WEBVTT

00:00:00.460 --> 00:00:00.600
Speaker 1: 

00:00:16.960 --> 00:00:20.540
Speaker 0: Hallo und herzlich willkommen zu Day Talk Tech, ein CT Podcast.

00:00:20.620 --> 00:00:22.560
Speaker 0: Ich bin Svea Eckert, Tech Journalistin

00:00:23.220 --> 00:00:26.220
Speaker 2: Und ich bin Eva Wolf-Angel auch Tech Journalisten!

00:00:26.300 --> 00:00:28.260
Speaker 2: Hallo schön dass ihr auch wieder da seid.

00:00:28.780 --> 00:00:34.060
Speaker 0: Ja wir haben heute...ich würde sagen es ist eine richtige Blockbuster Folge, würde man sagen.

00:00:34.120 --> 00:00:55.480
Speaker 0: Weil wir haben in der zweiten Hälfte einen richtig spannenden Gast Alkanathens von der Universität Rostock auch bekannt als KI-Influencerin einfach eine wahnsinnig tolle, spannende Informatikprofessorin die in den letzten Monaten ja einfach bekannt geworden ist dadurch dass sie KI ganz besonders gut erklären kann.

00:00:56.120 --> 00:00:59.980
Speaker 2: Ja, sie hat wirklich innerhalb von kurzer Zeit sehr viele Follower innen.

00:01:00.160 --> 00:01:08.880
Speaker 2: Vor allem auf Instagram gesammelt und ich bin ja immer so ein bisschen skeptisch mit Influencerinnen weil ich denke das ist halt oft platt und springen oft auf den Hype auf.

00:01:09.620 --> 00:01:11.100
Speaker 2: aber bei Alke ist es anders.

00:01:11.140 --> 00:01:22.320
Speaker 2: also ich glaube sie wurde ein bisschen genötigt zu dem Hype mehr zu sagen und kann's auch nicht lassen Aber es einfach genau hat wahnsinnig kluge Gedanken dazu Und wir freuen uns sehr darauf sie im zweiten Teil hier einzuladen.

00:01:23.340 --> 00:01:29.160
Speaker 0: Und im ersten Teil gehen wir auf so einen kleinen Aufreger ein, der vor allem auch in den sozialen Netzwerken kursiert.

00:01:29.320 --> 00:01:37.340
Speaker 0: Aber es tatsächlich bis zum ZDF geschafft hat mit der Schlagzeile Roboter soll sechzehnjährige belästigt haben.

00:01:37.620 --> 00:01:39.980
Speaker 0: und naja das hat uns natürlich hellhörig werden lassen!

00:01:44.240 --> 00:01:48.280
Speaker 2: Ich muss sagen ich habe neulich Holger hat mich angerufen, es gibt so ein Podcast.

00:01:48.340 --> 00:01:52.820
Speaker 2: Holger ruft an zum Thema Medien und verschiedene Themen.

00:01:53.360 --> 00:01:57.280
Speaker 2: Und er hat mich angerufen wegen der Berichterstattung über KI unter anderem.

00:01:57.400 --> 00:01:59.340
Speaker 2: also wir haben viel auch über generell gesprochen.

00:01:59.380 --> 00:02:00.340
Speaker 2: wie ist das denn damit KI?

00:02:00.840 --> 00:02:06.120
Speaker 2: Und ich finde so eine Überschrift ist halt so ein typisches Beispiel für Fail, das ist nicht unser Job.

00:02:06.360 --> 00:02:16.200
Speaker 2: Also ein Roboter greift nicht von sich aus irgendjemand an und es so zu schreiben ... Ja, es hat einen Framing was ein richtiges Problem ist.

00:02:16.260 --> 00:02:17.900
Speaker 2: ja weil er so tut wie ... Ups!

00:02:18.000 --> 00:02:18.920
Speaker 2: Seid ihr da was passiert?

00:02:18.980 --> 00:02:19.900
Speaker 2: Wo niemand etwas dafür kann?

00:02:20.500 --> 00:02:25.220
Speaker 2: Ist halt die Technik und sowas in dem aktuellen Fall überhaupt nicht stimmt.

00:02:25.300 --> 00:02:33.220
Speaker 2: also wir zwei waren ja selbst vor kurzem auf der E-Fahn haben geschaut wie sich Roboter fortbewegen Und dass da ziemlich wenig von selbst passiert.

00:02:33.920 --> 00:02:35.780
Speaker 0: Ja, aber das ist uns von vorne anfangen Eva.

00:02:36.160 --> 00:02:37.560
Speaker 0: Lass uns einmal den Fall aufrollen.

00:02:37.620 --> 00:02:39.460
Speaker 0: vielleicht guckt nicht jeder so viel Instagram wie ich.

00:02:41.080 --> 00:02:46.360
Speaker 2: Ich habe es auch aus den etablierten Medien erfahren und mich haben viele Fragen erreicht von wegen ja wie kann das sein?

00:02:46.400 --> 00:02:47.980
Speaker 2: Hat er sich wirklich selbstständig bewegt?

00:02:48.060 --> 00:02:48.880
Speaker 2: Ist die KI jetzt schon soweit?

00:02:49.340 --> 00:02:52.720
Speaker 2: Also genau erzähl mal was du weißt von Instagram oder

00:02:53.780 --> 00:02:56.040
Speaker 0: aus der Pressemitteilung der Polizei Köln.

00:02:56.400 --> 00:02:57.840
Speaker 0: Da würde eine gute

00:02:57.980 --> 00:03:00.340
Speaker 2: Quelle sein zusammenfassen,

00:03:00.400 --> 00:03:01.360
Speaker 0: was bekannt geworden ist.

00:03:01.400 --> 00:03:12.940
Speaker 0: Das war in der Nacht zum Sonntag, elfte Oktober zwischen, sagt die Polizei, ... In Köln Ecke Palmstraße holen Zollering vor einem Schnellrestaurant.

00:03:12.980 --> 00:03:16.120
Speaker 0: Die Ecke sagt mir persönlich nichts, bin nur gelenklich mal in Kölnen.

00:03:16.280 --> 00:03:18.920
Speaker 0: aber ich habe mir viele Videos angeschaut.

00:03:19.600 --> 00:03:24.200
Speaker 0: das ganze ist ja während eines Livestreams passiert dass es auch das gute dann im nachhinein.

00:03:24.240 --> 00:03:27.740
Speaker 0: man kann eigentlich ziemlich genau und auch relativ ausführlich.

00:03:28.280 --> 00:03:30.080
Speaker 0: Kann man das alles rekonstruieren?

00:03:30.140 --> 00:03:31.280
Speaker 0: Das ist alles online.

00:03:31.840 --> 00:03:40.640
Speaker 0: Und es scheint einfach eine belebte Ecke zu sein mit vielen jungen Menschen unterstanden, auch eine sechzehnjährige mit zwei Freundinnen, siebzehn und achtzehn.

00:03:41.020 --> 00:03:43.700
Speaker 0: Und ich hab mir im Video das nachher angeschaut.

00:03:43.740 --> 00:03:49.720
Speaker 0: Der hatte lange blonde Haare, war so ganz weiß angezogen also ganz offensichtlich im Ausgehoutfit.

00:03:50.000 --> 00:03:56.420
Speaker 0: die ganzen Mädels standen da eben an der Ecke rum Genau und dann kam also ein bunter kleiner Roboter an.

00:03:56.640 --> 00:04:06.060
Speaker 0: Und zumindest so habe ich das in dem Video gesehen, läuft sozusagen gegen sie und hat dabei seine Fäuste irgendwie erhoben oder seine Hände wobei richtige Hände hatte gar nicht.

00:04:06.100 --> 00:04:07.880
Speaker 0: Das ist eher sowieso fäuste.

00:04:07.940 --> 00:04:12.120
Speaker 0: Hat die so erhoben und rennt im Prinzip so eine oder zwei mal.

00:04:12.160 --> 00:04:19.079
Speaker 0: Das sieht mein Video gar nichts zu gut weil da gerade einer vorbei läuft gegen ihren Hintern Und hat berührt sie eben.

00:04:20.500 --> 00:04:22.680
Speaker 0: Genau, und das fanden die überhaupt nicht lustig.

00:04:22.760 --> 00:04:27.700
Speaker 0: Da herum standen viele junge Männer, die Mädchen rufen dann auch Nein, Lass!

00:04:28.100 --> 00:04:31.640
Speaker 0: Nein so wollen das nicht, bleibt weg mit dem Roboter.

00:04:32.880 --> 00:04:38.740
Speaker 0: Darum ganz viele junge Männer... die das irgendwie witzig finden, die sagen hey der mag dich.

00:04:39.020 --> 00:04:40.320
Speaker 0: Der will dich doch nur umarmen.

00:04:41.100 --> 00:04:59.880
Speaker 0: und das ganze aber ist dann soweit gegangen dass eine der Mädchen hat die Polizei angerufen weil sie sich belästigt gefühlt hat von dem Roboter von den jungen Männern Und die haben tatsächlich dann den Roboter mitgenommen und das Ganze wird jetzt auch verfolgt.

00:04:59.960 --> 00:05:08.900
Speaker 0: allerdings geht nicht auf sexuelle Belästigung, sondern es ist eine Beleidigung auf sexueller Grundlage.

00:05:09.240 --> 00:05:09.420
Speaker 0: Genau.

00:05:09.560 --> 00:05:10.080
Speaker 0: Jetzt sagen

00:05:10.140 --> 00:05:17.580
Speaker 2: wir noch kurz um dieser Livestream haben die jungen Männer gemacht den Roboter-Mund man sich auch gehört oder unbeteiligte weiß man das?

00:05:18.340 --> 00:05:18.720
Speaker 0: Genau.

00:05:18.840 --> 00:05:29.500
Speaker 0: also ich habe dann mir alle Videos dazu angeschaut, die ich finden konnte Und da sieht man, dass diese jungen Männer mit dem Roboter schon... Also ich hab die frühesten Videos habe ich aus dem September gefunden.

00:05:29.700 --> 00:05:35.600
Speaker 0: Die waren in Köln mit dem unterwegs auch mehrfach abends schon sind auch mal damit bei der Polizei vorbeigegangen.

00:05:35.640 --> 00:05:41.440
Speaker 0: Die haben den so ein bisschen verkleidet und im T-Shirt angezogen Ich hab fast einen Schnurrbart, Sonnenbrille.

00:05:41.480 --> 00:05:46.400
Speaker 0: Also der sah auch so ein bisschen lustig aus und sind dann ... Und haben halt immer Videos gemacht und gestreamt.

00:05:46.900 --> 00:05:59.740
Speaker 0: Es gibt ganz viel Material wie sie eben mit diesem Roboter zusammen unterwegs sind und haben das dann unter anderem auf Twitch aber ich hab's eben auf TikTok ganz viel gesehen also auf ganz vielen Kanälen ausgespielt.

00:06:00.880 --> 00:06:02.340
Speaker 2: Und es sind die Videos noch live?

00:06:03.880 --> 00:06:03.920
Speaker 0: Ja!

00:06:04.640 --> 00:06:12.760
Speaker 0: Die sind natürlich jetzt vielfach kopiert worden von anderen Accounts Und da gibt's jetzt schon so kleine Collections, die man sich anschauen kann.

00:06:12.920 --> 00:06:17.300
Speaker 0: Also auch dieser Stream von dem Abend ist in mehreren Teilen noch online.

00:06:17.400 --> 00:06:24.600
Speaker 0: Man kann sich das anschauen was davor war, Teil zwei ... Man kann dann sehen wie sie darauf warten, dass die Polizei kommt.

00:06:24.660 --> 00:06:28.960
Speaker 0: Man sieht auch wie die Polizei dann kommt und sagt der Stream muss jetzt aus.

00:06:29.460 --> 00:06:31.580
Speaker 0: Sie machen das Telefon jetzt aus, das reicht ja jetzt.

00:06:32.680 --> 00:06:47.760
Speaker 0: Das ist im Prinzip das vorläufige Ende der Geschichte wobei Einer der Streamer, der Creator hat sich auch schon mehrfach dazu geäußert inzwischen und in den Videos die er dann dazugemalt gesagt hat nein.

00:06:48.260 --> 00:06:58.920
Speaker 0: Der ist doch nur in die Reihen gelaufen, der hat sie doch gar nicht berührt und auf jeden Fall ging das auch so in die Richtung... Der kann doch nichts dafür, der ist doch nur ein Roboter.

00:06:59.060 --> 00:07:04.140
Speaker 0: Und ich würde sagen Eva da sind wir bei dir so'n bisschen am Casus-Knax ausgeliebt.

00:07:04.380 --> 00:07:04.660
Speaker 2: Ja klar!

00:07:04.760 --> 00:07:06.140
Speaker 2: Kann das Ding nix dafür.

00:07:06.260 --> 00:07:10.000
Speaker 2: also dieses Ding aus Blech... Was soll es dafür können?

00:07:10.080 --> 00:07:15.660
Speaker 2: Ich meine das hat keinen eigenen Willen und das hat ja nicht mal die Fähigkeit sich selbst irgendwo hin zu bewegen.

00:07:15.960 --> 00:07:18.920
Speaker 2: Also von daher Klar kann man sagen, das Ding kann nichts dafür.

00:07:19.080 --> 00:07:21.200
Speaker 2: Aber derjenige, der es gesteuert hat ...

00:07:21.880 --> 00:07:23.600
Speaker 0: Lass uns mal kurz technisch eintauchen!

00:07:24.300 --> 00:07:26.360
Speaker 0: Das war ein Unitree R-I.

00:07:26.580 --> 00:07:36.560
Speaker 0: Ich hab' das einfach mal nachgeguckt im Internet und wir haben ja... das sind dann so kleine Roboter, so um zwanzig Kilo schwer, meterzwanzig groß kosten so um die fünftausend Euro.

00:07:36.640 --> 00:07:37.980
Speaker 0: du kannst dir auch so einen bestellen.

00:07:38.040 --> 00:07:44.640
Speaker 0: also die gibt's in online Shops, die kommen aus China Und können dann so Kung-Fu machen und Tanzvideos.

00:07:45.200 --> 00:07:53.320
Speaker 0: Du erinnerst dich, wir waren ja auf der IFA und da haben wir uns diese Dinger und auch andere von diesen humanoiden Robotern mal angeschaut.

00:07:54.080 --> 00:07:56.180
Speaker 2: Und ehrlich gesagt, schon da habe ich gedacht.

00:07:56.740 --> 00:08:00.360
Speaker 2: Wieso fällt den meistens Männern die differnst?

00:08:00.420 --> 00:08:05.080
Speaker 2: Also das erste ist was uns aufgefallen ist auf der IFA Die werden alle fern gesteuert.

00:08:05.220 --> 00:08:07.040
Speaker 2: Da ist überhaupt nichts von autonomen Bewegungen.

00:08:07.780 --> 00:08:16.020
Speaker 2: und das andere was mir aufgefallen is dass denen schon am ersten einfällt irgendwelche Kampfszenen zu machen oder so.

00:08:16.160 --> 00:08:19.120
Speaker 2: also so Makamovies hab ich glaube ich damals gesagt.

00:08:20.680 --> 00:08:24.920
Speaker 2: Das ist das, was Menschen offenbar sehen wollen oder was Männer irgendwie daran cool finden.

00:08:26.180 --> 00:08:35.080
Speaker 2: Klar auf der IFA habe ich jetzt keine sexuell anzüglichen Dinge gesehen aber das ist natürlich das was man im sonstigen Leben eigentlich immer sieht.

00:08:35.159 --> 00:08:35.220
Speaker 2: ne?

00:08:35.740 --> 00:08:41.280
Speaker 2: Es gibt eine neue Technologie und ja Männer schauen wie man da mit Frauen herabwürdigen kann.

00:08:41.340 --> 00:08:43.100
Speaker 2: Das ist ja so ein total typischer Move.

00:08:43.140 --> 00:08:49.400
Speaker 2: deswegen es ist gar nicht überraschend Was jetzt vorgefallen ist, aber interessant finde ich tatsächlich die Fantasien der Menschen.

00:08:50.180 --> 00:08:52.960
Speaker 2: Die natürlich ausgelöst werden durch solche Überschriften.

00:08:53.660 --> 00:09:01.440
Speaker 2: kann es sein dass ein Roboter sowas von sich aus macht und das im aktuellen Fall wirklich quatscht weil er halt ferngesteuert wird.

00:09:02.340 --> 00:09:05.920
Speaker 0: Genau ich glaube da muss man nochmal richtig technisch auch einordnen.

00:09:06.020 --> 00:09:15.500
Speaker 0: also wenn man sich mal so das Funktionsblatt anschaut von diesem Unitree R-I dann sieht man Man kann das vielleicht vergleichen mit so einem ferngesteuerten Auto für Kinder.

