{"id":4299,"date":"2023-02-03T05:00:03","date_gmt":"2023-02-03T05:00:03","guid":{"rendered":"https:\/\/lamarr-institute.org\/blog\/chatgpt-intelligenz\/"},"modified":"2025-11-12T14:51:38","modified_gmt":"2025-11-12T14:51:38","slug":"chatgpt-intelligenz","status":"publish","type":"blog","link":"https:\/\/lamarr-institute.org\/de\/blog\/chatgpt-intelligenz\/","title":{"rendered":"ChatGPT: Wie klug ist der gehypte Chatbot?"},"content":{"rendered":"\n

In meinem letzten Beitrag habe ich die Frage aufgeworfen, ob wir ChatGPT Intelligenz oder sogar Bewusstsein zuschreiben sollten. Jetzt werde ich einige meiner Interaktionen mit dem Chatbot besprechen, bei denen ich versucht habe, dies herauszufinden. Auch wenn das tiefgr\u00fcndig klingt, muss ich betonen, dass es sich bei diesen Interaktionen nicht um streng wissenschaftliche Experimente handelte, sondern um spielerische, von Neugier getriebene Interaktionen; ich habe einfach ein paar spontane Fragen gestellt, um zu sehen, was passieren w\u00fcrde. Doch bevor wir zu diesen Fragen kommen, m\u00f6chte ich kurz daran erinnern, wovon ich spreche.<\/p>\n\n\n\n

Ein paar Worte zu Sprachmodellen<\/span><\/h2>\n\n\n\n

ChatGPT ist ein Chatbot, der auf einem sehr umfangreichen Sprachmodell namens GPT-3 basiert. Technisch gesehen ist ein Sprachmodell nur eine (komplizierte!) mathematische Beschreibung, wie S\u00e4tze in nat\u00fcrlicher Sprache typischerweise aussehen. Ich habe \u201etypischerweise aussehen\u201c gesagt, um zu betonen, dass Sprachmodelle eher Statistiken als Linguistik ber\u00fccksichtigen. Sie arbeiten nicht mit expliziten grammatikalischen Regeln \u00fcber Subjekte, Objekte, Substantive, Verben, Adjektive und dergleichen. Nein, mit Hilfe von Algorithmen des maschinellen Lernens k\u00f6nnen Sprachmodelle trainiert werden, um abzusch\u00e4tzen, mit welcher Wahrscheinlichkeit ein bestimmtes Wort in einem bestimmten Kontext vorkommt.<\/p>\n\n\n\n

Wir alle wissen zum Beispiel, dass das fehlende Wort in dem Satz \u201eAls ich nach Hause kam, wartete mein ___ an der T\u00fcr und wollte gestreichelt werden\u201c h\u00f6chstwahrscheinlich \u201eHund\u201c oder vielleicht \u201eKater\u201c sein wird, aber sicher nicht \u201eGoldfisch\u201c oder \u201eMotorrad\u201c. Woher wissen wir das? Weil wir solche S\u00e4tze schon oft gesehen oder geh\u00f6rt haben. Anders ausgedr\u00fcckt: Im Laufe unseres Lebens haben wir alle irgendwie Wahrscheinlichkeiten f\u00fcr das gemeinsame Auftreten von W\u00f6rtern gelernt.<\/p>\n\n\n\n

Wohlgemerkt, ich habe \u201eirgendwie\u201c gesagt, denn wir wissen immer noch nicht genau, wie das menschliche Gehirn das macht. Dennoch k\u00f6nnen wir Sprachmodelle in unseren Computern implementieren. In der Regel handelt es sich dabei um abstrakte mathematische Darstellungen von Texten und k\u00fcnstliche neuronale Netze, die diese verarbeiten. Wenn diese Netze mit Milliarden von Textfragmenten trainiert werden, lernen sie die Wahrscheinlichkeit des gemeinsamen Auftretens von W\u00f6rtern und k\u00f6nnen dann Texte analysieren und synthetisieren. Anders ausgedr\u00fcckt: Auf neuronalen Netzen basierende Sprachmodelle k\u00f6nnen verwendet werden, um automatisch Texte in nat\u00fcrlicher Sprache zu lesen und zu schreiben.<\/p>\n\n\n\n

Kurzum: Obwohl ChatGPT so optimiert wurde, dass es Unterhaltungen f\u00fchren kann, verwendet es letztendlich nur ein Sprachmodell, um seine Antworten zu erstellen. Wie intelligent kann es also \u00fcberhaupt sein?<\/p>\n\n\n\n

