Bildung mit künstlicher Intelligenz
(openai.com)- OpenAI hat Leitmaterialien für Lehrkräfte veröffentlicht, die ChatGPT im Klassenzimmer einsetzen möchten; sie behandeln Prompt-Beispiele, Funktionsweise und Grenzen, den Nutzen von AI-Detektoren sowie Bias
- Die Praxisbeispiele konzentrieren sich darauf, die Interaktion zwischen Lehrkräften und Lernenden zu erweitern, etwa als Diskussionspartner, Bewerbungsgesprächspartner, Vorgesetzter mit Feedback, Assistent für die Unterrichtsplanung oder Werkzeug zum Sprachenlernen
- Prompts für Lehrkräfte sind so gestaltet, dass sie Schritt für Schritt Thema, Klassenstufe, Vorwissen und Lernziele abfragen und anschließend maßgeschneiderte Unterrichtspläne sowie Erklärungen, Beispiele und Analogien erzeugen
- Für Lernende soll die Nutzung eher durch Fragen und Hinweise zum Denken anregen, statt direkt die richtige Antwort zu liefern; da Antworten von ChatGPT nicht immer korrekt oder verlässlich sind, ist eine Prüfung anhand von Primärquellen nötig
- Prompts sind nur ein Ausgangspunkt für die Unterrichtsvorbereitung; Lehrkräfte müssen ihre Expertenrolle beibehalten, indem sie Ergebnisse prüfen und an den jeweiligen Kontext anpassen
Wie ChatGPT im Klassenzimmer eingesetzt wird
- OpenAI stellt Leitmaterialien bereit, damit Lehrkräfte ChatGPT im Unterricht nutzen können
- Sie enthalten empfohlene Prompts, die Funktionsweise und Grenzen von ChatGPT, den Nutzen von AI-Detektoren sowie Bias
- Die FAQ für Lehrkräfte enthält zusätzlich Materialien wichtiger Bildungseinrichtungen, Beispiele für KI-basierte Bildungswerkzeuge und häufig gestellte Fragen von Lehrkräften
Anwendungsbeispiele von Lehrkräften
- Dr. Helen Crompton von der Old Dominion University empfiehlt Studierenden in Lehramts-Masterstudiengängen, ChatGPT als bestimmte Persona zu verwenden
- Beispiele sind ein Diskussionspartner, der Schwächen in einer Argumentation aufzeigt, ein Bewerbungsgesprächspartner oder ein neuer Vorgesetzter, der Feedback in einer bestimmten Art gibt
- Sie ist der Ansicht, dass das Erkunden von Informationen in einer dialogischen Umgebung Studierenden hilft, Materialien differenzierter und aus neuen Perspektiven zu verstehen
- Fran Bellas von der Universidade da Coruña empfiehlt, dass Lehrkräfte ChatGPT als Hilfswerkzeug zum Erstellen von Quizzen, Prüfungen und Unterrichtsplänen nutzen
- Zunächst teilen sie ChatGPT den Lehrplan mit und bitten dann um Ideen für Quizze und Unterrichtspläne mit modernen oder kulturell relevanten Beispielen
- Lehrkräfte können auch prüfen lassen, ob selbst erstellte Fragen zum Lernniveau der Lernenden passen sowie inklusiv und zugänglich sind
- Er ist der Ansicht, dass man frische Ergebnisse erhält, wenn man um eine Prüfung mit 5 Fragen zu elektrischen Schaltungen bittet, und dass Lehrkräfte diese Ideen auf ihre eigene Weise anpassen können
- Dr. Anthony Kaziboni von der University of Johannesburg unterrichtet Studierende, die außerhalb des Klassenzimmers überwiegend kein Englisch verwenden
- Er sieht Englischkenntnisse als großen Vorteil in der Wissenschaft und meint, dass schon kleine Missverständnisse der englischen Grammatik Anerkennung und Chancen der Studierenden einschränken können
- Er empfiehlt Studierenden, ChatGPT als Übersetzungshilfe, zur Verbesserung englischer Texte und zum Üben von Gesprächen zu nutzen