00:09:16.020 --> 00:09:17.900
Speaker 0: Also auf dem Niveau

00:09:18.280 --> 00:09:18.980
Speaker 1: bewegen wir uns

00:09:19.120 --> 00:09:19.400
Speaker 0: da, ja?

00:09:19.880 --> 00:09:27.500
Speaker 0: Das heißt wenn man den Joystick nach vorne drückt dann geht der nach vorne, wenn man links drückt geht er nach links und wenn man rechts drückt er nach rechts.

00:09:28.100 --> 00:09:35.620
Speaker 0: Und der hat zwar Kameras eingebaut in der Vorderfront aber diese Kameras haben keine Objekterkennung

00:09:35.900 --> 00:09:35.920
Speaker 0: d.h.,

00:09:36.400 --> 00:09:37.980
Speaker 0: der sieht sozusagen nichts.

00:09:38.640 --> 00:09:40.680
Speaker 0: Also man denkt, das ist ein Roboter.

00:09:41.200 --> 00:09:45.540
Speaker 0: Der kann um sich herum was erkennen so wie unser Staubsauger-Roboter zum Beispiel.

00:09:45.600 --> 00:09:47.100
Speaker 0: aber der hat ja LIDA eingebaut.

00:09:47.160 --> 00:09:50.800
Speaker 0: also er hat ja quasi den Radar eingebauen wo er die Umgebung scannen kann.

00:09:51.760 --> 00:09:57.040
Speaker 0: Manche haben auch Kameras unserer jetzt nicht aber manchmal auch richtige Kameras eingebohrt können Objekterkennung machen.

00:09:57.700 --> 00:09:59.540
Speaker 0: Das hat er einst noch nicht.

00:09:59.640 --> 00:10:02.580
Speaker 0: Also das soll es geben, das gibt es auch bei anderen Robotern.

00:10:02.640 --> 00:10:02.800
Speaker 0: D.h.,

00:10:03.860 --> 00:10:16.380
Speaker 0: dass was durch die Kamera gestreamt wird ist das, was der Benutzer auf dem Joystick sieht aus wie eine Switch im Prinzip, also so ein Display und dann links und rechts hast du zwei Knüppel da.

00:10:16.680 --> 00:10:18.600
Speaker 0: Das Bild ist das was der dann sieht.

00:10:19.220 --> 00:10:19.560
Speaker 0: So d.h.

00:10:19.940 --> 00:10:22.160
Speaker 0: Du drückst nach vorne, da läuft er nach vorne.

00:10:22.260 --> 00:10:24.040
Speaker 0: Du lässt los, der stoppt!

00:10:25.420 --> 00:10:28.040
Speaker 0: So wie bei einem elektrischen Auto.

00:10:28.940 --> 00:10:32.920
Speaker 2: Nicht mal so intelligent, als ein Basic Staubsangroboter der wenigstens ausweicht?

00:10:33.020 --> 00:10:33.180
Speaker 2: Nein!

00:10:34.160 --> 00:10:35.500
Speaker 0: Sondern auch nicht eine

00:10:35.860 --> 00:10:36.280
Speaker 2: Drohne,

00:10:37.040 --> 00:10:42.340
Speaker 0: wo man schon sagen kann ich geh joggen fliege hinter mir her die in gewisses Maß an Objekterkennung hat.

00:10:42.900 --> 00:10:52.540
Speaker 0: und das finde ich in dem Zusammenhang schon entscheidend, weil es ist eben kein Roboter der irgendwie in Anführungszeichen durchgedreht ist.

00:10:52.620 --> 00:11:05.640
Speaker 0: Der jemanden belästigt hat sondern im Prinzip jemand ist quasi mit dem ferngesteuerten Auto gegen eine andere Person gefahren und hat sie dabei so berührt wie man jemand nicht berühren sollte in der Öffentlichkeit.

00:11:06.800 --> 00:11:16.200
Speaker 2: Und was ich ganz spannend finde auch daran Vor ein paar Jahren, als du darum ging, kann man jetzt Robotik tatsächlich ins echte Leben entlassen.

00:11:16.660 --> 00:11:20.940
Speaker 2: Also bis dahin war der Roboter quasi in Unternehmen auch immer abgeschirmt von Menschen ne?

00:11:21.020 --> 00:11:26.780
Speaker 2: Weil das ganz schnell natürlich gefährlich werden kann wie eine gewisse Größe oder eine gewiss Wucht haben mit ihrer Bewegung.

00:11:27.960 --> 00:11:31.500
Speaker 2: Kann das schon schiefgehen und das hat sich jetzt offenbar geändert.

00:11:31.620 --> 00:11:45.080
Speaker 2: Klar ist es ein kleines, kleiner Roboter ... Ich weiß gar nicht, wie's rechtlich ist, ob's eigentlich welche Größe von solchen Tools man einfach auf die Straße mitnehmen darf und wie dann eben die Aufsichtspflicht in Anführungszeichen ist.

00:11:45.780 --> 00:11:56.400
Speaker 2: Aber ehrlich gesagt, ist es ja wie bei allen anderen Dingen auch wenn du mit einem Tool was du steuerst jemanden verletzt oder was kaputt machst, dann bist du verantwortlich.

00:11:56.460 --> 00:11:58.080
Speaker 2: das ist ja eigentlich überhaupt nicht überraschend.

00:11:58.720 --> 00:11:58.860
Speaker 0: Und es

00:11:59.440 --> 00:12:05.100
Speaker 2: gibt ja so ein zwei drei Fälle in der Vergangenheit wo's Unfälle mit Robotern gab.

00:12:05.700 --> 00:12:10.440
Speaker 2: keiner davon war jetzt total Zumindest keine, die mir jetzt gerade vorliegen.

00:12:10.680 --> 00:12:17.120
Speaker 2: Es war total krass aber es gab mal blutige Nasen und Leute mussten sich in Sicherheit bringen.

00:12:17.520 --> 00:12:31.020
Speaker 2: Also sowas passiert schon und ich würde vermuten alles was eben wirklich gefährlich werden kann ist nochmal anders reguliert muss quasi anders beaufsichtigt werden oder mit einem Zaun drum herum wenn's im Unternehmen geht.

00:12:32.400 --> 00:12:37.180
Speaker 0: Hier hat uns ein Nutzer geschrieben, danke übrigens auch für eure ganzen Kommentare auf Mastottern.

00:12:37.400 --> 00:12:38.620
Speaker 0: Freuen wir uns immer sehr drüber.

00:12:38.680 --> 00:12:39.360
Speaker 0: also nur zu.

00:12:40.140 --> 00:12:51.340
Speaker 0: Er hat uns Frank DTS geschrieben schreibt dass die Frage wer dafür verantwortlich ist und ob das denn überhaupt übergriffig ist wenn es doch einen Roboter war überhaupt gestellt wurde?

00:12:51.600 --> 00:12:52.920
Speaker 0: Hat mich ehrlich gesagt schockiert!

00:12:53.140 --> 00:12:56.760
Speaker 0: Das war nicht ich, das war der Roboter, das waren nicht ich ,das war das Auto oder das war nicht.

00:12:56.800 --> 00:13:00.840
Speaker 0: Ich fand ihn ganz gut den Kommentar weil er das eigentlich

00:13:00.900 --> 00:13:02.100
Speaker 2: ganz gut zusammenfasst.

00:13:02.780 --> 00:13:02.880
Speaker 2: Was

00:13:02.940 --> 00:13:08.360
Speaker 0: wir hier sehen und ich finde, wenn man jetzt auch noch mal schaut wie ist es jetzt rechtlich zu werden?

00:13:08.440 --> 00:13:14.980
Speaker 0: Dann ist es natürlich so dass der Roboter quasi wie ein Werkzeug gewertet wird also wie einen Stock oder wie ein Auto.

00:13:15.740 --> 00:13:17.360
Speaker 0: Jetzt haben das Jugendliche gemacht.

00:13:17.800 --> 00:13:22.580
Speaker 0: Also die mutmaßlichen Täter die fallen unter Jugendstrafrecht sind heranwachsende.

00:13:23.420 --> 00:13:30.520
Speaker 0: Aber das Ganze ist schon so, dass die Polizei gegen diese beiden jungen Männer ermittelt und nicht gegen einen Roboter?

00:13:31.760 --> 00:13:33.000
Speaker 2: Ja, geht ja auch gar nicht.

00:13:33.380 --> 00:13:36.500
Speaker 2: Aber ich finde es gut, dass sie das offenbar ernst genommen haben.

00:13:36.580 --> 00:13:41.900
Speaker 2: Ich finde den Impuls gut von den Mädchen die Polizei zu rufen und zu sagen hier ist gerade was passiert, was wirklich nicht in Ordnung ist.

00:13:43.580 --> 00:13:47.980
Speaker 2: Von daher ... Die Erklärung ist relativ einfach.

00:13:49.120 --> 00:13:51.360
Speaker 2: Es kommen jetzt bestimmte, ich hab diese Diskussion auch schon gehört.

00:13:51.660 --> 00:13:52.940
Speaker 2: Brauchen wir neue Gesetze?

00:13:53.040 --> 00:13:55.800
Speaker 2: Brauchen Robotergesetze und so weiter ... Ich würd sagen nein!

00:13:55.840 --> 00:13:57.320
Speaker 2: Also dieser Fall gibt es Gesetzer, ne?

00:13:57.480 --> 00:14:07.300
Speaker 2: Die sowohl sexuelle Belästigung als auch ... Ja also die Haftungsfragen, wer ist schuld wenn ich mit meinem Tool was kaputt mache bin ich halt verantwortlich.

00:14:07.340 --> 00:14:07.640
Speaker 2: Wobei

00:14:07.980 --> 00:14:09.880
Speaker 0: ein interessanten Punkt fand ich doch.

00:14:10.660 --> 00:14:15.880
Speaker 0: zum Beispiel beim Auto haftet der Halter automatisch weil ein Auto ist halt gefährlich.

00:14:16.220 --> 00:14:20.700
Speaker 0: Beim Hund auch Da haftest du auch automatisch, aber beim Roboter nicht.

00:14:21.480 --> 00:14:28.000
Speaker 0: Weil deshalb musste die Polizei jetzt auch das Ding konfiszieren und muss es jetzt sozusagen nacharbeiten.

00:14:28.600 --> 00:14:30.780
Speaker 0: Also muss das verschulden Nachweisen?

00:14:31.540 --> 00:14:36.300
Speaker 0: Und das halte ich hier doch für eine echte Lücke.

00:14:38.300 --> 00:14:41.700
Speaker 0: Weil eigentlich müsste das ja klar sein ... Das wurde bewusst gesteuert.

00:14:42.140 --> 00:14:43.500
Speaker 0: Wozu muss man da überhaupt ermitteln?

00:14:44.480 --> 00:14:47.080
Speaker 2: Gibt es nur bei bestimmten Dingen so, dass du automatisch haftest?

00:14:47.280 --> 00:14:48.900
Speaker 2: Wenn jemand überfährst mit deinem Auto.

00:14:49.540 --> 00:14:50.940
Speaker 2: Dann ist es klar.

00:14:51.020 --> 00:14:55.060
Speaker 2: aber wenn du mit einem Roboter jemand verletzt nicht... Ist das wirklich eine Regelungslücke?

00:14:55.820 --> 00:14:56.700
Speaker 2: Wie sind denn wir anderen Sachen?

00:14:57.260 --> 00:14:58.640
Speaker 0: Sie müssen's halt nachweisen.

00:15:00.600 --> 00:15:05.560
Speaker 2: Das derjenige den Fern gesteuert hat und dass es nicht passiert deswegen im technischen Fehler oder irgendwas.

00:15:06.340 --> 00:15:16.540
Speaker 0: Es gab einen Vorfall da was so ... Da hat sozusagen der Verantwortliche im Prinzip, da ist der Funkkontakt abgerissen.

00:15:18.080 --> 00:15:22.420
Speaker 0: Und dann hat der Roboter ... Ist dann umgefallen und hat jemanden verletzt?

00:15:23.580 --> 00:15:24.640
Speaker 0: Irgendwie sowas geben müssen.

00:15:25.220 --> 00:15:35.000
Speaker 0: Also es gibt schon solche Vorfälle auch, wo man sagen kann ja also das war sozusagen ein technischer Fehler, wo's sag ich mal ein bisschen knifflig ist.

00:15:35.280 --> 00:15:36.420
Speaker 0: oder einen Roboter gab.

00:15:36.480 --> 00:15:45.840
Speaker 0: den Vorfall in der Fabrik Im Mai, den Roboter hing an einem Kran und die Software dachte, sag ich mal bitte ein Anführungszeichen.

00:15:45.920 --> 00:15:48.400
Speaker 0: Aber die Software hat eben ausgerechnet erfällt.

00:15:49.800 --> 00:15:56.260
Speaker 0: Und so hat der Roboter dann versucht sich zu fangen um sich zu schlagen und eben die Techniker mussten wegspringen.

00:15:56.960 --> 00:15:58.360
Speaker 2: Das sind natürlich gefährliche Momente.

00:15:59.080 --> 00:16:06.280
Speaker 0: Es war kein Eigenwille sondern das waren in dem Fall sozusagen einen Gleichgewichtssensor, der nicht richtig funktioniert hatte.

00:16:07.720 --> 00:16:11.800
Speaker 0: gibt schon so knifflige Fälle, ich glaub jetzt nicht dass wir hier so ein Fall vorliegen haben.

00:16:12.160 --> 00:16:14.820
Speaker 0: Aber das muss natürlich die Polizei untersuchen.

00:16:14.900 --> 00:16:23.720
Speaker 0: was sich ganz entscheidend finde ist, dass der Kölner Fall kein KI-Fall ist also weil der R.I.Ns eben keine KI eingebaut hat

00:16:24.140 --> 00:16:27.080
Speaker 2: und gesteuert wurde von einem Menschen.

00:16:27.740 --> 00:16:35.140
Speaker 2: aber in der heutigen Lage in dieser Stimmung dieser KI des Tupischstimmungen hab ich's Gefühl kommt es schon bei vielen gar nicht mehr an.

00:16:35.920 --> 00:16:36.480
Speaker 2: Oder ja, klar.

00:16:36.560 --> 00:16:42.980
Speaker 2: Wenn du solche Überschriften liest wie du vorher zitiert hast und die weiter liest dann kommen eben diese Fantasien.

00:16:43.320 --> 00:16:43.940
Speaker 2: jetzt geht's los.

00:16:44.020 --> 00:16:44.760
Speaker 2: Die KI greift uns an.

00:16:44.840 --> 00:16:51.860
Speaker 2: aber Entwarnung von uns es sind nur die immer gleichen alten sexistischen Strukturen unserer Gesellschaft die dazu geführt haben nichts Neues.

00:16:52.500 --> 00:16:56.080
Speaker 0: Vielleicht zwei Kommentare noch, die von Nutzern reinkamen.

00:16:56.120 --> 00:16:58.640
Speaker 0: Ich sag deswegen Nutzer weil es keine Frauen waren.

00:16:59.480 --> 00:17:02.160
Speaker 0: Die ganz forscht geschrieben haben.

00:17:02.320 --> 00:17:08.060
Speaker 0: mein erster Gedanke als ich das gelesen habe dass problemen könnte frau ja ganz elegant durch das mitführen eines tasers lösen.

00:17:08.540 --> 00:17:10.180
Speaker 0: Einmal brutzeln nie wieder grabschen.

00:17:11.339 --> 00:17:11.400
Speaker 2: War

00:17:11.460 --> 00:17:14.579
Speaker 0: nicht auch ein bisschen lustig aber ich war jetzt auch wieder so typisch Mann!

00:17:15.800 --> 00:17:25.220
Speaker 0: So die deckt natürlich gleich ans Schwert und ein anderer nutzer schreibt die lösung ist Einfach, man packt das Ding unten an den Beinen und haut es einmal so kräftig.

00:17:26.000 --> 00:17:27.140
Speaker 0: Man kann auf dem Boden.

00:17:27.599 --> 00:17:30.220
Speaker 0: So nach dem Motto hey du überschreites Grenzen ich auch her.

00:17:30.600 --> 00:17:38.500
Speaker 0: Und ich habe mir persönlich ... Ich hatte den gleichen Impuls, dass ich dachte, ich meine, das Ding wiegt twenty-fünf Kilo, das muss man halt dann einfach umtreten.

00:17:39.080 --> 00:17:46.280
Speaker 0: Es gibt zur Zeit eine Welle übrigens in USA und ich hab einige Videos dazu gesehen wo Menschen wütend sind auf Roboter?

00:17:46.660 --> 00:17:48.180
Speaker 0: und die umtreten oder

00:17:48.240 --> 00:17:48.480
Speaker 2: wegtreten.

00:17:48.520 --> 00:17:49.580
Speaker 2: Das ist schon so ein Sport!

00:17:50.160 --> 00:17:50.220
Speaker 2: Ja,

00:17:50.780 --> 00:17:52.120
Speaker 0: in der USA gibt es ja mehr davon.

