wie "denken", "lernen", "verstehen", aber auch "Intelligenz", "Assoziation" u.ä. manchmal kritisiert, da sie für Maschinen und Algorithmen nicht zutreffend seien. Im vorliegenden Fall werden sie genutzt, da sie im allgemeinen Sprachgebrauch gängig sind und ein niedrigschwelliger Zugang gewährt werden soll.Literatur
- Buck, I. & Limburg, A. (2023). Hochschulbildung vor dem Hintergrund von Natural Language Processing (KI-Schreibtools). die hochschullehre, Jahrgang 9/2023. DOI: 10.3278/HSL2306W.
- Fraunhofer Institut für Kognitive Systeme (IKS) (2023): Künstliche Intelligenz (KI) und maschinelles Lernen. Online Blog-Beitrag veröffentlicht unter: https://www.iks.fraunhofer.de/de/themen/kuenstliche-intelligenz.html [12.06.2023]
- Gethmann, C.-F., Buxmann, P., Distelrath, J., Humm, B.-G., Lingner, S., Nitsch, V., Schmidt, J.-C., Spiecker, I. (2022): Künstliche Intelligenz in der Forschung. Neue Möglichkeiten und Herausforderungen für die Wissenschaft. Springer: Bern.
- Manning, C. (2020): Artifical Intelligence Definitions. Stanford University - Human Centered Artificial Intelligence (HAI) (Hrsg.); Online veröffentlicht unter: https://hai.stanford.edu/sites/default/files/2020-09/AI-Definitions-HAI.pdf [12.06.2023]
- Salden, P., Leschke, J. (2023): Didaktische und rechtliche Perspektiven auf KI-gestütztes Schreiben in der Hochschulbildung. Online veröffentlicht unter: https://hss-opus.ub.ruhr-uni-bochum.de/opus4/files/9734/2023_03_06_Didaktik_Recht_KI_Hochschulbildung.pdf [12.06.2023]
- Smaxwil, M. (2023): Künstliche Intelligenz und Hochschule. Blog-Artikel vom 27.02.2023, online veröffentlicht unter: https://elmo.thga.de/kuenstliche-intelligenz/ [28.03.2023]
- United States Defense Science Board (DSB) (2016): Summer study on autonomy. Washington, DC. 20301-3140: Defense Science Board. URL: https://goo.gl/mm6N6y. Zugegriffen am 22.03.2023
- Wichert, A. (2000): Essay zum Thema Künstliche Intelligenz. Spektrum der Wissenschaft (Hrsg.); Spektrum Akademischer Verlag: Heidelberg. Online veröffentlicht unter: https://www.spektrum.de/lexikon/neurowissenschaft/kuenstliche-intelligenz/6810 [12.06.2023]
Bilder & Grafiken
Bilder, die hier nicht gekennzeichnet wurden, unterliegen keiner Lizenz und/oder sind durch die Verfasser selbstständig gestaltet worden!
- „König Pilsener“ (Quelle, Stand 01.06.2023), alle Rechte bei König-Brauerei GmbH
- „Schach, Die Figur des König, schwarz“ (Quelle) von Agzam, Lizenziert unter der Pixabay Lizenz
- „HM King Charles III“ (Quelle), Government House, New Zealand Government, Lizenz: CC- by 4.0