- Geetha Venugopal, die an der American International School in Chennai Informatik unterrichtet, vergleicht die Schulung im Umgang mit KI-Tools damit, den verantwortungsvollen Umgang mit dem Internet zu lehren
- Sie erinnert Lernende daran, dass Antworten von ChatGPT nicht immer verlässlich oder korrekt sein können
- Statt Antworten ungeprüft zu glauben, leitet sie sie an, kritisch zu denken und Informationen anhand anderer Primärquellen zu überprüfen
- Ziel ist, dass Lernende verstehen, wie wichtig es ist, weiterhin eigenständiges kritisches Denken, Problemlösefähigkeit und Kreativität zu entwickeln
Grundprinzipien für Prompts für Lehrkräfte
- Ethan Mollick und Lilach Mollick haben Prompts entwickelt, die mit GPT-4 verwendet werden können
- Die Voraussetzungen für die Nutzung der Prompts sind klar
- Das Modell erzeugt möglicherweise nicht immer korrekte Informationen
- Ergebnisse der Prompts sind nur ein Ausgangspunkt
- Lehrkräfte sind die Fachleute für das Material und müssen die Modellausgaben prüfen, bevor sie entscheiden, wie sie sie im Unterricht einsetzen
- Die vorgestellten Prompts sind Vorschläge und können an das gewünschte Ergebnis angepasst werden
Prompt zur Unterstützung der Unterrichtsplanung
- Der erste Prompt setzt ChatGPT als freundlichen und hilfreichen Unterrichtscoach ein
- Der Ablauf ist so strukturiert, dass der Lehrkraft Schritt für Schritt Fragen gestellt und ihre Antwort abgewartet wird
- Zuerst werden das zu unterrichtende Thema und die Klassenstufe der Lernenden geklärt
- Dann wird geprüft, ob die Lernenden bereits Vorwissen zu diesem Thema haben
- Anschließend wird nach den Lernzielen gefragt, also danach, was die Lernenden nach der Unterrichtsstunde verstehen oder können sollen
- Danach wird ein maßgeschneiderter Unterrichtsplan erstellt
- Direkter Unterricht
- Überprüfung des Verständnisses
- Sammeln von Nachweisen für Verständnis bei mehreren Lernenden
- Diskussion
- Interessante Aktivitäten im Klassenzimmer
- Aufgaben
- Es wird gefragt, ob die Lehrkraft etwas ändern möchte oder bekannte Fehlvorstellungen der Lernenden kennt; bei Bedarf wird die Unterrichtsstunde angepasst
- Wenn die Lehrkraft Beratung dazu wünscht, wie sie das Erreichen der Lernziele überprüfen kann, wird zusätzliche Unterstützung angeboten
Prompt zum Erstellen von Erklärungen, Analogien und Beispielen
- Der zweite Prompt setzt ChatGPT als Unterrichtsdesigner ein, der Erklärungen, Analogien und Beispiele einfach und korrekt erstellen soll
- Der Lehrkraft wird jeweils eine Frage gestellt
- Lernniveau der Lernenden
- Zu erklärendes Thema oder Konzept
- Position des Konzepts im Lehrplan und Vorwissen der Lernenden
- Informationen über die Lernenden, die zur Anpassung der Erklärung nötig sind, etwa frühere Diskussionen oder Unterrichtsinhalte
- Auf Grundlage dieser Informationen wird Folgendes bereitgestellt
- Eine klare und einfache Erklärung in 2 Absätzen zum Thema
- 2 Beispiele
- 1 Analogie
- Der Prompt ist so angelegt, dass kein Vorwissen der Lernenden zu verwandten Konzepten, Domänenwissen oder Fachterminologie vorausgesetzt wird
- Nach der Erklärung wird gefragt, ob die Lehrkraft etwas ändern oder hinzufügen möchte; die Erklärung kann unter Berücksichtigung häufiger Fehlvorstellungen überarbeitet werden