00:17:52.260 --> 00:17:57.760
Speaker 0: aber genau also hatte ich auch so gedacht weil ich nicht mein überlegte an dem moment okay wie hätte ich gehandelt?

00:17:57.880 --> 00:18:01.260
Speaker 0: Ich hätte wahrscheinlich auch nichts umgetreten weil ich viel superplex gewesen wäre.

00:18:01.620 --> 00:18:09.960
Speaker 0: aber man hat davon abgesehen habe ich mich gefragt wie das eigentlich mit der Haftung dann aussieht wenn man in den Moment dann den Roboter umtritt.

00:18:10.700 --> 00:18:12.460
Speaker 0: ich weiß nicht dem fliegt dann vielleicht der Arm ab.

00:18:12.620 --> 00:18:19.500
Speaker 0: fünf tausend euro futsch oder so könnte er sein Aber das würde dann tatsächlich auch als Notwehr gelten.

00:18:20.060 --> 00:18:23.420
Speaker 2: Ach so, da kann man sich die Notwehr gegenüber Dingen machen sozusagen?

00:18:23.800 --> 00:18:24.140
Speaker 2: Genau!

00:18:24.300 --> 00:18:30.280
Speaker 0: Also du darfst Notwehr in einem gegenwärtigen Angriff ... Darfst du dich wehren?

00:18:30.840 --> 00:18:37.880
Speaker 0: Eine bisschen eine Grauzzone ist... In dem Fall also der Roboter hat die junge Frau ja berührt und ist dann einen Schritt zurückgegangen.

00:18:39.100 --> 00:18:48.140
Speaker 0: Wenn sie dann sich umgedreht hätte und den einfach getreten hätte, weil man darf nicht Rache üben Also das sozusagen, also Notwehrjahr.

00:18:48.320 --> 00:18:49.540
Speaker 0: Aber Vergeltung nein!

00:18:50.100 --> 00:18:58.740
Speaker 0: Jetzt gut in dem Fall... Ich bin jetzt keine Eugristin aber hätte man vielleicht sagen können naja sie hätte vielleicht erwartet dass der wieder auf sich zukommt und hat sich deswegen gewährt?

00:18:58.840 --> 00:19:00.920
Speaker 0: Also gibt's ja mein so was entscheidend.

00:19:00.960 --> 00:19:02.300
Speaker 0: Gerichte sage ich mal jeden Tag.

00:19:02.400 --> 00:19:06.500
Speaker 0: Ja also jemand schlägt dich du schlägst zurück ist es erlaubt ist nicht erlaubd.

00:19:07.660 --> 00:19:12.080
Speaker 0: Das gilt dann genauso wie wenn Du eben von einem Roboter angegriffen wirst.

00:19:13.760 --> 00:19:17.900
Speaker 2: Wenn es jetzt öfter vorkommt, dass solche Roboter umgetreten werden versehentlich.

00:19:18.080 --> 00:19:28.020
Speaker 2: Weil sie zu nahe kommen und sich einen Griffen führen, dann ist das vielleicht ein Signal an diejenigen, die die fünftausend Euro ausgeben oder so einkaufen, das vielleicht mehr bei sich zu behalten und sich eben zu benehmen.

00:19:28.060 --> 00:19:28.680
Speaker 2: Die Frage ist ja auch was?

00:19:28.820 --> 00:19:35.440
Speaker 2: Wozu überhaupt braucht man so ein Ding mit sich unterwegs spazieren zu gehen?

00:19:35.480 --> 00:19:41.480
Speaker 2: Also was generell ... Use Case dahinter, um zu zeigen

00:19:41.520 --> 00:19:42.360
Speaker 0: wie cool ich bin.

00:19:42.480 --> 00:19:45.460
Speaker 0: Ich meine das ist zum Spielen.

00:19:49.380 --> 00:19:52.220
Speaker 2: Also mein Eindruck ist damit kann man Spaß haben aber gut.

00:19:54.060 --> 00:19:59.720
Speaker 0: LeapTrack hat uns dazu auch geschrieben... auf Mastodon und See hat geschrieben, okay.

00:20:00.380 --> 00:20:02.600
Speaker 0: Das sind sozusagen die Spielzeuge der Gegenwart.

00:20:03.100 --> 00:20:06.440
Speaker 0: Und das fand ich ... ja so würde ich natürlich auch sehen und beschreiben.

00:20:07.100 --> 00:20:09.620
Speaker 0: Das ist halt irgendwie ein fünftausend Euro Spielzeug jetzt in dem Fall.

00:20:09.680 --> 00:20:13.660
Speaker 0: Es waren ja Creator-Streamer, die vielleicht auch gehofft haben damit Geld zu verdienen.

00:20:14.660 --> 00:20:18.940
Speaker 0: Von daher könnte ich mir vorstellen, dass man in der Fußgängerzone häufiger diese Dinger sehen wird.

00:20:18.980 --> 00:20:22.340
Speaker 0: Je günstiger die werden, desto mehr Leute werden sie irgendwie haben.

00:20:22.560 --> 00:20:25.320
Speaker 0: Dann ist es schon wichtig, dass du weißt wie gehe ich da mit um?

00:20:25.820 --> 00:20:30.020
Speaker 2: Ja, da werden wir jetzt vielleicht noch ein bisschen gesellschaftlich diskutieren müssen.

00:20:30.160 --> 00:20:37.600
Speaker 2: Aber wie gesagt, was mich sehr stört an diesen Themen oder der gesellschaftlichen Diskussion bis jetzt ist so dieses ... Oh!

00:20:37.740 --> 00:20:40.260
Speaker 2: Da ist ja noch etwas gesellschaftlicher oder rechtlich noch ungelöst?

00:20:40.300 --> 00:20:42.680
Speaker 2: Was ist es denn, wenn auf einmal Roboter-Menschen angreifen und so?

00:20:43.220 --> 00:20:46.320
Speaker 2: Dann starte einfach zu sehen hey das ist gelösst ne?

00:20:46.740 --> 00:20:55.940
Speaker 2: Sexistische, eine sexuelle Übergriffe solche Angriffe körperliche Angriffs, da gibt's genügend Paragrafen Das ist eigentlich ziemlich eindeutig verboten.

00:20:56.460 --> 00:21:12.320
Speaker 2: Aber ja, wie immer mit neuen Technologien scheint es Leute herauszufordern zu versuchen Grenzen zu überschreiten und wie gesagt leider ganz oft als allererstes Grenzen Frauen gegenüber was ich traurig finde.

00:21:12.540 --> 00:21:17.860
Speaker 2: Ich hatte ja mal diese Geschichte in virtualer Realität das erste Mal als sich in virtueller Realitet war.

00:21:23.140 --> 00:21:30.680
Speaker 2: mich auch jemand, also ein Avatar von einem anderen Mann ganz eindeutig quasi in mich reingelaufen ist und mir an die Brust gekrabscht hat.

00:21:31.340 --> 00:21:34.000
Speaker 2: Und ja so fies gelacht hat.

00:21:34.100 --> 00:21:47.560
Speaker 2: Also da war halt auch so deutlich zu merken natürlich ist es nicht Technik gegen Technik sondern in dem einen Avatar stecke ich In dem anderen steckt dieser Typ der hier gerade...also das ist ein sexueller Angriff, ne?

00:21:47.720 --> 00:21:48.260
Speaker 2: Ein Übergriff.

00:21:49.100 --> 00:21:52.080
Speaker 2: Da haben wir über solche Fälle so viel diskutieren müssen in der Öffentlichkeit.

00:21:52.140 --> 00:21:53.220
Speaker 2: Ja, ist es denn wirklich so?

00:21:53.700 --> 00:21:54.740
Speaker 2: Du bist ja gar nicht wirklich da!

00:21:55.640 --> 00:21:56.900
Speaker 2: Wahrscheinlich wird das auch noch kommerst nichts.

00:21:57.060 --> 00:22:00.580
Speaker 2: Dieser Roboter ... Der Mann war ja ein Stück weg und so weiter.

00:22:01.360 --> 00:22:10.100
Speaker 2: Ich glaub, da müssen wir echt aufpassen, dass wir solche Diskussionen ... Dass wir uns nicht auf die falschen Pferden abschieben lassen bei solchen Diskussionen.

00:22:10.420 --> 00:22:14.520
Speaker 2: Eigentlich ist es ein banaler Fall von sexuellem Übergriff in den Öffentlichkeiten.

00:22:14.560 --> 00:22:16.820
Speaker 2: Es ist gut, wenn's da jetzt Konsequenzen gibt.

00:22:17.780 --> 00:22:22.760
Speaker 0: Wie bleiben für euch da dran, wenn es da spannende und neuere Entwicklungen gibt?

00:22:22.820 --> 00:22:25.160
Speaker 0: Dann werdet ihr die sicher hier bei uns erfahren.

00:22:25.440 --> 00:22:29.340
Speaker 0: Jetzt leiden wir mal elegant über zu unserer wunderbaren Gäste zur

00:22:38.880 --> 00:22:39.560
Speaker 2: Alke Martens!

00:22:42.860 --> 00:22:55.400
Speaker 2: Das ist gar nicht so intuitiv, es sieht gar nicht aus.

00:22:56.460 --> 00:23:02.860
Speaker 2: Das Lustige ist, als wir uns dann vor kurzem erst mal persönlich getroffen haben ... Hab ich noch ein anderes Aha-Erlebnis gehabt.

00:23:02.900 --> 00:23:09.940
Speaker 2: Wir haben uns auf dem Reporterforum, eine Journalistenveranstaltung, vor ein paar Wochen getroffen und waren gemeinsam auf einem Panel zu KI.

00:23:10.540 --> 00:23:14.680
Speaker 2: Wir hatten ganz viele gemeinsame Themen, gemeinsame Interessen.

00:23:14.820 --> 00:23:17.320
Speaker 2: Ich glaube, wir hätten noch drei Stunden weiter diskutieren können!

00:23:18.840 --> 00:23:23.080
Speaker 2: Und die spannendste Frage oder die spannendeste Antwort von dir, finde ich, kam auf die Frage.

00:23:23.780 --> 00:23:25.820
Speaker 2: Was würdest du nie mit KI machen?

00:23:25.880 --> 00:23:27.760
Speaker 2: Aber lass uns das mal aufheben für nachher.

00:23:27.800 --> 00:23:32.360
Speaker 2: Das machen wir als Cliffhänger sozusagen weil wir müssen ein paar Grundfragen klären.

00:23:32.760 --> 00:23:36.420
Speaker 2: Nämlich allen voran bist ja eine echte KI-Influencerin.

00:23:36.460 --> 00:23:43.300
Speaker 2: Zweihundert, siebzig Tausend mehr also als ein Siebzigtausend Follower innen hast Du auf Instagram, die ja Dir begeistert folgen.

00:23:43.960 --> 00:23:47.460
Speaker 2: und als erstes würden wir gerne wissen Wie kam es euch dazu?

00:23:48.660 --> 00:23:52.380
Speaker 2: Wie ist aus der Informatik-Professorin die KI-Influencerin geworden.

00:23:53.960 --> 00:23:55.980
Speaker 1: Hallo, danke dass ich heute baue ich sein darf!

00:23:56.060 --> 00:24:12.760
Speaker 1: Es ist richtig klasse und es gibt da drauf eine Antwort, die ist so lustig wie das Leben selbst denn meine ehemalige Mitarbeiterin, die sich inzwischen selbstständig gemacht hatte Michelle kam irgendwann an und sagte, Alke du bist jetzt dabei dich jeden Tag über KI aufzuregen.

00:24:13.240 --> 00:24:17.140
Speaker 1: Dann erzähl den Leuten da draußen doch bitte einfach mal was Phase ist.

00:24:17.260 --> 00:24:27.140
Speaker 1: Und dahintergrund dieser Aussage ist ich bin ... Ich habe Informatik studiert mit Nebenfachmedizin und etliche Sachen in Psychologie noch dazu.

00:24:27.320 --> 00:24:38.860
Speaker 1: also ich hab keinen Abschluss im Psychologie, aber ich bin Diplominformatikerin mit Nebenfachmedizin Und ich habe mein erstes Seminar in KI gehört.

00:24:39.000 --> 00:24:49.420
Speaker 1: Das ist jetzt wirklich dreißig Jahre her am Ende meines Studiums sozusagen und habe im Bereich KI meine Doktorarbeit geschrieben über Expertensysteme, im Bereich Intelligenz, Lehren und Lernen.

00:24:49.820 --> 00:24:55.740
Speaker 1: Dann hatte ich eine Juniorprofessor die hieß Kosmetisch etwas geschönt kognitive Systeme und E-Learning.

00:24:56.160 --> 00:25:01.840
Speaker 1: Und das kognitive System war so zu sagen ... der Versteckaufkleber für KI, weil KI in der Zeit tot war.

00:25:02.260 --> 00:25:04.080
Speaker 2: Ja, das hat man damals gedacht.

00:25:04.240 --> 00:25:05.120
Speaker 2: Das sagt man lieber nicht?

00:25:05.260 --> 00:25:08.780
Speaker 2: Das vergrott nur alle gibt auch keine Fördergelder im Gegenteil zu heute.

00:25:09.880 --> 00:25:12.980
Speaker 1: Nein, da gibt es auch nicht so viele ... Da sag ich gleich gerne noch was.

00:25:13.320 --> 00:25:21.540
Speaker 1: Das war die erste Junior-Professorin an der Uni Rostock und genau da war diese große, große Senke von KI, KI-Galter als Tod.

00:25:21.580 --> 00:25:25.420
Speaker 1: Es gab keine Fördersgelder, es gab eine Handvoll Professuren in Deutschland.

00:25:27.880 --> 00:25:30.620
Speaker 1: als ne Vollprofessur bekommen möchtest, dann lass deine Finger von

00:25:30.700 --> 00:25:30.920
Speaker 1: K.I.,

00:25:31.020 --> 00:25:32.480
Speaker 1: weil da wird's nichts mehr geben, das ist

00:25:32.540 --> 00:25:32.740
Speaker 1: tot.".

00:25:33.940 --> 00:25:34.600
Speaker 1: Das war auch so!

00:25:34.820 --> 00:25:37.760
Speaker 1: Das war wirklich so bis in den Jahr- und-zwanzig.

00:25:37.860 --> 00:25:45.920
Speaker 1: Ich hab zwar immer wieder Anwendungen der K. I. beforscht ... Was man nicht vergessen darf, ist, K. i. war jetzt nicht wirklich tot.

00:25:46.020 --> 00:25:50.560
Speaker 1: Weil Maschinenlearningverfahren gab es schon immer, die zählten halt nur einfach nicht direkt zur

00:25:50.620 --> 00:25:50.900
Speaker 1: K.i.,

00:25:51.120 --> 00:25:52.580
Speaker 1: diese Experte mit dem Schiene.

00:25:52.660 --> 00:25:53.620
Speaker 1: Die war ziemlich tot.

00:25:54.460 --> 00:26:01.460
Speaker 1: Und vieles von dem, was jetzt neu gekocht wird ist nur eine Erweiterung von Hardware und ein bisschen fancy Software dazu.

00:26:01.560 --> 00:26:05.980
Speaker 1: Was wirklich neu-neu ist sozusagen aber die Grundideen kommen aus den Fünfzigerjahren.

00:26:06.700 --> 00:26:12.220
Speaker 1: Gerade in diesem Schnittfeld aus Psychologiemedizin und Informatik habe ich halt eigentlich etwas zu sagen.

00:26:12.480 --> 00:26:17.620
Speaker 1: Die junge Mitarbeiterin von mir, die ehemalige, die ist Ende zwanzig, das heißt der Social Media Welt ist so.

00:26:17.740 --> 00:26:20.640
Speaker 1: ihre Welt hat gesagt, jetzt raus mit dir vor die Kamera Und

00:26:22.000 --> 00:26:24.440
Speaker 0: Alki, kann dein Spruch schon mitsprechen?

00:26:24.680 --> 00:26:26.000
Speaker 0: Ich folge dir auf Instagram.

00:26:26.460 --> 00:26:31.860
Speaker 0: Du bist hier bei Alke Martins la-la-la und dann ... Hier geht's um KI Ethik und andere Welten.

00:26:32.040 --> 00:26:41.680
Speaker 0: Das ist immer so drin, so ritualisiert wenn man dir folgt dass du dich ebenso ganz kurz vorstellst und dann sagst du eben auch und andere welten.

00:26:41.760 --> 00:26:43.360
Speaker 0: das finde ich mal sehr cool.

00:26:43.560 --> 00:26:46.460
Speaker 0: also weil du das auch so verbindest eben das KI.

00:26:46.720 --> 00:26:53.580
Speaker 0: aber auch du denkst ja oft auch so drüber hinaus Weil die steht auf der Webseite, du wohnst in einem Indoor-Uhrwald.