ChatGPT im Intelligenztest<\/span><\/h2>\n\n\n\n

Intelligenz ist ein vielschichtiges Ph\u00e4nomen und die Versuche, sie zu messen, sind umstritten. Dennoch gibt es standardisierte Tests, die versuchen, sie zu quantifizieren. Einer davon ist der Scholastic Assessment Test (SAT), der von amerikanischen Universit\u00e4ten f\u00fcr die Zulassung zum College verwendet wird. In dem Paper<\/a>, in welchem GPT-3 der Welt vorgestellt wurde, beschrieben die Wissenschaftler, die es entwickelt haben, einige Experimente mit SAT-Analogietests, die das Modell mit Bravour bestand. Ich dachte daher, ich sollte meine eigenen Analogietests mit ChatGPT ausprobieren. Hier ist ein kommentiertes Beispiel f\u00fcr einen entsprechenden Dialog:<\/p>\n\n\n\n

\"-<\/figure>\n\n\n\n

Wie schon bei den Beispielen aus meinem letzten Beitrag<\/a> kommt ChatGPT wieder einmal wie ein \u00fcbereifriger Studierender daher und liefert eine ziemlich ausf\u00fchrliche Antwort. In diesem Fall hatte dies allerdings den Vorteil, dass ich feststellte, dass ich statt \u201eWortassoziationsspiel\u201c eigentlich \u201eWortanalogiespiel\u201c h\u00e4tte sagen sollen. Aber, wie wir gleich sehen werden, hatte mein Fehler keine nachteiligen Folgen f\u00fcr den weiteren Dialog.<\/p>\n\n\n\n

\"-<\/figure>\n\n\n\n

Nun, das ist interessant. ChatGPT versteht meine eher abstrakte Frage und gibt eine vern\u00fcnftige Antwort. Allerdings ist die Begr\u00fcndung f\u00fcr diese Antwort merkw\u00fcrdig. Es erkl\u00e4rt, dass die Maus im Vergleich zum Elefanten klein ist und winzig das Gegenteil von gro\u00df ist, aber klein ist nicht das Gegenteil von gro\u00df. W\u00e4hrend die Antwort \u201ewinzig\u201c akzeptabel ist, ist die Begr\u00fcndung von ChatGPT f\u00fcr diese Antwort widerspr\u00fcchlich. Ich stelle au\u00dferdem fest, dass \u201eklein\u201c eine bessere Antwort w\u00e4re, da \u201ewinzig\u201c \u201esehr klein\u201c ist und das Gegenteil davon \u201esehr gro\u00df\u201c w\u00e4re, was man gemeinhin als \u201eriesig\u201c (en. \u201ehuge\u201c) bezeichnet. Wir sehen also wieder einmal, dass die Tendenz von ChatGPT, komplizierte Antworten zu geben, eher eine Schw\u00e4che als eine St\u00e4rke ist.<\/p>\n\n\n\n

Noch wichtiger ist, dass dieses Beispiel zeigt, dass Sprachmodelle gut lesbare Texte in nat\u00fcrlicher Sprache produzieren k\u00f6nnen, aber nicht unbedingt deren Bedeutung verstehen. Um dies weiter zu untersuchen, habe ich einen noch gemeineren Test durchgef\u00fchrt. Vor einiger Zeit besuchte ich einen Vortrag von Geoffrey Hinton, der 2018 den Turing-Preis f\u00fcr seine grundlegenden Beitr\u00e4ge zu neuronalen Netzen und Deep Learning erhielt. Hinton sprach \u00fcber Mehrdeutigkeiten bei der Vorhersage von (Wort-)Sequenzen und gab ein Beispiel, das \u2013 seltsamerweise \u2013 mit Preisen und Troph\u00e4en zu tun hatte. Ich kann mich nicht mehr an alle Details erinnern, aber ich habe mein Bestes getan, um es zu reproduzieren.<\/p>\n\n\n\n

\"-<\/figure>\n\n\n\n

So weit so gut, eine \u00fcberraschend kurze und pr\u00e4gnante Antwort auf meine Frage. Hier kommt das gleiche Problem, aber jetzt dr\u00fccke ich es auf eine eher ungeschickte oder verdrehte Weise aus.<\/p>\n\n\n\n

\"-<\/figure>\n\n\n\n

Das ist nicht einmal ann\u00e4hernd richtig. Das Problem ist immer noch, dass die Tasche zu klein ist, um die Troph\u00e4e aufzunehmen. Aber zugegeben, die Art und Weise, wie ich meine Frage gestellt habe, ist unkonventionell und w\u00fcrde in einem allt\u00e4glichen Gespr\u00e4ch so nicht vorkommen. Also habe ich ChatGPT erneut befragt:<\/p>\n\n\n\n