Prompt zur Unterstützung der Bewertung durch eine Schülerrolle
- Der dritte Prompt setzt ChatGPT als Schülerrolle ein, die ein bestimmtes Thema gelernt hat
- Ziel ist, dass die Lehrkraft die Erklärung und Anwendungsbeispiele der KI bewertet
- Die KI fragt die Lehrkraft nach dem zu erklärenden Thema und der Art der Anwendung
- Beispiele sind die Anwendung eines Konzepts auf eine bestimmte Szene einer TV-Show, ein Gedicht oder eine Kurzgeschichte
- Die KI erstellt eine Erklärung des Themas in 1 Absatz und 2 Anwendungsbeispiele und fragt anschließend die Lehrkraft, was richtig und falsch ist und wie es beim nächsten Mal verbessert werden kann
- Wenn alles richtig war, ist der Prompt so aufgebaut, dass um Feedback gebeten wird, dass die Anwendung des Konzepts korrekt war
Prompt für einen KI-Tutor für Lernende
- Der vierte Prompt setzt ChatGPT als ermutigenden KI-Tutor ein
- Dem Lernenden wird jeweils eine Frage gestellt
- Was er lernen möchte
- Ob sein Niveau dem eines Schülers der Oberstufe, eines Studierenden oder eines Berufstätigen entspricht
- Was er über das gewählte Thema bereits weiß
- Passend zum Niveau und Vorwissen des Lernenden werden Erklärungen, Beispiele und Analogien bereitgestellt
- Statt sofort Antworten oder Lösungen zu liefern, werden Leitfragen verwendet, damit der Lernende selbst Antworten entwickeln kann
- Wenn der Lernende Schwierigkeiten hat oder falsch liegt, wird er angeleitet, nur einen Teil der Aufgabe zu versuchen, oder an das Ziel erinnert und erhält Hinweise
- Wenn der Lernende Fortschritte macht, wird er gelobt; Antworten sollen nach Möglichkeit mit einer Frage enden, damit er weiter Ideen entwickelt
- Wenn der Lernende ein angemessenes Verständnis zeigt, soll er das Konzept in eigenen Worten erklären oder ein Beispiel geben; anschließend wird das Gespräch beendet
Verwandte Materialien
- Practical AI for Teachers and Students: Material vom 4. August 2023 von Ethan R. Mollick und Lilach Mollick
- Assigning AI: Seven Approaches for Students, with Prompts: Material vom 12. Juni 2023
- Using AI to Implement Effective Teaching Strategies in Classrooms: Five Strategies, Including Prompts: Material vom 17. März 2023
1 Kommentare
Meinungen auf Hacker News
Das Kernproblem wird ausgelassen: Schüler brauchen Noten, um ein Fach zu bestehen und ein Highschool-Diplom zu bekommen.
Für viele Schüler sind LLMs eine verlockende, magische Abkürzung zu besseren Noten – aus ganz gewöhnlichen Gründen wie Zeitmangel, Faulheit, Erschöpfung, mangelndem Verständnis, Angst, Druck der Eltern oder Status.
Wer ChatGPT auch nur ein wenig benutzt hat, weiß, dass auch die Logik „Zeig den Lösungsweg“ bedeutungslos ist. Denn auch Pläne, Gliederungen oder Entwürfe kann eine KI später plausibel erzeugen.
Schon heute sind Noten nur ein Stellvertretermaß für Fähigkeiten, aber Einzelunterricht kann einen durchschnittlichen Schüler auf der jeweiligen Stufe in die oberen 2 % bringen (Blooms 2-Sigma-Problem). Das bedeutet aber nicht, dass auf der nächsten Stufe die allgemeine Intelligenz steigt.
Am Ende wird womöglich tatsächlich die Fähigkeit bewertet, gute Noten zu erzielen – sei es durch Wohlstand oder durch Anstrengung. Bei LLMs ist es genauso: Wenn die Fähigkeit, sie zu nutzen, wichtig ist, sollte man genau das prüfen. Die Zukunft ähnelt Taschenrechnern oder Open-Book-Prüfungen.