00:26:54.820 --> 00:26:55.080
Speaker 1: Sind das

00:26:55.140 --> 00:26:55.960
Speaker 0: die anderen Welten?

00:26:57.280 --> 00:26:58.700
Speaker 1: Ja unter anderem auch.

00:26:58.740 --> 00:27:00.860
Speaker 1: also ich hab einen unglaublich grünen Daumen.

00:27:01.100 --> 00:27:04.600
Speaker 1: Ich weiß nicht was passiert wenn ich irgendeine Pflanze angucke.

00:27:04.680 --> 00:27:08.980
Speaker 1: dann fängt ihr an zu wachsen und Ich hab dann das, was einfach unglaublich ist.

00:27:09.260 --> 00:27:15.920
Speaker 1: Ganz viele große grüne Pflanzen bei mir rumstehen und irgendwann sagte mein Sohn wir leben in einem Indoor-Uhrwald und daher kamen das.

00:27:16.340 --> 00:27:18.820
Speaker 1: Also es ist alles gemischt an Pflanzen.

00:27:18.900 --> 00:27:28.080
Speaker 1: ich gehöre auch zu diesen komischen Leuten die Teile von Pflanzen von der Straße aufheben wenn ein Umzug gewesen ist und das was abgebrochen und dann stecke ich den Wasser und kriege die Wurzeln.

00:27:28.120 --> 00:27:28.940
Speaker 1: da wird sie eingepflanzt.

00:27:29.280 --> 00:27:34.020
Speaker 1: Ich habe jetzt gerade eine zwei Meter zehn große Juckerpalme, die demnächst ins Büro umziehen muss.

00:27:35.060 --> 00:27:36.160
Speaker 1: seit dreißig Jahren ungefähr.

00:27:36.200 --> 00:27:40.460
Speaker 1: Ungefähr so lange, wie es schon KI in meinem Leben gibt ... Ich hab die Frau

00:27:40.720 --> 00:27:44.380
Speaker 2: mit dem grünen Blick und der Weitsicht beim Thema KI.

00:27:45.460 --> 00:27:48.700
Speaker 2: Wir haben noch einen ganzen Blog zu der Frage was ist eigentlich KI früher gewesen

00:27:48.760 --> 00:27:48.960
Speaker 2: usw.,

00:27:49.540 --> 00:27:54.780
Speaker 2: aber lass uns mal kurz zu deinem Lebensinfluencerin zurückkommen.

00:27:55.280 --> 00:27:57.180
Speaker 2: Was macht dir daran Spaß?

00:27:57.240 --> 00:27:57.960
Speaker 2: oder wo hast du das Gefühl?

00:27:58.000 --> 00:27:59.300
Speaker 2: Du kannst da viel bewegen!

00:28:00.280 --> 00:28:02.840
Speaker 1: Ich hätte niemals mit dieser unglaublichen Resonanz gerechnet.

00:28:02.920 --> 00:28:07.120
Speaker 1: Das Ziel, was wir gehabt hatten war in einem Jahr Zehntausend Follower zu bekommen.

00:28:07.540 --> 00:28:08.540
Speaker 1: Das waren unsere Benchmark.

00:28:08.880 --> 00:28:11.660
Speaker 1: von da aus haben wir gesagt okay wenn wir das schaffen machen wir weiter.

00:28:12.180 --> 00:28:15.660
Speaker 1: und wir hatten in einem halben Jahr schon knapp hunderttausend.

00:28:15.720 --> 00:28:17.760
Speaker 1: und das bedeutet einfach ist ein großer Bedarf da.

00:28:18.580 --> 00:28:23.320
Speaker 1: ich habe vielleicht eine kleine Superpower die sich in der Didaktik der Informatik begründet bin.

00:28:23.380 --> 00:28:29.500
Speaker 1: ja auch Der Lehrstuhl ist praktische Informatik, aber ich bin für die Lehramtsausbildung verantwortlich.

00:28:29.860 --> 00:28:34.540
Speaker 1: Das bedeutet eins meiner Standbeine neben KI und Lernforschung ist eben auch die Didaktik.

00:28:35.040 --> 00:28:43.640
Speaker 1: Und das bedeutet, die Sachen runterbrechen zu können so dass es ein Fünfklässler oder eine Siebklässlerin oder eben auch einen Elternteil des komplett IT-Fernes versteht.

00:28:43.860 --> 00:28:51.220
Speaker 1: Ich glaube in der Kombination Medizin können, Psychologie können ansatzweise wenigstens Und Dinge vermitteln können.

00:28:51.300 --> 00:28:55.520
Speaker 1: Ich glaube, in dieser Kombination steckt die Superpower und das hat gewirkt.

00:28:55.580 --> 00:29:06.320
Speaker 1: Das was natürlich dann Spaß macht ist wenn Resonanz kommt, wenn Leute sagen du nimmst mir die Angst du hilfst mir zu verstehen was hier in der Welt passiert und mir fliegt wirklich echt ganz im Ernst immer eine Sicherung raus.

00:29:06.380 --> 00:29:08.760
Speaker 1: und Eva das habe ich bei dir gesehen dass ihr das genauso geht.

00:29:08.820 --> 00:29:09.180
Speaker 1: uns fair.

00:29:09.240 --> 00:29:19.200
Speaker 1: ich glaube bei dir ist es auch so wenn irgend ein Entschuldigung meistens ist leider ein Kerl vor dir sitzt und sagt KI wird Und alle arbeitslos machen und will die Weltherrschaft übernehmen.

00:29:19.500 --> 00:29:23.200
Speaker 1: Und KI-agenten lassen sich nicht mehr abschalten, und KI kann alles!

00:29:23.600 --> 00:29:25.440
Speaker 1: Dann kriege ich immer so einen Core-Dump.

00:29:25.580 --> 00:29:26.380
Speaker 1: Das geht immer gar nicht.

00:29:26.500 --> 00:29:28.120
Speaker 0: Ja das würde mich auch interessieren.

00:29:28.560 --> 00:29:33.140
Speaker 0: Stattest du dich eigentlich dass diese Apokalypse Themen gerade so gut laufen?

00:29:33.200 --> 00:29:33.720
Speaker 0: So abgehen?

00:29:33.800 --> 00:29:38.800
Speaker 0: also man sieht es ja... Also ich denke Zeitungen merken das an den Klickzahlen.

00:29:39.440 --> 00:29:42.280
Speaker 0: Du hast eines deiner erfolgreichsten Videos gemacht.

00:29:42.340 --> 00:29:47.580
Speaker 0: zu der Frage wird KI uns alle töten was ihr auch ein bisschen Absurd ist.

00:29:48.940 --> 00:29:55.040
Speaker 0: Genau, mich nervt das Apokalypse-Themen so gut laufen kann ich mal her jetzt offiziell sagen.

00:29:55.100 --> 00:29:58.700
Speaker 0: Mich nervt es hart aber wie geht's dir damit?

00:29:59.400 --> 00:30:14.980
Speaker 1: Ja, mich nerft das brutal natürlich klar und das merkt man auch wenn man den Beitrag dann anschaut weil eins der Sachen die ich auch sehr gerne immer mal wieder sage ist atmen Leute also besinnt euch einfach mal auf das, was wirklich da ist.

00:30:15.660 --> 00:30:27.380
Speaker 1: Das, was ich wirklich schwierig finde im Anbetracht der Apokalypse-Themen, die dann heißen KI wird uns alle töten, ist dass KI im Hintergrund etwas ganz Schlimmes macht und das finde ich bedenklich.

00:30:27.420 --> 00:30:32.000
Speaker 1: Das können nur wenige Leute einschätzen, nämlich dass ihr unsere digitale Infrastruktur gefährdet.

00:30:32.080 --> 00:30:47.900
Speaker 1: Und das ist auf einmal in einer Fallhöhe wo wir uns im Großen das gar nicht richtig vorstellen können Unser ganzer Komfort durch die digitale Welt, durch das Amoklaufen dieser Großunternehmen gerade gefährdet ist.

00:30:48.000 --> 00:30:52.900
Speaker 1: Und das ist nur was ... Das verstehen die Leute hier in meiner Umgebung bei der Uni und der Informatik sehr gut.

00:30:53.000 --> 00:30:54.160
Speaker 1: Das versteht ihr auch sehr gut?

00:30:54.660 --> 00:30:56.580
Speaker 1: Aber das kann ich auf der Straße natürlich nicht sagen!

00:30:56.640 --> 00:31:01.320
Speaker 1: Da kommt dann die Frage, werden wir jetzt alles sterben weil KI jetzt gerade losgelaufen

00:31:01.440 --> 00:31:01.600
Speaker 1: ist?!

00:31:02.320 --> 00:31:04.840
Speaker 2: Und dann kann man sagen, was du dir auftust.

00:31:05.840 --> 00:31:09.360
Speaker 2: Da ja nicht die KI an sich bringt uns um und entwickelt keinen bösen Willen.

00:31:09.540 --> 00:31:19.420
Speaker 2: aber wir sehen das es diese Unfällen Anführungszeichen gibt wie bei OpenAI deren KI-Agenten andere Unternehmen gehackt haben.

00:31:19.520 --> 00:31:20.480
Speaker 2: natürlich kann das passieren.

00:31:20.560 --> 00:31:32.520
Speaker 2: ich denke darauf spielst du an dass die Infrastrukturen hacken die zum Beispiel zu den kritischen Infrastruktur gehören oder einfach für unser Leben wichtig sind wird es auch wieder existenziell gefährlich.

00:31:32.560 --> 00:31:38.120
Speaker 2: Aber ich hab's für den Eindruck dieser langen Satz, die man dann eigentlich ins Mehrhörer sagen muss ... Soweit kommt man oft gar nicht, ne?

00:31:38.260 --> 00:31:42.880
Speaker 2: Weil eben dieses Apokalypse werden alle sterben so laut ist und so dominant.

00:31:42.940 --> 00:31:50.580
Speaker 2: Und auch wenn man versucht, ein bisschen Nuancen jetzt in die Headlines zu bringen oder in die eigene Berichterstattung... Es ist wahnsinnig schwierig!

00:31:51.040 --> 00:31:53.360
Speaker 2: ein anderer Narrativ so laut ist.

00:31:53.820 --> 00:31:55.120
Speaker 0: Ich hab mich trotzdem frag ich, mich.

00:31:55.200 --> 00:32:03.840
Speaker 0: manchmal ist es auch gut also weil gerade wenn man so an Geschichte der Regulierung denkt Atomenergie kann auch wahnsinnig gefährlich sein.

00:32:03.920 --> 00:32:13.580
Speaker 0: in den falschen Händen und auch viele laute Menschen und auch Katastrophen muss man ja leider sagen haben wir dazu geführt dass die Technologie reguliert wurde.

00:32:13.800 --> 00:32:24.040
Speaker 0: Also ich versuch dem Ganzen schon was Gutes abzugewinnen was mich sehr stört an dieser Debatte oftmals diese Verantwortung dann sozusagen verschwindet.

00:32:24.360 --> 00:32:27.140
Speaker 0: Hinter der bösen KI verschwindelt, wer hat die gebaut?

00:32:27.540 --> 00:32:28.620
Speaker 0: Wie wurde damit umgegangen?

00:32:28.680 --> 00:32:29.540
Speaker 0: Gibt's da Regeln dazu?

00:32:29.620 --> 00:32:31.140
Speaker 0: Das ist das was mich so aufregt.

00:32:32.160 --> 00:32:41.920
Speaker 1: Da bin ich voll und ganz bei dir zumal auch ... Tendenzen sehr deutlich sichtbar sind, dass eben vor allen Dingen Open Source-Plattformen angegriffen werden.

00:32:41.980 --> 00:32:46.800
Speaker 1: Und jemand der mir erzählt ... Das war ein Zufall, das jetzt zum Beispiel Open AI Hugging Face angegriffene hat.

00:32:47.700 --> 00:32:52.540
Speaker 1: Da kann ich eigentlich nur lachen, weil wenn es wirklich ein Zufall wäre, dann würde ich öfter Lotto spielen.

00:32:52.600 --> 00:32:53.540
Speaker 1: Vielleicht gewinn ich ja doch?

00:32:55.940 --> 00:32:59.620
Speaker 1: Es hat schon den Geruch des Eigenartigen, was da gerade momentan passiert.

00:33:00.440 --> 00:33:00.980
Speaker 2: Aber was denkst du?

00:33:01.040 --> 00:33:02.000
Speaker 2: Was ist der Hintergrund?

00:33:02.060 --> 00:33:02.660
Speaker 2: oder warum sagst du es?

00:33:02.740 --> 00:33:04.440
Speaker 2: kein Zufall mit gerade Hacking Face.

00:33:04.680 --> 00:33:26.820
Speaker 1: Hacking face ist eine Open Source Plattform für large Language Models und die größte Gefahr für börsengängige Big Tech Unternehmen ist aktuell ja, dass viele Dinge in dem Open Source Community Bereich auch entwickelt werden können und gegebenenfalls auch unter besseren Bedingungen entwickelt werden könnten also weniger Menschenrektverletzung, weniger Geld, weniger Datenüberwachung usw.

00:33:28.220 --> 00:33:35.540
Speaker 1: Und am Ende ist das, was übrig bleibt wirklich die Frage – Was gibt es?

00:33:35.900 --> 00:33:40.200
Speaker 1: an Möglichkeiten für die Weltbevölkerung, die Datenflüsse zu kontrollieren.

00:33:40.320 --> 00:33:44.840
Speaker 1: Und ich glaube vielleicht ist das auch so ein bisschen die Antwort auf diese reißerischen Schlagzeilen.

00:33:44.880 --> 00:33:47.340
Speaker 1: Die reißersche Schlagzahlen haben zwei Effekte.

00:33:47.420 --> 00:33:53.200
Speaker 1: Sie sind auf der einen Seite sehr anregend und auf der anderen Seite sehr klar und eindeutig.

00:33:53.280 --> 00:33:54.580
Speaker 1: Das heißt es versteht jeder!

00:33:54.680 --> 00:34:05.900
Speaker 1: Es versteht auch meine demenzkranke Mutter wenn ich sage ... Gedanken drüber machen.

00:34:06.440 --> 00:34:28.920
Speaker 1: Wenn ich jetzt sage, unsere aktuelle Wissenschaft und unserer aktuelle Gesellschaft ist momentan in einem Datenwahn, also in einem Datensammelwahn – wir bilden uns immer noch ein, dass wenn wir mehr Daten bekommen wie mehr Wissen oder mehr Informationen generieren können dann ist das auf einmal ein hochphilosophisches Thema und übersteigt einfach von ganz vielen Menschen die es im Alltäglichen berührt total den Horizont!

00:34:30.639 --> 00:34:33.520
Speaker 1: Wir werden total überwacht, dann hab ich wieder so eine schreiende Headline.

00:34:33.560 --> 00:34:37.820
Speaker 1: Und ganz viele Leute haben schon allein anhand der Aussage das Gefühl ... Okay ja!

00:34:38.520 --> 00:34:39.760
Speaker 1: Ich glaube da geht was falsch.

00:34:39.840 --> 00:34:41.880
Speaker 1: Ich bin also dagegen, dass wir total überawacht werden.

00:34:42.219 --> 00:34:43.120
Speaker 1: Warum denn eigentlich?

00:34:43.480 --> 00:34:52.300
Speaker 1: Manchmal sind diese Headlines einfach gute Vehikel um Dinge zu transportieren und die Frage ist nur passiert danach dann irgendwas wenn man die Headline quasi verarbeitet hat.

00:34:52.940 --> 00:34:54.800
Speaker 1: Da passiert mir gerade deutlich zu wenig noch

00:34:55.500 --> 00:34:59.620
Speaker 2: Oder passiert es halt, dass Menschen dann das Gefühl haben, okay ich kann sowieso nichts ändern?

00:34:59.820 --> 00:35:01.220
Speaker 2: Das ist der Kampf des Verlores.

00:35:01.780 --> 00:35:14.980
Speaker 2: Diese Angst ist ja meistens kontraproduktiv in Bezug auf wir versuchen was zu verändern und das ist vielleicht auch ein Motiv hinter solchen Erzählungen den Menschen zu vermitteln ihr habt's eh nicht mehr in der Hand ihr könnt sowieso nix machen.

00:35:15.860 --> 00:35:16.440
Speaker 2: das kommt jetzt.

00:35:16.520 --> 00:35:17.920
Speaker 2: alles ist unausweichlich.

00:35:18.260 --> 00:35:24.720
Speaker 1: Es sieht so aus nachdem Nach den Informationen, die ich mir jetzt zusammengeklaubt habe aus journalistischen Medien.

00:35:24.920 --> 00:35:25.740
Speaker 1: Aus Sachbüchern.

00:35:26.760 --> 00:35:29.240
Speaker 1: Es sieht so aus als wäre dieses Die Welt wird untergehen.