\"-<\/figure>\n\n\n\n

<\/p>\n\n\n\n

Das ist sch\u00f6n, f\u00fchrt aber zu nichts. Es macht Spa\u00df zu sehen, dass ChatGPT ganze Geschichten erfindet, um das Gespr\u00e4ch in Gang zu halten. Ich betrachte das als eine St\u00e4rke, habe aber trotzdem aufgeh\u00f6rt, weitere Fragen zu stellen, weil ich nicht erwartet habe, bessere Antworten zu bekommen. (Zur Erinnerung: Meine Interaktionen mit dem Chatbot waren spontan und nicht minuti\u00f6s geplant.) Ich dachte jedoch weiter \u00fcber diesen Dialog nach und kam zu dem Schluss, dass ich ihn mit einer etwas weniger verworrenen Formulierung wiederholen musste, und ein paar Tage sp\u00e4ter hatte ich dieses Gespr\u00e4ch:<\/p>\n\n\n\n

\"-<\/figure>\n\n\n\n

Sch\u00f6n und gut, soweit waren wir schon einmal: Auf die erste Frage habe ich die richtige Antwort bekommen, aber die zweite Frage scheint f\u00fcr ein Sprachmodell, das aus typischen Textausschnitten gelernt hat, schwer zu bew\u00e4ltigen zu sein. Aber wie w\u00e4re es, wenn ich einen Hinweis gebe?<\/p>\n\n\n\n

\"-<\/figure>\n\n\n\n

Gut! Jetzt reden wir. Mit Hilfe meines Hinweises kann ChatGPT jetzt das Problem erkennen und das Gespr\u00e4ch fortsetzen, ohne Geschichten erfinden zu m\u00fcssen. Aber wei\u00df es auch, dass es gerade etwas gelernt hat? Schauen wir mal:<\/p>\n\n\n\n

\"-<\/figure>\n\n\n\n

Nein! So nah dran, aber der letzte Teil dieser langen Antwort macht wieder alles zunichte. Die Troph\u00e4e ist zu gro\u00df und die Tasche ist zu klein. Sie sind nicht beide zu klein.<\/p>\n\n\n\n

Fazit<\/h2>\n\n\n\n

Alles in allem kann man wohl sagen, dass ChatGPT eine erstaunliche KI ist, weil man mit ihr genauso reden kann wie mit anderen Menschen. Aber sie ist noch nicht sehr intelligent.<\/p>\n\n\n\n

Auf der einen Seite sehen wir, dass moderne Sprachmodelle sehr tragf\u00e4hig sind und den Turing-Test bestehen k\u00f6nnen. Dieser ist nach Alan Turing benannt, der in den 1950er Jahren vorschlug, eine Maschine als intelligent zu bezeichnen, wenn sie (rein Text-basierte) Gespr\u00e4che f\u00fchren kann, die von (rein Text-basierten) Gespr\u00e4chen mit Menschen nicht zu unterscheiden sind. ChatGPT kann solche Unterhaltungen f\u00fchren!<\/p>\n\n\n\n

Andererseits ist ChatGPT noch nicht der intelligenteste Gespr\u00e4chspartner, den ich mir w\u00fcnschen w\u00fcrde. Das hei\u00dft, wir sehen auch, dass nur weil eine KI ein Gespr\u00e4ch f\u00fchren kann, dies nicht bedeutet, dass sie wei\u00df, wie die Welt funktioniert.<\/p>\n\n\n\n

Hei\u00dft das aber auch, dass eine solche KI nicht kognitiv sein kann? Immerhin hat sich ChatGPT daran erinnert, dass es eine sinnlose Antwort gegeben hat und erkannt, dass es eine vern\u00fcnftigere gibt. Bedeutet das, dass es sich seiner selbst bewusst ist? Bleiben Sie dran, beim n\u00e4chsten Mal werde ich diese Frage weiter untersuchen.<\/p>\n","protected":false},"excerpt":{"rendered":"

Wie intelligent ist ChatGPT und kann es aus seinen Fehlern lernen? Unser Autor Prof. Dr. Christian Bauckhage hat sich weiter mit dem Chatbot unterhalten und hat ihn einem Intelligenztest unterzogen.<\/p>\n","protected":false},"author":9,"featured_media":3715,"template":"","meta":{"_acf_changed":false,"footnotes":""},"blog-category":[1416,390,734],"blog-tag":[1516,1551,1593,1598],"class_list":["post-4299","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-alle-blogbeitraege","blog-category-grundlagen","blog-category-talking-about-chatgpt-de","blog-tag-gpt-de","blog-tag-large-language-models-llms-de","blog-tag-sichere-ki","blog-tag-sprachmodelle"],"acf":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/4299","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/types\/blog"}],"author":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/users\/9"}],"version-history":[{"count":0,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog\/4299\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media\/3715"}],"wp:attachment":[{"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/media?parent=4299"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-category?post=4299"},{"taxonomy":"blog-tag","embeddable":true,"href":"https:\/\/lamarr-institute.org\/de\/wp-json\/wp\/v2\/blog-tag?post=4299"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}