Für viele Menschen sind Bewertung und Noten das eigentliche Ziel; Lernen passiert eher nebenbei.
Manche werden es faul verwenden und nichts lernen, aber für viele wird es eindeutig ein großer Boost sein. Am Ende passt man sich an.
Bei LLMs bin ich zwiegespalten, aber ich habe einen wirklich guten Anwendungsfall gefunden: als Hilfsmittel beim Sprachenlernen.
Als meine Zweitsprache ungefähr C1-Niveau erreicht hatte, wurde es schwierig, Material oder Tutoren zu finden, die mir beim weiteren Feinschliff helfen.
Deshalb unterhalte ich mich mit Claude und bitte darum, meine Fehler zu korrigieren oder mir Übungen zu den Bereichen zu geben, auf die ich mich konzentrieren sollte. Zum Beispiel: „Gib mir Übungen, in denen ich die Vergangenheitsform verwenden und die richtige Form auswählen muss.“
Es fühlt sich an wie ein persönliches Laufband fürs Sprachenlernen.
Es übersetzt nicht nur auf Spitzenniveau, sondern kann Kontext austauschen und ist mit muttersprachlichem Material und Kultur trainiert. Bei maschineller Übersetzung gab es noch nie einen so großen und schnellen Sprung.
Es ist besser, externe Materialien zu kombinieren und gegenzuprüfen; wenn man vorhat, mit echten Menschen zu interagieren, ist auch gesprochene Sprachproduktion sehr wichtig.
In Verbindung mit echten Gesprächen hilft es definitiv. Als zusätzliches Tool zum Herumprobieren kann es wirklich großartig sein.
Leider kann man es inzwischen nicht mehr kostenlos ausprobieren, aber es hat gut funktioniert.
Deshalb gibt es bei kleineren Sprachen viel häufiger Probleme, bei denen die Ergebnisse nicht nur inhaltlich, sondern auch sprachlich, bei der Wortwahl und grammatisch völlig seltsam und falsch sind.
Ich frage mich, ob Claude in dieser Hinsicht besser ist. Idealerweise würde ein LLM jeden einzelnen Fehler korrigieren und auch noch erklären.
Ich möchte meinen Frust über dieses Thema loswerden. Die Aussagen und das Marketing solcher Orte drehen sich immer darum, die Menschheit zu verbessern und mit KI allen zu nützen, aber die Realität sieht ganz anders aus.
Im Moment profitieren und verdienen nur wenige daran, und OpenAI ist zu closed AI geworden.
Ich erinnere mich, dass sie schon vor GPT-3 Dinge sagten wie: „Das ist zu gefährlich, um es zu veröffentlichen.“
https://techcrunch.com/2019/02/17/openai-text-generator-dang...
„OpenAI built a text generator so good, it’s considered too dangerous to release“
In der jetzigen Form gibt es kaum substanzielle Punkte dazu, warum OpenAI schlecht sein soll.
Es lässt sich schwer bestreiten, dass OpenAI fast allen geholfen hat, die ChatGPT ausprobiert haben. Dass sie dabei Gewinn erzielen, ändert daran nicht grundlegend etwas.
GPT-4 wurde zwar mit den Daten der Welt trainiert, und es wäre schön, wenn es als Open Source veröffentlicht würde, aber erzwingen kann man das nicht.
Ich bin überrascht, dass hier Khanmigo nicht erwähnt wird. Soweit ich weiß, nutzen sie GPT-4 schon seit geraumer Zeit in einer Beta-Version als Tutor.
Es ist inzwischen einiges an Zeit vergangen, und ich habe nach Daten zur Wirksamkeit gesucht. Khan Academy dürfte mittlerweile Daten haben, aber ich habe nicht gesehen, dass sie etwas veröffentlicht hätten.