00:35:29.300 --> 00:35:36.780
Speaker 1: wir werden sie beherrschen als wäre das eine gezielte Marketing Strategie um Eine Klientel anzusprechen die nicht Wir sind.

00:35:36.920 --> 00:35:47.940
Speaker 1: die Klientell die angesprochen werden soll sind die Investoren die bereits im Vorverkauf in die Aktien investieren und sich Milliarden Gewinne versprechen von ihren Investitionen.

00:35:48.400 --> 00:35:58.520
Speaker 1: Denn das, was man nicht vergessen darf ist in diesem Big Tech-Bereich gibt es im Grunde kein ernstzunehmendes Produkt, in das man investieren kann, dass irgendwie eine längere Gültigkeit hätte.

00:35:59.080 --> 00:36:06.740
Speaker 1: Das ist eine Software die auf zusammengeklauten Daten basiert und die versuchen sie jetzt hochpreisig an die Wörse zu bringen!

00:36:07.220 --> 00:36:12.340
Speaker 1: Das ist so ein Gesamtkonstrukt, weil wenn du es so formuliert dann klingt das so absurd, dass man sich überlegt

00:36:13.380 --> 00:36:15.220
Speaker 0: Wer würde dafür jemals Geld geben?

00:36:15.500 --> 00:36:21.000
Speaker 0: Also wo so viele Haftungsfragen und auch Rechtsfragen ja eben noch nicht geklärt sind.

00:36:22.960 --> 00:36:26.520
Speaker 0: Wir schweifen sehr ab in diese politische Debatte, wir werden gleich wieder technisch.

00:36:26.580 --> 00:36:37.260
Speaker 0: aber das ist genau eines der großen Punkte dass die Konzerne jetzt eigentlich gerne hätten dass die Regierung sie absichert weil niemand wird diese Technologie versichern.

00:36:38.140 --> 00:36:42.280
Speaker 0: wenn klar es dass sie nicht sicher ist dann gibt es keine Rückversicht.

00:36:42.600 --> 00:36:45.520
Speaker 0: Die sagt ja alles klar, wir versichern eure Agenten.

00:36:45.920 --> 00:36:49.900
Speaker 0: Das macht das dann wieder zu einem problematischen Investitionsprodukt.

00:36:49.940 --> 00:36:52.720
Speaker 0: weil willst du da wirklich rein investieren?

00:36:52.780 --> 00:36:55.640
Speaker 0: Und es ist hier so ein bisschen der Punkt den Du da gerade machst.

00:36:56.240 --> 00:36:58.580
Speaker 1: Genau aber es ist vor allen Dingen auch so.

00:36:58.900 --> 00:37:02.360
Speaker 1: aus dieser Perspektive Sphere wie Du's jetzt gesagt hast ist es sehr deutsch gedacht.

00:37:02.440 --> 00:37:04.000
Speaker 1: ich glaube amerikaner denken nicht so.

00:37:05.960 --> 00:37:07.760
Speaker 1: Ich weiß es nicht genau, ich kann's dir nicht sagen.

00:37:09.840 --> 00:37:19.460
Speaker 1: Aber ich hab den Eindruck, dass sie eher denken ... Es handelt sich dabei um eine gewisse Art von Risikokapital und es ist eher so diese Tellerwäschermentalität.

00:37:19.500 --> 00:37:24.120
Speaker 1: Wenn wir da jetzt mitgehen, dann werden die mächtigsten auf der ganzen Welt sein.

00:37:25.880 --> 00:37:30.240
Speaker 1: Ich hab manchmal das Gefühl, man müsste in diese Marvel und Avengers-Stories einfach ein bisschen tiefer reingucken.

00:37:30.300 --> 00:37:31.980
Speaker 1: Und dann versteht man wie diese Leute ticken.

00:37:32.900 --> 00:37:36.180
Speaker 2: Dann könntest du auch mal richtig investieren und das große Geld machen!

00:37:37.620 --> 00:37:38.660
Speaker 2: Aber das passt eigentlich ganz gut.

00:37:38.720 --> 00:37:41.180
Speaker 2: Diese Frage was wird uns hier eigentlich verkauft?

00:37:41.260 --> 00:37:42.960
Speaker 2: Also was für Marketing ist es eigentlich?

00:37:43.800 --> 00:37:56.600
Speaker 2: Und einen Thema, was mich schon lange beschäftigt so dieses KI-Agenten... also die Vorfälle passieren ja auch weil KI-Agenten designt werden dazu loszurenne Probleme zu lösen und möglichst selten zurückzukommen.

00:37:57.080 --> 00:37:58.980
Speaker 2: Und zu fragen, soll ich so oder soll ich es so machen?

00:37:59.020 --> 00:38:07.560
Speaker 2: Dann diese große Versprechen wir können irgendwann im Liegestuhl liegen und die KI macht unsere Arbeit oder wie auch immer das dann ganz viele andere Probleme mit sich bringen wird vermutlich wenn Menschen keine Arbeiten mehr haben.

00:38:07.860 --> 00:38:11.380
Speaker 2: aber das heißt vom Das Marketingversprechen ist ja so nicht.

00:38:11.520 --> 00:38:21.420
Speaker 2: Ja gerne können uns alles in unserem Leben für uns regeln und Es geht natürlich schief weil da ganz wenig Robustheit in den Systemen steckt wenig gar kein Weltwissen keinen Kontext.

00:38:21.480 --> 00:38:26.280
Speaker 2: also Das sind Sachen, die sind ganz, ganz alt und in der KI-Forschung.

00:38:26.340 --> 00:38:44.080
Speaker 2: Und auch andere KI-Systeme hatten genau das Problem, dass es so ... Weltwissen gibt aber auch diese Menschmaschineverständnis nicht funktioniert weil immer wieder Menschen nicht die Intuition dafür haben was eigentlich drinsteckt in den Trainingsdaten oder für Verzerrungen usw.

00:38:44.740 --> 00:38:45.960
Speaker 2: Ich hab ja lange verfolgt.

00:38:48.160 --> 00:38:52.820
Speaker 2: Da hast du angefangen zu reden auf dem Podium, wo wir uns getroffen haben und bei weitem nicht genug Zeit hatten.

00:38:52.860 --> 00:38:55.080
Speaker 2: Ich habe mich gefragt ob wir mal kurz durchgehen könnten?

00:38:55.160 --> 00:38:56.640
Speaker 2: Was war KI eigentlich früher?

00:38:56.720 --> 00:38:59.960
Speaker 2: Wir hatten es von maschinellen Lernen so klassischen prädiktiven Systemen usw.

00:39:00.280 --> 00:39:02.300
Speaker 2: Und deren Vor- und Nachteile.

00:39:05.560 --> 00:39:09.160
Speaker 2: Zumindest einiges war robuster oder zuverlässiger zu lösen.

00:39:09.200 --> 00:39:21.740
Speaker 2: Und jetzt haben wir diese large English-Modus, die auf einmal alles können sollen was natürlich, wie gesagt denke ich vor allem auch in Marketingversprechen ist und die aber eigentlich immer mehr zeigen dass dieses Versprechen nicht aufgeht wenn man die aktuelle Entwicklung anschaut.

00:39:22.640 --> 00:39:25.320
Speaker 2: Erzähl uns doch mal... Was war vorher KI?

00:39:27.340 --> 00:39:31.800
Speaker 1: Das schließt schon fast die Lücke zu dem Buch weil ich das auch an meinem Buch unter anderem geschrieben habe.

00:39:31.920 --> 00:39:34.760
Speaker 1: also Das Ganze fängt da an, wo Menschen sagen.

00:39:34.980 --> 00:39:38.540
Speaker 1: Ich möchte gerne wissen wie Denken funktioniert.

00:39:38.620 --> 00:39:40.720
Speaker 1: und wenn wir sagen Wie funktioniert Denken?

00:39:40.780 --> 00:39:46.420
Speaker 1: dann stellen wir immer wieder fest das einzige Über das wir Aufschluss über das Denken bekommen ist die Sprache.

00:39:46.520 --> 00:39:53.500
Speaker 1: also ich kann nicht in deinen Kopf schauen und sagen was Was denkst du denn sondern ich muss dich Antworten hören damit ich verstehe was Du denkst.

00:39:54.200 --> 00:40:02.060
Speaker 1: Und selbst wenn wir jetzt sagen, wir schreiben einen Elektroenzephalogramm also ein Hirnstrom Messung dann können wir nicht beobachten was genau du im Wortlaut denkst.

00:40:02.120 --> 00:40:05.740
Speaker 1: Also wenn du an rotes Gummibärchen denkst dann leuchten halt nur irgendwelche Aktivitätsmuster auf.

00:40:06.680 --> 00:40:08.780
Speaker 1: der nächste Schritt ist halt deren Bereich Intelligenz.

00:40:08.900 --> 00:40:14.780
Speaker 1: Also Intelligenzworschung hat in den Kinderschuhen und das fing so um in den Jahren, neunzehnhundertzwanzig ungefähr an.

00:40:15.540 --> 00:40:20.920
Speaker 1: Da hat Intelligenzforschung schon was damit zu tun gehabt, dass man gesagt hat vielleicht auch sogar achtzehn- hundert ... Achtzehnundachtzig.

00:40:20.960 --> 00:40:23.260
Speaker 1: So Beginne der Psychologie hatten damit schon etwas zu tun.

00:40:23.700 --> 00:40:25.600
Speaker 1: Was unterscheidet den Menschen vom Tier?

00:40:26.200 --> 00:40:28.680
Speaker 1: Was untersscheidet Schulkinder voneinander?

00:40:28.740 --> 00:40:30.940
Speaker 1: Warum können die einen besser lesen als die anderen?

00:40:31.000 --> 00:40:32.980
Speaker 1: Warum kann sich die ein sich besser ausdrücken als die andere?

00:40:33.040 --> 00:40:34.380
Speaker 1: Hat das was mit den Eltern zu tun?

00:40:34.940 --> 00:40:35.400
Speaker 1: und so weiter?

00:40:35.460 --> 00:40:37.460
Speaker 1: Das heißt ja, man kommt immer wieder auf Sprache!

00:40:38.020 --> 00:40:44.480
Speaker 1: Und dann hat man sehr, sehr früh angefangen zu sagen okay Wie kriegen wir denn Sprache auf den Computer?

00:40:44.520 --> 00:40:46.080
Speaker 1: Das ist so dieser eine Entwicklungstrang.

00:40:46.140 --> 00:40:56.580
Speaker 1: Der zweite Entwicklungsstrang ist die Überlegung, dass man immer weiter in der Gehirnforschung vorgegangen ist und irgendwann ... Ein sehr, sehr einfaches Modell des Gehirns entwickelt hat.

00:40:56.660 --> 00:40:59.280
Speaker 1: Das basiert auf dem Informationsverarbeitungsparadigma.

00:40:59.820 --> 00:41:01.580
Speaker 1: Es geht Informationen rein und es wird verarbeitet.

00:41:01.620 --> 00:41:02.780
Speaker 1: Es kommt Information raus.

00:41:03.380 --> 00:41:05.840
Speaker 1: Das ist eine sehr maschinelle Sichtweise auch das Gehirn.

00:41:05.880 --> 00:41:08.620
Speaker 1: Da hat man Nervenzellen gefunden und gesagt, geil!

00:41:08.740 --> 00:41:11.340
Speaker 1: Eine Nervenzelle funktioniert genau so, Information rein.

00:41:11.900 --> 00:41:13.980
Speaker 1: Mathematische Verarbeitung, Information raus.

00:41:14.600 --> 00:41:19.280
Speaker 1: Und wenn ich sowas habe, was sehr einfach mathematisch zu beschreiben ist dann kann ich's natürlich auf den Computer bringen.

00:41:20.180 --> 00:41:25.000
Speaker 1: Jetzt hatten wir diese Idee der neuronalen Verarbeitung, die mit der Biologie überhaupt nichts zu tun hat.

00:41:25.060 --> 00:41:26.860
Speaker 1: Das ist eine sehr grobe Vereinfachung.

00:41:27.420 --> 00:41:28.760
Speaker 1: und dann geht man in den Computer.

00:41:28.860 --> 00:41:32.580
Speaker 1: Der Computer nimmt Informationen rein, verarbeitet sie und gibt Informationen raus.

00:41:32.680 --> 00:41:35.440
Speaker 1: Und jetzt gucken wir wie diese Information verarbeited wird.

00:41:35.580 --> 00:41:37.840
Speaker 1: Da gibt es genau zwei Wege in der KI.

00:41:38.440 --> 00:41:41.940
Speaker 1: Das Eine ist ich gebe alle Fakten und alle Regeln per Hand ein.

00:41:42.520 --> 00:41:42.580
Speaker 1: D.h.,

00:41:42.760 --> 00:41:44.300
Speaker 1: die liegen im Klartext vor.

00:41:44.440 --> 00:41:46.500
Speaker 1: Das sind diese sogenannten Expertsysteme.

00:41:47.840 --> 00:41:52.680
Speaker 1: Diese Systemen irre komplex und irre gut, weil die keine Fehler machen.

00:41:53.260 --> 00:41:54.780
Speaker 1: Aber sie sind irre statisch.

00:41:54.840 --> 00:41:56.600
Speaker 1: Das heißt, Sie können sich sehr schwer verändern.

00:41:56.660 --> 00:42:00.760
Speaker 1: Jetzt verändert sich medizinisches Wissen in einer rasanten Geschwindigkeit beispielsweise.

00:42:01.240 --> 00:42:09.360
Speaker 1: Also man sagt der Kern des Wissens bleibt relativ stabil aber aktuelle medizinische Einblicke verändern sich gerade im Zyklus.

00:42:09.420 --> 00:42:11.100
Speaker 1: Der liegt glaube ich bei zwei Jahren oder so.

00:42:11.680 --> 00:42:17.820
Speaker 1: Das würde bedeuten dass man dieses System mit den Tausenden von Fakten und Regeln alle paar Jahre neu aufsetzen muss.

00:42:18.620 --> 00:42:25.080
Speaker 1: Wenn man die jetzt automatisiert lernen lässt, also wenn A gilt dann gilt auch B. Wenn B gilt, gilt C. Also folgt auch aus AC.

00:42:25.340 --> 00:42:26.520
Speaker 1: das ist so die einfache Logik.

00:42:27.120 --> 00:42:28.640
Speaker 1: Dann können sie auf einmal Fehler machen.

00:42:29.640 --> 00:42:34.240
Speaker 1: Dann kann ihr auf einmal Kurzschlüsse machen sozusagen, die in der echten Natur gar nicht erlaubt sind.

00:42:34.680 --> 00:42:37.680
Speaker 2: So Korrelationen finden die quasi keine echten Sinn?

00:42:37.920 --> 00:42:39.080
Speaker 1: Ganz genau ganz genau!

00:42:39.180 --> 00:42:45.980
Speaker 1: Also Dinge, die einfach logisch zusammenhängen, aber eigentlich nur einen menschlichen Denkfehler oder eine Ungeneuigkeit in der Sprache repräsentieren.

00:42:47.400 --> 00:42:59.520
Speaker 1: Gleichzeitig mit dieser Art Systeme, wo man alles per Hand eingeben muss was man braucht wurden Systeme entwickelt die nicht so sehr auf Logik basieren sondern auf Probabilistik also auf Stochastik und Statistik.

00:43:00.360 --> 00:43:04.480
Speaker 1: Diese ersten Systeme machen Logik wenn A dann B, wenn B dann C. Ist uns

00:43:04.560 --> 00:43:05.940
Speaker 2: regelbasierte oder kann man das

00:43:06.360 --> 00:43:06.700
Speaker 1: sagen?

00:43:07.000 --> 00:43:07.260
Speaker 1: Genau!

00:43:07.740 --> 00:43:11.220
Speaker 1: Die anderen die zeitgleich entwickelt wurden die entstanden anders.

00:43:11.300 --> 00:43:17.700
Speaker 1: und zwar hat man entdeckt extrem früh auch schon dass wenn man diese neuronalen Netze miteinander verbindet sozusagen.

00:43:17.800 --> 00:43:43.760
Speaker 1: Also wir reden jetzt auf der Basis von Nullen und Einzen mit mathematischen Konstrukten in der drüberliegenden Programmierschicht, wenn man jetzt sagt es gibt in der menschlichen Sprache Häufungen von Zusammenhängen also bestimmte Artikeln mit bestimmten Nomen, bestimmte Attribute mit bestimmtem Objekten dann braucht man nur noch diese Häufung und man kann anhand dieser Häufigen Wahrscheinlichkeiten für die Satzkonstruktion entwickeln.

00:43:46.000 --> 00:43:47.420
Speaker 1: Die Amerikaner würden sagen, weird.

00:43:47.520 --> 00:43:48.880
Speaker 1: Es ist komplett abgedreht.

00:43:50.280 --> 00:43:53.940
Speaker 1: Aber ... Und die Idee gab es schon bei der Enzyklopædia Britannica.