Das berühmte 2-Sigma-Ergebnis beim Tutoring beruhte nur auf sechs Wochen Lernen, und Khanmigo müsste inzwischen Daten über mehr als sechs Monate haben.
[0]https://www.khanacademy.org/khan-labs
https://www.nytimes.com/2023/06/26/technology/newark-schools...
Beim Einarbeiten in unbekannte Themen war KI für mich persönlich eine große Hilfe. Kürzlich habe ich sie auch zur Vorbereitung auf Vorstellungsgespräche genutzt, und mein Partner verwendet sie, um STEM-Konzepte zu verstehen, die er in der Schule nicht gelernt hat.
Ich frage mich auch, wie weit wir tatsächlich noch vom Young Lady's Illustrated Primer entfernt sind. Vor drei Jahren hätte ich gesagt, es dauert noch 50 Jahre, aber heute fühlt es sich eher nach etwa 10 Jahren an.
Ich mache mir Sorgen, dass es bei den Themen, die ich nicht kenne, dieselben Widersprüche gibt, ich aber nicht genug weiß, um sie zu bemerken.
Es erklärt mir auch ausführlich, warum ich falschliege. Für meine Art zu lernen ist das wirklich nützlich. Ich zerlege gern Dinge und finde dann heraus, wie sie wieder zusammenpassen.
Ein LLM schlussfolgert nicht, sondern erzeugt nur plausibel vernünftig klingenden Text.
Nachdem ich einige Parameter so angepasst hatte, dass sie direkt aus einer Konfigurationsdatei im Ausführungsverzeichnis gelesen werden, wurde mir klar, dass ich PowerShell brauche. Also habe ich das geänderte Skript eingefügt und gesagt: „Schreib das in PowerShell“, und es hat einfach funktioniert.
Der OAuth-2.0-Workflow selbst ist gut dokumentiert und in unserem Code an 50 Stellen implementiert, daran war ich nicht interessiert; ich brauchte nur ein Skript zur Integration in automatisierte Tests.
Es hat mir etwa eine Stunde Arbeit erspart, in der ich mich mit bash-Syntaxfehlern herumgeschlagen und die entsprechenden PowerShell-Konstrukte gesucht hätte, und meine Kollegen waren von der Geschwindigkeit sehr angetan. Ich war froh, die langweilige Arbeit nicht machen zu müssen, und sehe das als vollen Erfolg.
Vor etwa 2,5 Wochen habe ich ein Chrome-Plugin namens Revision History gebaut und veröffentlicht und seitdem mit mehreren Lehrkräften gesprochen.
Die meisten Lehrer haben Angst vor KI. Denn das bedeutet, dass sie innerhalb weniger Monate ihre gesamte Unterrichtsweise ändern müssen. Unterrichtspläne oder Aufgabenstrukturen so schnell umzustellen ist nicht einfach, und es wird Zeit brauchen, bis man sieht, worauf es hinausläuft.
Einige Lehrer suchen nach Wegen, sich nicht anpassen zu müssen, weshalb sich das Interesse auf KI-Erkennung richtet, aber KI-Erkennung funktioniert nicht gut. Die scharfsinnigen Pädagogen, die ich getroffen habe, wissen, dass es kein Zurück gibt.
Deshalb versuchen sie, KI in den Lehrplan aufzunehmen und Aufgaben „AI-proof“ zu machen. Das heißt, es gibt mehr Arbeit im Unterricht, etwa Flipped Learning. Andere Lehrkräfte suchen nach Wegen, bei denen Schüler KI für Aufgaben verwenden, aber das von der KI Erzeugte überarbeiten und kommentieren müssen. Genau an dieser Stelle vermarkte ich auch mein Plugin.
Die nächsten Jahre werden für Lehrkräfte sehr holprig werden, weil sie sich an eine gewaltige Veränderung anpassen müssen, die praktisch über Nacht gekommen ist.
[1] https://www.revisionhistory.com. Anders als andere Plugins, die „KI-Detektoren“ sein wollen, hilft dieses Plugin Lehrern dabei, den Schreibprozess der Schüler zu sehen.
[2] https://bokcenter.harvard.edu/flipped-classrooms#:~:text=A%2...
Wenn man bedenkt, dass die meisten nie die Verbindung hergestellt haben, dass ein Hauptzweck von Bildung darin besteht, wirksame wirtschaftliche Beiträger für die Gesellschaft hervorzubringen, ist das nicht überraschend.
Wollen wir mit leistungsfähiger KI Kindern Dinge beibringen, die KI in 10 bis 20 Jahren fast sicher besser können wird?
Ich verstehe den Gedanken „Was sollen wir dann tun?“, aber einfach mitzumachen wirkt so lächerlich und vergeblich. „Lasst uns Kindern mit KI Programmieren beibringen“ – man sieht das Ende schon kommen.
Es wäre wohl gut, Filterregeln einzurichten.
Sie kommen noch zum ohnehin schon vollzeitähnlichen Unterricht hinzu, also können sie ruhig verschwinden.
Sprachmodelle sind jetzt Teil der Gesellschaft und werden bleiben, daher gehören sie ins Klassenzimmer. Kinder sollten lernen, wie Sprachmodelle funktionieren, woher sie kommen und wie man sie verwendet, genauso wie sie Tippen oder E-Mails schreiben lernen.
Ich erinnere mich an einen Bibliotheksbesuch in der Mittelschule im Jahr 2002, bei dem uns die Bibliothekarin „den richtigen Umgang mit Suchmaschinen“ beibrachte. Die gesellschaftliche Sorge damals war, dass Suchmaschinen Bibliothekare ersetzen würden, und es war beeindruckend, dass diese Bibliothekarin uns demütig beibrachte, wie man ihren „Ersatz“ benutzt.
Dieselbe Logik gilt für Lehrer und ChatGPT. Gute Lehrer werden das als Gelegenheit nutzen, ihren Schülern die neuen Horizonte zu zeigen, die diese Technologie eröffnet, statt sich nur um die persönlichen Auswirkungen von ChatGPT auf sie selbst zu sorgen.
Interessant ist, dass in dieser Bibliotheksstunde betont wurde, man solle Suchmaschinen nicht in natürlicher Sprache fragen, sondern effiziente Keyword-Abfragen formulieren. 20 Jahre später sind wir wieder so weit, dass man Sprachmodellen einfach Fragen stellen kann.
Gemeinsam mit meiner jüngeren Schwester, die Mittelschullehrerin ist, habe ich ein echtes Trainingsprogramm für Lehrkräfte entwickelt; dieser „Guide“ von OpenAI ist ziemlich enttäuschend
Er behandelt 90 % der Probleme nicht, die Lehrkräfte im Zusammenhang mit AI tatsächlich haben, und ist größtenteils eher eine Broschüre, die erklärt, wie man mit ChatGPT an Informationen kommt
Wenn du eine Lehrkraft bist, die in diesem Schuljahr Schwierigkeiten hat, sich anzupassen, oder eine solche Lehrkraft kennst, würde ich gern mit dir sprechen und schauen, ob ich helfen kann
[1] https://max.io/teacher-training.html
Was ihr beiden gemacht habt, klingt großartig, und es wäre vermutlich noch wirkungsvoller, daraus einen kurzen Text oder ein Video zu machen
Es gibt viele Menschen, die von diesen Einsichten profitieren möchten. Auch in Deutschland sieht man Lehrkräfte, die Schwierigkeiten haben und zugleich offen dafür bleiben wollen, diese Technologie anzunehmen
Er ist zwar nicht der vorgeschlagene vierstündige Präsenz-Workshop, bringt aber bereits einen positiven Mehrwert. Wahrscheinlich deckt er auch einen erheblichen Teil der Themen ab, die in diesem Kurs behandelt werden. Er mag auf Einsteigerniveau sein, aber er ist ein Ausgangspunkt
Ehrlich gesagt verstehe ich nicht ganz, warum das mit einer negativen Haltung gegenüber OpenAI gelesen wird. Man könnte OpenAI auch für die Bereitschaft loben, zu diesem Bereich beizutragen
https://www.codermindz.com/ https://www.amazon.com/gp/aw/d/B07FTG78C3/
Codermindz AI Curriculum: https://www.codermindz.com/stem-school/
https://K12CS.org K12-CS-Curriculum, code.org und Khanmigo sollten ein Curriculum zu AI-Sicherheit und Ethik enthalten
AI SAFETY zuerst; ein Jupyter Book mit automatisch bewertbaren Notebooks für ML, AutoML und AGI wäre eine gute Ressource
jupyter-edx-grader-xblock https://github.com/ibleducation/jupyter-edx-grader-xblock, Otter-Grader https://otter-grader.readthedocs.io/en/latest/; wegen Chromebooks braucht es auch JupyterLite
Welche weiteren Materialien für K12-CS/AI- und QIS-Curricula gibt es?