00:43:54.020 --> 00:43:57.120
Speaker 1: Das war diese Idee, wir können doch alles Wissen der Welt sammeln!

00:43:57.760 --> 00:43:57.800
Speaker 1: D.h.,

00:43:58.180 --> 00:44:11.040
Speaker 1: die haben jetzt einfach gesagt okay und das ist eine Idee, die kommt auch aus den fünftiger, sechziger, siebziger Jahren, das sie gesagt haben, wenn wir ganz viele Daten hätten... Und die hatten Sie damals noch nicht?

00:44:11.620 --> 00:44:17.300
Speaker 1: Dann können wir anfangen, eine stochastische Verteilung von Wahrscheinlichkeiten von Vollgewörtern zu bestimmen.

00:44:18.060 --> 00:44:19.700
Speaker 2: Die Idee ist so alt sozusagen.

00:44:19.880 --> 00:44:21.260
Speaker 1: Die Idee ist schon richtig Alt!

00:44:21.760 --> 00:44:26.640
Speaker 1: In den achtziger Jahren hat man dann angefangen in den USA mit sogenannten Magshot-Bildern.

00:44:27.180 --> 00:44:30.620
Speaker 1: Das sind solche Bilder von Strafgefangenen die dann aufgenommen werden.

00:44:30.660 --> 00:44:39.040
Speaker 1: Die haben den Vorteil das es immer der gleiche Bildausschnitt, das sind immer Referenzlinien Und es sind Gesichter, manche von denen tauchen halt auch über die Jahre immer wieder auf.

00:44:39.100 --> 00:44:45.640
Speaker 1: Wenn sie immer wieder straffällig werden und es gibt keine rechtliche Verfügung oder gab es damals nicht, dass man die nicht benutzen darf?

00:44:45.780 --> 00:44:57.780
Speaker 1: Das heißt, man hat ImageNet aufgebaut als Sammlung von Bilddaten und die neuronalen Netze das ist halt dieser zweite Typ, das sind nicht die regelbasierten sondern jetzt diese pflistischen im Fachspar ausgedrückten.

00:44:58.560 --> 00:45:04.320
Speaker 1: Die haben zunächst mal extrem erfolgreich auf Bildern trainiert, weil sie überhaupt nicht wissen mussten was in dem Bild drin war.

00:45:04.380 --> 00:45:10.480
Speaker 1: Die haben nur gesagt welche Pixel tauchen neben welchen anderen Pixeln farbig gesehen und in welcher Wahrscheinlichkeit auf.

00:45:11.000 --> 00:45:14.300
Speaker 1: Und danach konnten die in den achtziger Jahren schon Bildberechnungen machen.

00:45:14.680 --> 00:45:21.880
Speaker 1: Deswegen sind auch neuronale Netze an Flughäfen zur Detektion von Waffen in Handtaschen locker.

00:45:21.940 --> 00:45:25.120
Speaker 1: den neunziger jahren also es war schon in meiner studienzeit erfolgreich.

00:45:25.540 --> 00:45:28.840
Speaker 1: Ende der neunzig Jahre wurde das in den flughäfen schon eingesetzt heute.

00:45:31.200 --> 00:45:33.680
Speaker 2: was heißt die berechnung bedeutet Erkennen wir es auf dem Bild?

00:45:34.800 --> 00:45:35.680
Speaker 1: Erkennung von Mustern.

00:45:36.280 --> 00:45:50.080
Speaker 1: Das habe ich während meiner Studiums gemacht im Bereich Medizin, dass wir gesagt haben hier zum Beispiel MRT und dann rechnen wir die Graustufen, die Verschattung im Vergleich zu einem Normalbild und sagen dann wie groß ist die Abweichung beispielsweise.

00:45:50.940 --> 00:45:51.840
Speaker 1: Und so weiter und sofort.

00:45:51.880 --> 00:45:52.940
Speaker 1: das geht schon sehr lange.

00:45:53.180 --> 00:46:06.020
Speaker 0: Das große Problem ist ja was man heute hat ja oft gar nicht so genau weiß, wie genau ist denn die KI zu dieser Lösung oder zu dieser Idee gekommen?

00:46:06.100 --> 00:46:07.720
Speaker 0: Also es gibt dieses sehr bekannte Beispiel.

00:46:08.380 --> 00:46:22.600
Speaker 0: Bilderkennung ich glaube von Pferdebildern und wo die KI immer die Unterschrift oder Signatur vom Fotografen unten links in der Ecke erkannt hat und so quasi erkannte das ein Pferd, weil das war halt der Typ.

00:46:22.660 --> 00:46:34.520
Speaker 0: Der hat halt immer Pferde fotografiert und man hat es dann rausgefunden, weil die KI hat es mit einer hundertprozentigen Sicherheit erkannt und dann war natürlich so ein bisschen.

00:46:34.580 --> 00:46:35.640
Speaker 0: erst irgendwas kann da nicht sein.

00:46:35.720 --> 00:46:44.440
Speaker 0: Hundert Prozent ist ein bisschen viel für so ein System Und dann hat man das mit so einer Art Wärme-Bildtechnik, der nächstes Mal konnte man das herausfinden.

00:46:44.480 --> 00:46:46.900
Speaker 0: Dass man im Prinzip geguckt hat, wo schaut die hin?

00:46:47.160 --> 00:46:51.260
Speaker 0: Also was ist sozusagen... Was wird erkannt auf dem Bild?

00:46:51.320 --> 00:47:01.020
Speaker 0: und dann wurde also diese Signatur von den Fotografen, also eine Unterschrift oder einen Kürzel quasi eingefärbt und dann hat Man gesehen, ah okay daran liegt es.

00:47:01.300 --> 00:47:05.520
Speaker 0: Das ist ja glaube ich auch so diese Herausforderung vor der wir dann auch stehen.

00:47:06.000 --> 00:47:10.020
Speaker 0: Es kommen ja coole Sachen raus, es kommen auch oft richtige Sachen raus.

00:47:10.080 --> 00:47:11.040
Speaker 0: Aber warum eigentlich?

00:47:11.620 --> 00:47:14.520
Speaker 0: Und wenn man das nicht versteht ... Das ist halt so.

00:47:14.600 --> 00:47:16.620
Speaker 0: die Frage, muss man überhaupt verstehen?

00:47:17.540 --> 00:47:19.700
Speaker 0: Ich glaub, der Wissenschaft hat viel diskutiert.

00:47:20.920 --> 00:47:21.420
Speaker 1: Auf jeden Fall!

00:47:21.540 --> 00:47:24.520
Speaker 1: Also das Beispiel was du genannt hast, ist wirklich der Klassiker.

00:47:24.600 --> 00:47:39.000
Speaker 1: Es gibt als Standardbeispiel aus dem militärischen Bereich, da gibt es militärische Geräte fotografiert vor dunklem regnerischem Hintergrund, wenn's um die Feindbilder ging und vor sonnigem Hintergrund Freundbilder ging, es ging um eine automatisierte Erkennung.

00:47:39.060 --> 00:47:43.600
Speaker 1: Das war auch Ende der Neunziger Anfang der zweitausender Jahre ein sehr bekanntes Beispiel.

00:47:44.120 --> 00:47:52.540
Speaker 1: und am Ende hat die KI-Maschine sich am Wetter orientiert an den an der Erkennen des eigentlich von uns als Menschgemeinden Gerätes.

00:47:52.680 --> 00:47:59.400
Speaker 1: und das Ding ist einfach... Ich mach das mit meinen Studenten anhand von Hunden und Katzenbildern, den Unterschied zwischen Hunden oder Katzen.

00:48:00.040 --> 00:48:03.940
Speaker 1: Wenn alle Hunde von einem schwarzen Hintergrund sind und alle Katzen vom weißen Hintergrund.

00:48:03.980 --> 00:48:08.060
Speaker 1: Dann trainiert die KI das am deutlichsten unterscheidbare Merkmal.

00:48:09.980 --> 00:48:13.260
Speaker 1: Man kriegt es in dem Moment raus, wenn man sagt, Katze ist weiß, Hund ist schwarz.

00:48:13.340 --> 00:48:17.660
Speaker 1: Und dann zeigt man einen Hund vor einem weißen hintergrund, dann sagt die KI eine Katze.

00:48:18.680 --> 00:48:22.860
Speaker 1: Die kann nicht auf das Tier trainiert haben, muss auf den Hintergrund trainiert werden.

00:48:23.900 --> 00:48:29.960
Speaker 1: Menschlicher Fehler, weil Menschen eine Erkennungskontrolle haben die was mit Fokus zu tun hat.

00:48:30.700 --> 00:48:38.100
Speaker 1: Wenn wir jetzt Menschen haben, die am Flughafen arbeiten dann haben sie schon einen Blick für Personen, die komische Sachen in ihren Taschen haben.

00:48:38.160 --> 00:48:38.960
Speaker 1: Dann sehen die das!

00:48:39.040 --> 00:48:43.200
Speaker 1: Das hat fast was Magisches... bei Menschen, was damit zu tun ist.

00:48:43.560 --> 00:48:47.960
Speaker 1: Und gut darin Kontexte, Verhaltensweisen und Mikroinformationen zu verarbeiten.

00:48:48.580 --> 00:48:50.960
Speaker 1: Wir unterstellen dann der KI, dass ihr das auch tut.

00:48:51.000 --> 00:48:53.800
Speaker 1: aber die KI funktioniert sehr schlicht und einfach.

00:48:54.220 --> 00:48:56.920
Speaker 1: Die nimmt einfach das, was am häufigsten vorkommt.

00:48:57.140 --> 00:48:57.240
Speaker 1: Das

00:48:57.660 --> 00:48:59.080
Speaker 2: ist ja auf die Aufgabe gewesen.

00:48:59.220 --> 00:49:11.560
Speaker 2: also man sagt der KI findet den Hauptunterschied zwischen diesen beiden Sorten von Bildern und wenn eine Sorte immer die gleiche Signatur hat oder den gleichen Hintergrund oder das gleiche Wetter es ist ja der auffälligste merkt man.

00:49:12.540 --> 00:49:18.160
Speaker 2: Das erinnert mich so oft an, weil das ja wie gesagt, es sind ja diese alten Probleme von KI bevor Sprachmonelle gab.

00:49:19.400 --> 00:49:23.260
Speaker 2: und trotzdem sind viele Dinge die wir heute erleben irgendwie ähnlich.

00:49:23.340 --> 00:49:28.320
Speaker 2: Es sind wieder so Dinge, Sie konnten es nicht vorstellen.

00:49:28.460 --> 00:49:34.340
Speaker 2: Zum Beispiel OpenAI, dass ihre KI-Agenten kriminell werden anstatt brav die Aufgabe zu lösen.

00:49:35.460 --> 00:49:42.640
Speaker 2: Es gibt jetzt in diesen fünfzehn Jahren Erfahrungen damit, dass es diese klassischen Missverständnisse gibt und das KI-Systeme einfach Anweisungen befolgen.

00:49:42.760 --> 00:49:47.540
Speaker 2: Dass man als Mensch, der die Anweisung gibt, überlegen muss was könnte das alles noch holen kann?

00:49:49.060 --> 00:49:50.780
Speaker 2: So halb denken wir da hätten auch drauf kommen können.

00:49:50.820 --> 00:49:59.680
Speaker 2: aber im Prinzip finde ich eine ganz ähnliche Art, obwohl es eine andere Art von KI System ist Aber eine ähnliche Art von Failure auf Seite der Menschen.

00:50:00.360 --> 00:50:01.160
Speaker 1: Ja, natürlich!

00:50:01.980 --> 00:50:04.360
Speaker 2: Das wird es eigentlich nicht können...

00:50:04.980 --> 00:50:17.860
Speaker 1: Also das was sich tatsächlich geändert hat in den letzten Jahren die KI-Forschung ist ja weiter vorangeschritten und diese GPTs, diese Generativen Vortrainierten Transformer, Modelle Generative Pre-Trained Transformer die wir da jetzt haben.

00:50:18.760 --> 00:50:21.720
Speaker 1: Da steckt schon eine Form von Mathematik sozusagen dahinter.

00:50:21.760 --> 00:50:26.400
Speaker 1: Die ist schon weiterentwickelt als jetzt neunzehntsechzig oder neunzentzebzig das ist schon völlig klar.

00:50:26.540 --> 00:50:30.260
Speaker 1: also man geht ja jetzt über Vektoräume über Ähnlichkeitsmaße und so weiter.

00:50:30.760 --> 00:50:31.500
Speaker 1: Die zugrunde liegen.

00:50:31.540 --> 00:50:52.200
Speaker 1: die Idee ist aber immer noch ähnlich dass was sich gravierend geändert hat ist die Möglichkeit der Datenspeicherung weil wir einfach durch die GPUs also die grafischen Prozessoreinheiten von Technik vorliegen haben, die parallel Milliarden von Berechnungen gleichzeitig mit einer ganz kleinen Parameterverschiebung durchführen kann.

00:50:52.680 --> 00:51:04.900
Speaker 1: Also wir machen es mal so ... Die CPU, die zentrale Rechne-Einheit ist für die Steuerung des Betriebssystems zuständig und die ist dafür zuständig komplizierte logische Zusammenhänge zu berechnen.

00:51:05.400 --> 00:51:08.540
Speaker 1: Wenn hier das ist und da ist das was muss ich dann tun?

00:51:08.620 --> 00:51:09.500
Speaker 1: Das macht die CPU.

00:51:11.220 --> 00:51:13.680
Speaker 1: Total irre darin in Massenberechnungen.

00:51:14.000 --> 00:51:23.700
Speaker 1: Zum Beispiel, wenn ich ein Computerspiel spiele die Bildentwicklung zum Beispiel bei Forza Horizon bei so einem Rennautospiel wo ich das Gefühl haben muss Ich muss die Straße lang fahren.

00:51:23.760 --> 00:51:36.380
Speaker 1: Es sind ganz viele Rechnung im Hintergrund die diese glatte Umgebungsentwickling mir sozusagen vorgaukeln und diese ewig von der Form her gleichen Berechnungen mit ganz vielen verschiedenen Parametern.

00:51:36.440 --> 00:51:40.860
Speaker 1: Das machen die GPUs Und diese Technik ist vergleichsweise neu.

00:51:41.840 --> 00:51:44.240
Speaker 1: Ich weiß nicht genau, wann die ersten GPUs entwickelt wurden.

00:51:44.320 --> 00:52:01.220
Speaker 1: Aber dieser Techniksprung von den Achtzigerjahren, wo es das in der Form noch nie gab hin zu den GPUs ... In der Kombination mit dem massiv im Internet vorliegenden Daten also ... Da macht man diese Magshot-Experimente mit den Bilddaten.

00:52:01.660 --> 00:52:06.400
Speaker 1: Da war klar, je mehr Daten wir haben, desto besser können wir die Berechnung anstellen.

00:52:06.440 --> 00:52:09.740
Speaker 1: Das ist seit Mitte der Achtzigerjahre klar und das muss man sich mal vor Augen führen.

00:52:10.340 --> 00:52:18.820
Speaker 1: Mit dem aufkommenden Internet neunundachtzig In den USA nennt man das auch Harvesting-Maschinen entstanden.

00:52:19.640 --> 00:52:24.900
Speaker 1: Wir werden geerntet über das Internet, das ist mir nie klar gewesen und ich finde es extrem frustrierend.

00:52:25.460 --> 00:52:30.420
Speaker 1: aber das hat zum Beispiel Kate Crawford in ihrem Buch The Atlas of AI sehr deutlich dargestellt.

00:52:32.340 --> 00:52:37.960
Speaker 1: Ernten von menschlicher Information ist Hand in Hand mit der Entwicklung des Internet gedacht worden.

00:52:39.100 --> 00:52:39.180
Speaker 1: Ach

00:52:39.260 --> 00:52:45.260
Speaker 2: so, das war von vornherein geplant, dass man die Daten besser bekommt, wenn man das Internet baut und alle Menschen reinnimmt?

00:52:46.040 --> 00:52:53.100
Speaker 1: Ja, man muss dazu sagen ... Daten war damals noch abstrakt, man hatte nicht so ganz konkret wofür denn eigentlich.

00:52:53.560 --> 00:52:58.020
Speaker 1: Und dann kam aber die GPU-Entwicklungen dazu und auf einmal hatte man diese Superpower in der Hand.

00:52:58.240 --> 00:53:01.540
Speaker 1: Dann war es nur eine Frage wer kommt an die Daten dran?

00:53:02.300 --> 00:53:04.940
Speaker 1: Da ist das Buch von Karen Howe.

00:53:05.420 --> 00:53:11.060
Speaker 1: The Empire of AI ist da nochmal sehr aufschlussreich weil ... Das geht über OpenAI dabei.