Wer wirklich verstehen will, wie etwas funktioniert, wird der Verlockung der AI nicht erliegen
Es gibt zwei Arten von Menschen: diejenigen, die etwas wissen und wirklich verstehen wollen, und diejenigen, die das nicht wollen
Sollte man Menschen, die ab einem gewissen Punkt offensichtlich kein Interesse haben und nur gezwungen mitmachen, wirklich Interesse aufzwingen? Ich finde, Menschen sollten mehr Zeit mit dem verbringen, was ihnen wirklich wichtig ist
Wenn man sich für etwas interessiert und Freude und Befriedigung daraus zieht, möchte man es bis ins Detail verstehen und sehnt sich nach Wissen und echter Einsicht. Wenn man kein Interesse hat, nimmt man den kürzesten Weg, um Zeit für Dinge zu schaffen, die einem echte Befriedigung geben. Bei Dingen, die mir völlig egal sind, mache ich das auch immer, also finde ich das in Ordnung
Wenn jemand Software Engineer werden möchte, sich aber nicht dazu aufraffen kann, die Grundlagen zu lernen und zu verstehen, dann ist Software Engineering nicht das richtige Feld für diese Person. Je mehr man versteht, desto größer wird die Oberfläche der Probleme, die man weiter erkunden kann
ChatGPT und andere LLMs schneiden in der Physik nicht durchgehend gut ab, und wahrscheinlich wird das auch künftig so bleiben
Ich glaube nicht, dass sich Physik-Fakultäten große Sorgen um KI machen werden. Was Studierenden relativ zuverlässig hilft, sind höchstens einige Coding-Projekte
In Kursen zur Computerphysik war es ohnehin schon erwünscht, zusammenzuarbeiten, Hilfe zu suchen und im Internet Fragen zu stellen, daher ist das in Ordnung. Der Kern war immer, wie man den Denkprozess erklärt und darstellt
KI ist in ihrer aktuellen Form beim Problemlösen und beim konzeptionellen Verständnis sehr schwach
Als Nicht-Muttersprachler des Englischen spart sie mir dagegen viel Zeit dabei, unausgereifte Gedanken und Texte in eine formellere Form zu bringen. Man kann sie auch nutzen, um Teile von Coding-Aufgaben anzuleiten und APIs vorzustellen. Für gute Studierende oder Forschende ist sie ein Werkzeug, das man klug einsetzen kann, um Wissen zu gewinnen und Zeit zu sparen
Beim Lösen eines Wagens auf einer schiefen Ebene mit Reibung und eines am Wagen befestigten Pendels hilft sie kaum. Auch die Normalmoden wird sie nicht bestimmen können
Das ist nur meine persönliche Erfahrung und Einschätzung; in anderen Bereichen kann es völlig anders sein
Viele formale Linguisten haben entschieden gesagt, KI könne Fähigkeiten wie pragmatische Implikaturen nicht lernen, aber inzwischen zeigt sich, dass sie falsch lagen
Zum Beispiel ist Miles Cranmers Arbeit zur symbolischen Regression mit Graph Neural Networks ein Ausgangspunkt für nützliche neue Entdeckungen in der Physik. Auch ein Transformer ist letztlich nur ein Graph Neural Network mit einer bestimmten Message-Passing-Funktion und Positions-Embeddings
Es ist nicht schwer zu sehen, dass KI mit anderen Architekturen, Verstärkungen oder auch nur einer Skalierung auf dieselbe Weise zu neuen Entdeckungen in der Physik gelangen kann. Die Arbeit zur symbolischen Regression auf Basis von Graph Neural Networks ist bereits ein Beleg dafür, dass so etwas passiert ist
Schon beim Problem, Wissen in den LLMs von heute zu grounden, gibt es viel Interesse und Forschung, und ich erwarte, dass es auf verschiedene Arten gelöst wird. Die Fähigkeit zu gegroundetem physikalischem Wissen ist nicht perfekt, aber im Vergleich zum allgemeinen menschlichen Wissen auf der Straße sehr gut. Schon externe Materialien anzubinden macht sie deutlich besser, und auch das ist nur eine sehr kurzsichtige Analyse mit Blick auf den heutigen Stand
Zwischen dem Lösen von Coding-Problemen und dem Lösen physikalischer Probleme gibt es keinen grundlegenden Unterschied. Wie viele frühere Gewissheiten wird auch dieser Kommentar mit der Zeit vermutlich nicht gut altern
Wenn jemand LLMs dazu bringt, die Mathematica-API zu verwenden, und sie weiter trainiert, dürften schnelle Fortschritte möglich sein
Das hier unvermeidliche Problem ist, dass LLMs immer noch Halluzinationen haben
Ob 1 % oder 0,1 %: In der Bildung ist das ein großes Problem. Jemand könnte sein ganzes Leben lang etwas völlig Falsches glauben, das ihm eine KI selbstbewusst beigebracht hat
Lehrkräfte sollten sehr vorsichtig sein, rohe LLMs ohne zusätzliche Sicherheitsmechanismen oder Verifikation im Unterricht einzusetzen
Internet, Lehrbücher und sogar wissenschaftliche Arbeiten können faktisch falsch sein
Graph Neural Networks, eine Unterklasse von LLMs, haben das Potenzial, so optimiert zu werden, dass sie internes Wissen möglichst kompakt halten. Das unterscheidet sich von Menschen, die einen Internettext lesen, ohne genügend Kontext zum jeweiligen Fachgebiet aufgebaut zu haben
Es gibt viele Menschen, die an seltsamen Ideen, die ihnen eine Lehrkraft in der vierten Klasse beigebracht hat, ihr Leben lang stark festhalten, ohne je korrigiert zu werden
In diesem winzigen Zeitfenster stimmt das zwar, aber aus Problemen, die es in diesem Monat gibt, abzuleiten, man müsse Sprachmodellierung meiden, und die bald kommenden Verbesserungen zu ignorieren, ist übermäßig kurzsichtig
In Wirklichkeit versuchten Southern-Baptist-Footballcoaches, Naturwissenschaften völlig vermurkst zu unterrichten
Natürlich gibt es hervorragende Lehrkräfte, und besonders jene, die sagen, dass sie etwas nicht wissen oder es nachschlagen müssen, haben eine Halluzinationsrate nahe 0 %. Aber solche Menschen sind die Ausnahme
Das Bildungswesen insgesamt zieht tendenziell Menschen mit ziemlich durchschnittlichem intellektuellem Niveau an, und einige von ihnen entwickeln gelegentlich einen Gottkomplex
Es war so schlimm, dass ich Geschichte in der Oberstufe noch einmal neu lernen musste
Das war selbst dann so, wenn ich mehrfach versucht habe, sie mit konkreteren Prompts zu korrigieren. Sogar bei einfachen Aufgaben zu Division oder Vielfachen der Zahlen von 1 bis 10, bei denen nur eine zusätzliche Rechenoperation hinzukam