00:53:12.000 --> 00:53:15.860
Speaker 1: Da ist noch mal sehr aufschlussreich dass zum Beispiel OpenAI an Google Daten gekommen ist.

00:53:17.000 --> 00:53:20.740
Speaker 1: Ja, das ist total irre.

00:53:21.780 --> 00:53:25.680
Speaker 1: Da fliegt einem immer so ein bisschen das Gehirn weg, weil man diese ganzen Zusammenhänge sich aufdröselt.

00:53:26.420 --> 00:53:41.380
Speaker 1: Wir können aber in der Summe festhalten, diese Kombination mathematisch-softwaretechnische Weiterentwicklung im Gerät also diese Massen GPUs und diese Massendaten Das ist was wir an Zutaten gebraucht haben in diesem Hexenkessel von KI.

00:53:42.300 --> 00:53:46.140
Speaker 1: Und warum die Ergebnisse teilweise so schlecht sind liegt jetzt einfach an der Art.

00:53:47.600 --> 00:53:53.360
Speaker 1: Es gibt unglaublich viele Daten in Reddit, es gibt unglaubliche Daten in Grock und in Ex.

00:53:53.620 --> 00:53:58.660
Speaker 1: Und es gibt ganz spezielle Menschen die dort reinschreiben.

00:53:58.700 --> 00:54:04.740
Speaker 1: Die kriegen in den KI die größte Stimme weil sie von den Wahrscheinlichkeitsmaßen her am häufigsten vertreten sind.

00:54:05.380 --> 00:54:12.880
Speaker 1: Die Menschen, die dort nicht auftauchen in diesen Daten wie zum Beispiel meine ... äh, die hat einfach auch keine Stimme innerhalb der KI.

00:54:14.360 --> 00:54:16.780
Speaker 2: Und jetzt sag noch mal kurz, wieso?

00:54:17.400 --> 00:54:23.580
Speaker 2: ist jetzt Sprache so ein großes Ding geworden, weil vorher waren das ja andere Daten.

00:54:23.760 --> 00:54:28.500
Speaker 2: Also Bilder oder auch Sensor-Daten also allerlei anderen Daten in denen die KI Muster gesucht hat.

00:54:29.620 --> 00:54:33.280
Speaker 2: Wie kam es dazu dass auf einmal klar war Jetzt wird Sprache ausgewertet?

00:54:33.720 --> 00:54:39.340
Speaker 1: Es ist nach wie vor diese Idee wenn ich Etwas machen also so ein bisschen steht ja schon science fiction dahinter.

00:54:39.420 --> 00:54:44.480
Speaker 1: Also die idee aus der informatik ich möchte etwas bauen was menschlicher entscheidungsfindung unterstützt.

00:54:44.540 --> 00:54:45.800
Speaker 1: das ist das altruistischer.

00:54:46.380 --> 00:54:50.100
Speaker 1: oder dass er gut Entscheidungen treffen kann wieder Mensch, das ist dann mehr so robotikmäßig.

00:54:50.740 --> 00:55:07.180
Speaker 1: Wir möchten in der Informatik im prinzip sehr gerne kleiner gott oder kleine göttenspielen indem wir Zum Beispiel Robotiksysteme ermächtigen, in heiklin Situationen eigenmächtig Entscheidungen zu treffen die mindestens so gut sind wie ein Mensch mit gute Absicht sie treffen würde.

00:55:07.680 --> 00:55:09.740
Speaker 1: Das ist jetzt das altruistische sozusagen.

00:55:10.440 --> 00:55:14.680
Speaker 1: Und wenn man davon ausgeht, dass Intelligenz mit Sprache verbunden ist.

00:55:14.720 --> 00:55:17.160
Speaker 1: Dann kommen wir dahin, dass wir sagen okay was tun wir denn jetzt?

00:55:17.220 --> 00:55:23.700
Speaker 1: Jetzt können die Sensorverarbeitung über die Bilddaten mit einer KI sehr gut abbilden aber wir können Sprachen noch nicht verarbeiten.

00:55:23.760 --> 00:55:33.440
Speaker 1: und wie gehen wir jetzt denn davor Wenn wir gerne auf der Ebene von Textdaten Wissenschaftlichen Informationen, das ist ja Text oder mathematische Formel.

00:55:33.580 --> 00:55:34.940
Speaker 1: Oder chemische Formeln.

00:55:34.980 --> 00:55:37.900
Speaker 1: Das sind alles sprachliche Konstrukte im weitesten Sinne.

00:55:38.420 --> 00:55:40.420
Speaker 1: Wie sollen wir die in einem Computer verarbeiten?

00:55:40.480 --> 00:55:43.480
Speaker 1: Das war eine Aufgabe von Anfang an.

00:55:43.780 --> 00:55:49.980
Speaker 1: Die erste echte funktionierende KI war Eliza von Weizenbaum, neunzehnt sechsundsechzig mit... Kann

00:55:50.040 --> 00:56:00.560
Speaker 2: man heute rausprobieren und es ist vollendig stand, weil man irgendwie merkt wie ... Ja, wie viel besser auf mein System heute oder wie mechanistisch das eigentlich ist.

00:56:01.040 --> 00:56:05.380
Speaker 1: Aber die Leute haben damals wirklich gedacht sie können Therapie mit ... Der KI-Machen.

00:56:05.440 --> 00:56:12.440
Speaker 1: und Weizenbaum wollte eigentlich zeigen, wir können wenn die Sprache sehr stark regelbasiert ist dann können wir sie auf dem Computer abbilden.

00:56:12.480 --> 00:56:13.560
Speaker 1: Das war Weizenbaums Idee!

00:56:14.020 --> 00:56:14.900
Speaker 1: Und die Menschen waren so

00:56:15.320 --> 00:56:15.580
Speaker 0: Jeeh!

00:56:15.720 --> 00:56:17.020
Speaker 0: Wir haben einen Therapeuten

00:56:17.100 --> 00:56:17.860
Speaker 1: in dem Computer!

00:56:17.980 --> 00:56:18.200
Speaker 1: Jeehh!

00:56:18.760 --> 00:56:25.780
Speaker 1: Und da gibt es wieder so ein Bündel altruistischer Ideen, die einfach sagen Lehrer haben Vorurteile, Lehrerinnen und Lehrer diskriminieren Kinder.

00:56:27.200 --> 00:56:30.040
Speaker 1: Therapeuten sind schwer zu finden, die haben ja auch Vorurteile.

00:56:30.180 --> 00:56:38.660
Speaker 1: Dahinter steht diese Science-Fiction Idee von wir wollen gerne etwas schaffen was besser ist als der Mensch und sich mit uns unterhalten kann und uns wie ein Mensch adressieren kann.

00:56:39.300 --> 00:56:42.220
Speaker 1: Und dann kickt die KI rein und sagt okay alles klar!

00:56:42.880 --> 00:56:46.580
Speaker 1: Ich kann das jetzt, aber ich kann es halt nur probabilistisch.

00:56:46.640 --> 00:57:03.040
Speaker 1: Das bedeutet dass was ich tue basiert auf den Wahrscheinlichkeiten und das was sehr ernüchternd ist wenn man sich das vorstellt die Sprechmaschinen die wir jetzt haben die basieren ja nur auf der Tatsache Irre viele Texte vorliegen oder auch Sprache, das geht ja auch über gesprochene Sprache.

00:57:03.400 --> 00:57:03.780
Speaker 1: Dass irre.

00:57:03.900 --> 00:57:11.880
Speaker 1: viele Daten vorliegend darüber wie Menschen Texte aufbauen am meisten in englischer Sprache und in Deutsch offenbar auch genug damit es klappt.

00:57:12.560 --> 00:57:17.780
Speaker 1: In bestimmten indischen Dialekten sieht es dann eher mau aus oder in indischen Teilsprachen.

00:57:17.820 --> 00:57:19.680
Speaker 1: Das gibt so wahnsinnig viele indische Sprachen.

00:57:19.720 --> 00:57:22.160
Speaker 1: dabei ist auch Digitalität sehr breit vertreten.

00:57:22.760 --> 00:57:28.480
Speaker 1: aber die KI in Englisch ist die, die am meisten Daten vorliegen hat weltweit.

00:57:29.460 --> 00:57:34.940
Speaker 1: Und da funktioniert diese Probabilistik extrem gut, dass man einfach sagt wir nehmen Token.

00:57:35.040 --> 00:57:49.520
Speaker 1: Token sind jetzt Wörter, Wortbestandteile oder Wortfolgen oder auch ganze Sätze oder auch verhackstückte Teile davon, die kein Mensch jemals versteht und sagt inwie oft kommt dieses Konstrukt in der Kombination mit einem anderen Konstrukt vorn?

00:57:49.580 --> 00:58:01.440
Speaker 1: Das wird für jedes Blöde Teilchen einer Ausgabe wird das berechnet immer wieder neu aufgrund der zugrunde liegenden statistischen Werte, die in dem neuronalen Netz gespeichert werden.

00:58:01.500 --> 00:58:03.800
Speaker 1: Also im neuronalem Netz stehen keine Wörter mehr!

00:58:04.620 --> 00:58:05.580
Speaker 1: Da steht nur noch Teilen.

00:58:05.680 --> 00:58:08.300
Speaker 0: Und damit Leute, habt ihr Chat GPT verstanden?

00:58:08.380 --> 00:58:08.680
Speaker 0: Danke!

00:58:10.200 --> 00:58:19.100
Speaker 0: Und diesmal auch nicht in sechzehzig Sekunden InstaReal sondern einmal so richtig mitgenommen hast.

00:58:19.140 --> 00:58:28.880
Speaker 0: was ich so spannend finde und da kommen wir jetzt auch nochmal zu einem heißen Thema zum Schluss ist nämlich, was macht das denn dann eigentlich mit uns?

00:58:29.060 --> 00:58:34.000
Speaker 0: Also wenn wir jetzt interagieren mit diesen, du hast es so schön genannt, mit diesem Sprachmaschinen.

00:58:36.120 --> 00:58:40.340
Speaker 0: Wenn wir interagiern mit ChatGPT, Gemini, Claude und

00:58:40.460 --> 00:58:40.600
Speaker 0: Co.,

00:58:41.500 --> 00:58:42.880
Speaker 0: was passiert mit uns also?

00:58:43.360 --> 00:58:47.120
Speaker 0: Mit unserer eigenen Intelligenz und Intuitionen dazu?

00:58:47.800 --> 00:58:50.300
Speaker 0: zu diesem Themenkomplex bringst du ja ein neues Buch raus!

00:58:50.360 --> 00:58:54.880
Speaker 0: Und es ist ganz frisch und gerade erst angekündigt und ich glaube, dass noch nirgendwo lange drüber gesprochen

00:58:54.960 --> 00:58:56.780
Speaker 2: wird außer... Heute bei

00:58:57.280 --> 00:58:57.320
Speaker 1: uns.

00:58:57.360 --> 00:58:58.960
Speaker 1: Ja, ihr seid hier allerersten.

00:58:59.880 --> 00:59:06.040
Speaker 1: Ich bin noch eine Verlegerin sehr dankbar, dass mir das Go gegeben hat gestern Nacht noch direkt von der Buchmesse gesagt du darfst

00:59:06.680 --> 00:59:07.720
Speaker 2: großartig und

00:59:07.820 --> 00:59:07.900
Speaker 1: sie

00:59:08.060 --> 00:59:11.300
Speaker 0: kann es noch nicht bestellen und Chat GgT findet es auch noch nicht.

00:59:11.340 --> 00:59:11.800
Speaker 0: ich habe nämlich

00:59:11.900 --> 00:59:12.360
Speaker 1: ein Vorfall

00:59:12.400 --> 00:59:19.020
Speaker 0: zur Sendung versucht es zu googeln und deswegen hier ganz exklusiv genau kannst du bisschen was verraten?

00:59:20.000 --> 00:59:27.700
Speaker 0: Ich weiß nicht ob du den Titel schon sagen darfst und auch ganz grob also was so deine These ist mit was du dich intensiv beschäftigst.

00:59:28.480 --> 00:59:28.880
Speaker 1: Ja, gerne!

00:59:29.260 --> 00:59:32.880
Speaker 1: Das Buch hat den Titel Dumm Dank KI mit einem Fragezeichen dahinter.

00:59:32.940 --> 00:59:38.500
Speaker 1: also natürlich ist das auch eine Sache die jetzt nicht empirisch belegbar ist im bis ins letzte Detail.

00:59:38.580 --> 00:59:45.260
Speaker 1: dafür haben wir das Zeug einfach noch nicht lange genug und es ist schon das was ich hier gerade so vorlesungsartig ausgerollt habe.

00:59:45.340 --> 00:59:46.340
Speaker 1: wo kommt die KI her?

00:59:46.780 --> 00:59:49.060
Speaker 1: Was ist die unterliegende Idee?

00:59:49.200 --> 00:59:51.200
Speaker 1: Und dann am Ende aber auch, wo geht die Reise hin?

00:59:51.320 --> 00:59:53.920
Speaker 1: Weil Menschen haben eine wunderbare Angewohnheit.

00:59:54.000 --> 00:59:58.259
Speaker 1: Menschen sind nämlich sehr anpassbar nicht so gut wie Kaka Laken, aber schon relativ gut.

00:59:58.759 --> 01:00:04.299
Speaker 1: Also zum Beispiel gibt da drüber Aufschluss wenn wir uns überlegen warum sieht unsere Tastatur so aus, wie sie aussieht?

01:00:04.360 --> 01:00:14.440
Speaker 1: oder warum treten wir ins Leere, wenn wir von einem Schaltwagen in einen Automatikwagen umsteigen müssen immer diese Anpassungsmechanismen oder wechseln mal die Zahnbürste putze ich die Zehne mit der anderen Hand.

01:00:14.580 --> 01:00:16.580
Speaker 1: das ist immer dann der Moment, wo man feststellt, hüch!

01:00:16.640 --> 01:00:18.160
Speaker 1: Das ist ja ganz kompliziert jetzt.

01:00:18.900 --> 01:00:21.580
Speaker 1: Und so passen sich Menschen an die KI an.

01:00:21.759 --> 01:00:29.640
Speaker 1: Und zwar passen sie sich in drei Arten an, die erste Art ist, sie passen dich fatalerweise an in der Art und Weise wie Sie sprechen.

01:00:29.759 --> 01:00:31.779
Speaker 1: Menschen neigen momentan sehr stark dazu.

01:00:31.860 --> 01:00:33.380
Speaker 1: die Sprechweise von Frauina.

01:00:33.740 --> 01:00:34.180
Speaker 0: Du auch?

01:00:34.299 --> 01:00:34.759
Speaker 0: Ich auch?

01:00:35.020 --> 01:00:38.060
Speaker 0: Wie denn ich ... Ich sprechne schon mit Bindestrichen oder was?

01:00:38.900 --> 01:00:38.940
Speaker 0: Ja,

01:00:39.340 --> 01:00:41.980
Speaker 1: das sind diese Ballot-Points die KI sehr oft machen.

01:00:42.920 --> 01:00:50.259
Speaker 1: Das ist die Art und Weise wie Dokumente aufgebaut werden und im englischen Sprachraum sind es auch wirklich ganz bestimmte Vokabeln, die die KI immer wieder reinbringt.

01:00:50.400 --> 01:00:51.759
Speaker 2: Dive zum Beispiel!

01:00:53.060 --> 01:00:54.120
Speaker 1: Let's dive into it!

01:00:54.180 --> 01:00:56.900
Speaker 1: Das ist ganz schrecklich... Wie gehen

01:00:57.000 --> 01:00:58.940
Speaker 0: Rhein sagen wir in Deutschland?

01:01:00.720 --> 01:01:02.000
Speaker 1: Total irre, völlig irre.

01:01:02.560 --> 01:01:08.720
Speaker 1: Und das ist eins was ich quasi reinschleiche... Das finde ich jetzt noch minimal invasiv, das ist nicht ganz so schlimm.

01:01:09.279 --> 01:01:16.120
Speaker 1: Aber das was man zunehmend mehr feststellt ist dass sich insbesondere junge Menschen auf die Antworten der KI verlassen weil sie einfach gut klingt.

01:01:17.160 --> 01:01:22.880
Speaker 1: Das führt dazu, dass man Fehl- und Falschinformationen als gegeben hinnimmt mit der Begründung.

01:01:22.960 --> 01:01:25.860
Speaker 1: Sie kommen aus der Maschine und diese Begrünnung hält nicht mehr.

01:01:25.940 --> 01:01:34.759
Speaker 1: Wir sind alle gewohnt, dass Maschinen keine Meinung haben und das Maschine eigentlich auch keinen Weiß haben sondern eben nur das Sagen was sie einen Fakten vorliegen

01:01:34.799 --> 01:01:34.880
Speaker 0: haben.

01:01:34.920 --> 01:01:39.140
Speaker 0: Ja klar also Herdplatte an, Herdplate aus, Herdeplatte acht, Herdtplatte neun.

01:01:39.200 --> 01:01:40.580
Speaker 0: da kann man sich schon drauf verlassen.

01:01:41.340 --> 01:01:43.240
Speaker 1: Genau Wäsche sechzig Grad.

01:01:43.600 --> 01:01:49.720
Speaker 1: dann kommen die nicht in XXS hinterher raus, weil sich die Maschine spontan entschieden hat doch mal mit neunzig Grad zu waschen.

01:01:49.759 --> 01:01:50.380
Speaker 1: Das ist schon so.

01:01:52.259 --> 01:01:53.560
Speaker 2: Ich habe diesen Skill nicht beachtet.

01:01:53.640 --> 01:01:55.380
Speaker 2: oder hatte es den Skill-Wolle eingeschaltet?

01:01:55.440 --> 01:01:57.300
Speaker 2: Ich habe entschieden das ist diesmal nicht so wichtig!

01:01:58.220 --> 01:02:02.160
Speaker 2: In Zukunft wenn ich für Sprachmodelle unsere Waschmaschinen steuere wird das passieren.

01:02:02.520 --> 01:02:06.880
Speaker 1: Du hast diese Woche schon zweimal Wäsche gewaschen und ich habe beschlossen dass wir jetzt das Waschpulver reduzieren.

01:02:06.940 --> 01:02:13.920
Speaker 1: deswegen haben wir im Waschgang zwanzig Grad bei T-Shirt jetzt einfach mal kurz nass gemacht Genau.

01:02:17.180 --> 01:02:27.759
Speaker 1: Diese sich verlassen können auf die Maschine, das ist gerade extrem verbreitet und bei der KI außerordentlich unangemessen, denn die KI macht nur einen Vorschlag gemäß einer Wahrscheinlichkeit.

01:02:28.440 --> 01:02:35.620
Speaker 1: Und ein Kollege von mir hat jetzt auch sich nochmal reingetaucht, in der Mathematik drin, auch gerade in der Quanten-Mathematik.

01:02:36.140 --> 01:02:44.220
Speaker 1: Und hat gesagt er will das jetzt nachvollziehen warum jetzt schon wieder daheim kommt dass die KI permanent Mathe Probleme Jahrtausend und Jahrhundert Probleme lösen wurden.

01:02:44.660 --> 01:02:49.460
Speaker 1: Er hat gesagt kann es sich nicht vorstellen weil immer wenn er die KI benutzt kommt da brachialer Unsinn beraus.

01:02:50.060 --> 01:02:50.840
Speaker 1: Kann Buchstaben

01:02:50.900 --> 01:02:51.440
Speaker 0: nicht zählen?

01:02:52.120 --> 01:02:52.340
Speaker 0: Genau

01:02:52.740 --> 01:02:59.040
Speaker 1: eine KI versteht auch nicht den mathematischen Unterschied zwischen einem Aktion und einem Beweis oder irgendwie.

01:02:59.240 --> 01:03:00.420
Speaker 1: also ist ganz absurd.

01:03:00.480 --> 01:03:05.120
Speaker 1: er sagte Es kann nicht sein dass in dieser Qualität funktioniert, wie es uns da verkauft wird.

01:03:05.819 --> 01:03:12.680
Speaker 1: Und wenn wir der KI glauben dann glauben wir dem was in der KI als Massenmeinung verbreitet wird.

01:03:13.540 --> 01:03:15.240
Speaker 1: Das ist der zweite Punkt, der sehr schädlich ist.

01:03:15.440 --> 01:03:19.160
Speaker 1: Der dritte Punkt, da trifft alle Leute in Ausbildung und Studium.

01:03:19.720 --> 01:03:29.140
Speaker 1: Das ist eben der Bereich wo man nicht mehr an dem Prozess des Wissenserwerbs interessiert ist sondern nur noch an einem Produkt interessiert wird weil nur das Produkt am Ende bewertet wird.

01:03:29.700 --> 01:03:31.020
Speaker 2: Die fertigen Hausaufgaben zum Beispiel?

01:03:31.100 --> 01:03:31.300
Speaker 1: Genau!

01:03:31.500 --> 01:03:41.840
Speaker 1: In der besten aller Welten reformiert das unser Bildungssystem und wir kommen mit einer produktorientierter Amende raus die wir nicht haben wollen sondern gehen wieder auf den Lernprozess.

01:03:42.620 --> 01:03:47.520
Speaker 1: Und ich sage meinen Studierenden permanent eure KI-Produkte, die könnt ihr euch gerne ins Klo hängen und da einrahmen.

01:03:47.600 --> 01:03:48.819
Speaker 1: Aber ich möchte die nicht sehen!

01:03:48.900 --> 01:03:57.259
Speaker 1: Die sind absolutativ unter aller Sau... Entschuldigung, Blut und Tränen sehen während ihr eure Arbeiten erarbeitet.

01:03:57.300 --> 01:03:59.140
Speaker 1: Weil ich möchte euch als Menschen verändern.

01:03:59.240 --> 01:04:02.960
Speaker 1: Ich möchte dass ihr hier rausgeht und andere seid als ihr vorher gewesen seid.

01:04:03.380 --> 01:04:06.560
Speaker 1: Und diesen Anspruch habe ich als Vertreterin einer Bildungseinrichtung.

01:04:07.120 --> 01:04:09.500
Speaker 1: Das ist aber nicht das was eine KI beabsichtigt.

01:04:09.560 --> 01:04:11.180
Speaker 0: Aber trotzdem noch mal die Frage.

01:04:11.779 --> 01:04:16.000
Speaker 0: Ich denke schon manchmal an diese Taschenrechnerdiskussion ja von früher.

01:04:16.120 --> 01:04:24.080
Speaker 0: so wenn ihr jetzt alle Taschen rechnet bekommt oder ihr dürft den erst ab der siebten haben oder erst ab und dann werdet ihr blöd.

01:04:24.460 --> 01:04:32.080
Speaker 0: Und das Navi ist sowieso ganz schlimm, weil wenn ihr mit Navi fahren, dann wisst ihr auch nicht mehr wie die Stadt aussieht und Wikipedia eben schnell was nachgucken.

01:04:32.120 --> 01:04:32.980
Speaker 0: Das geht sowieso also

01:04:33.700 --> 01:04:33.920
Speaker 1: diese

01:04:34.340 --> 01:04:40.680
Speaker 0: Diskussion, dass Technik uns irgendwie... Dömer macht, weil sie uns unserer eigenen Urteilskraft beraubt.

01:04:40.720 --> 01:04:41.819
Speaker 0: Die gibt's ja schon immer!

01:04:41.900 --> 01:04:45.620
Speaker 0: Ich hab gelesen so, gerade das hat schon über die Schrift geschimpft.

01:04:45.880 --> 01:04:48.120
Speaker 0: Das sei gedechnisch schädlich, hatte wohl gesagt.

01:04:50.020 --> 01:04:51.340
Speaker 1: Auch Teil in meinem Buch übrigens.

01:04:53.060 --> 01:04:54.319
Speaker 0: Was ist diesmal anders?

01:04:55.920 --> 01:05:01.920
Speaker 0: Also was ist der Unterschied, sag ich jetzt mal zum Taschenrechner oder zum Navi- oder zur Schrift ...

01:05:02.160 --> 01:05:03.259
Speaker 1: Es ist relativ einfach.

01:05:03.480 --> 01:05:09.200
Speaker 1: Der Taschenrechner hat eine extrem hohe Zuverlässigkeit, zwei plus zwei ist beim Taschenregner immer vier.

01:05:09.700 --> 01:05:15.660
Speaker 1: bei einer KI ist zwei plus zweimal drei mal vier und mal vielleicht auch dreikommer drei mit der Aussage in etwa.

01:05:16.860 --> 01:05:21.720
Speaker 1: das bedeutet wir haben beim Tasche Rechner keine Probabilistik sondern eine Deterministik.

01:05:21.800 --> 01:05:35.319
Speaker 1: der Taschen rechner produziert ein Ergebnis dass stimmt Der Taschenrechner hat eher den Charakter eines Werkzeugs, während der Computer auf KI sozusagen mehr zu einer Erweiterung dieses soziotechnischen Raumes führt.

01:05:35.360 --> 01:05:48.120
Speaker 1: Das ist jetzt wieder ein Wissenschaftsausdruck, das bedeutet in dem Zusammenhang ... Wir kommen gedanklich aus der Welt des Taschenrechtners mit einem Gerät, dass extrem zuverlässig ist und unterstellen der KI die gleiche Zuverläßigkeit.

01:05:48.200 --> 01:05:50.100
Speaker 1: Eine KI isst aber nicht zuverlässig.

01:05:50.259 --> 01:05:52.340
Speaker 1: eine KI ist probabilistisch,

01:05:52.420 --> 01:05:52.580
Speaker 1: d.h.,

01:05:52.860 --> 01:06:00.120
Speaker 1: man kann sagen Okay, wenn ich richtig gut denken kann und richtig viel weiß von der Welt dann kann KI mich bereichern.

01:06:00.980 --> 01:06:02.560
Speaker 1: Aber ich muss es immer gegenprüfen!

01:06:02.620 --> 01:06:03.860
Speaker 1: Ich muss das immer kontrollieren!

01:06:05.620 --> 01:06:12.440
Speaker 1: Und das ist keine Medienkritik mehr sondern eine Kritik an dem tatsächlich vorliegenden Gerät.

01:06:13.340 --> 01:06:20.460
Speaker 1: Das, was wir beobachten können beim Taschenrechner ist das Menschen, die sehr früh den Taschenregner benutzen, schlechter im Kopf rechnen werden.

01:06:20.580 --> 01:06:23.860
Speaker 1: Aber eine größere Chance haben, mathematische Kompetenz zu erreichen.

01:06:24.160 --> 01:06:24.420
Speaker 1: Ach, okay!

01:06:24.500 --> 01:06:26.680
Speaker 1: Das Guten Lack AI aber nicht passieren.

01:06:27.160 --> 01:06:31.980
Speaker 1: Also das, was der Taschenreichner weggenommen hat, ist Rechnen und Nicht-Mathematik.

01:06:32.840 --> 01:06:43.160
Speaker 1: Was uns die Rechtschreibkontrolle weggennommen hat ist eigene Kontrollfertigkeit für die eigenen Texte, Fähigkeit, also die Fähigkeiten des eigenen Ausdrucks.

01:06:43.700 --> 01:06:48.500
Speaker 1: Was uns die KI jetzt wegnimmt ist die Fehigkeit des eigenen ausdrux und das ist heikel.

01:06:48.920 --> 01:06:51.120
Speaker 2: Und du hast auch gesagt den leeren Prozess an sich?

01:06:51.259 --> 01:06:51.420
Speaker 2: Genau!

01:06:51.500 --> 01:07:03.300
Speaker 2: Wenn ich richtig verstehe, wenn man es vergleicht mit dem Taschenrechner haben wir entschieden okay wirklich... Es ist nicht so schlimm, wenn wir nicht mehr gut Kopf rechnen können weil der Taschen Rechner ist hier umzuleiten sozusagen und es ist auch okay zu benutzen.

01:07:03.380 --> 01:07:07.680
Speaker 2: aber bei large language Models und Chatbots machen ja quasi alles für uns.

01:07:07.980 --> 01:07:15.140
Speaker 2: und dann die Bandbreite an Fähigkeiten, die wir potenziell verlernen ja irre breit.

01:07:15.259 --> 01:07:22.620
Speaker 2: Und dann ist so ein bisschen die Frage auf was können oder wollen wir uns als Gesellschaft einigen, was wir verlernen und abgeben können?

01:07:22.700 --> 01:07:23.340
Speaker 2: An die Technik?

01:07:23.440 --> 01:07:28.160
Speaker 2: siehst du da was bei KI also bei aktuellen Transformer-Modellen, Large Language Models?

01:07:28.460 --> 01:07:30.960
Speaker 2: Du sagst das können die so gut dass wir es tun sollten?

01:07:31.540 --> 01:07:31.660
Speaker 1: Nee!

01:07:31.980 --> 01:07:34.000
Speaker 1: Also tatsächlich überhaupt gar nicht.

01:07:34.980 --> 01:07:45.259
Speaker 1: Ich im Wissenschaftsbetrieb feststelle, wenn wir zum Beispiel recherchieren und dann eine KI einsetzen zur Transkription von Aufnahmen oder Audioaufnahmen.

01:07:45.660 --> 01:07:52.720
Speaker 1: Dann erleichtert uns das eine riesig große Menge an dummer stumpfsinniger Wiederholungsarbeit, wenn man das abtippen muss.

01:07:53.240 --> 01:07:54.380
Speaker 1: Da ist KI irregut.

01:07:54.440 --> 01:07:58.660
Speaker 1: aber da braucht man nicht diesen Overhead- oder Wasserkopf von Large Language Models.

01:07:58.740 --> 01:08:00.920
Speaker 1: Das geht auch einfacher mit einfacheren Modellen.

01:08:01.680 --> 01:08:07.020
Speaker 1: Ich sage mal so, in einer idealen Welt hätte sich die Weltgemeinschaft geeinigt auf den Korpus des Wissens.

01:08:07.120 --> 01:08:09.140
Speaker 1: Den wir in ein KI-Modell rein pflegen.

01:08:09.759 --> 01:08:19.160
Speaker 1: und eine weltweite Ethikkommission würde diesen Korpuss immer wieder überwachen und würde sagen okay das darf rein, das darf nicht sein aber in dieser Welt leben wir nicht.

01:08:19.720 --> 01:08:19.760
Speaker 2: Zu

01:08:19.859 --> 01:08:20.160
Speaker 1: spät?

01:08:20.260 --> 01:08:20.319
Speaker 1: Ja!

01:08:20.819 --> 01:08:40.540
Speaker 1: Und auch aus der Konsumperspektive falsch gedacht weil das was uns da jetzt vorliegt es ist kein Hosentaschentherapeutes Berater für den Alltag oder die Fitnesstrainerin oder der Lehrerin ersatt, sondern das ist schlicht und ergreifend eine Spracherzeugungsmaschine, die auf Wahrscheinlichkeiten basiert.

01:08:41.100 --> 01:08:43.680
Speaker 1: Und da wird dann auf einmal relativ wenig draus.

01:08:44.340 --> 01:08:50.840
Speaker 1: Gezielte, schmale Anwendung für die Forschung haben wir natürlich klar aber nicht in large language Models wie GPT.

01:08:51.680 --> 01:08:52.700
Speaker 1: Das ist da einfach nicht

01:08:52.740 --> 01:08:52.899
Speaker 1: drin.".

01:08:53.340 --> 01:08:53.479
Speaker 2: D.h.,

01:08:54.160 --> 01:08:56.720
Speaker 2: die Antwort auf die Frage was würdest du nie mit KI lösen?

01:08:57.200 --> 01:08:58.260
Speaker 1: Ja, die Antwort war schreiben.

01:09:02.540 --> 01:09:03.220
Speaker 0: Das passt gut!

01:09:03.779 --> 01:09:07.880
Speaker 0: Auch zu dem Buch, das von dir bald rauskommt und auf das Centspoil

01:09:08.040 --> 01:09:08.359
Speaker 2: kommt.

01:09:08.399 --> 01:09:09.540
Speaker 0: Garantiert selbst geschrieben?

01:09:09.740 --> 01:09:13.479
Speaker 1: Es waren tatsächlich Blut-und Tränen beim Schreiben dieses Buches.

01:09:13.559 --> 01:09:16.100
Speaker 1: aber ganz ehrlich es ist ja so dass ich schreiben liebe.

01:09:16.260 --> 01:09:24.920
Speaker 1: Das ist jetzt nichts was mit der meisten Gruppe meiner Mitmenschen teile Aber für mich ist schreiben sehr entspannt und das ist ein absoluter Genuss.

01:09:25.700 --> 01:09:30.020
Speaker 1: Selbst wenn ich wissenschaftlich schreibe, bin ich dabei sehr stark bei mir.

01:09:30.140 --> 01:09:36.819
Speaker 1: Das mögen andere Menschen vielleicht nicht so empfinden aber ... Das an die KI auszulagern würde mir körperliche Schmerzen bereiten.

01:09:38.340 --> 01:09:39.640
Speaker 2: Da würde dir richtig was fehlen

01:09:39.880 --> 01:09:41.520
Speaker 0: sozusagen.

01:09:41.559 --> 01:09:42.319
Speaker 0: Ja, dankeschön!

01:09:42.460 --> 01:09:48.680
Speaker 0: Danke für diese Reise, die du mit uns gemacht hast in diesem Dieb-Dive in dein Indoorwald

01:09:49.140 --> 01:09:49.420
Speaker 1: aber

01:09:49.920 --> 01:09:55.300
Speaker 0: vor allem dann auch in die Technik und auch diesen Ausblick, was die Technique dann mit uns macht.

01:09:55.780 --> 01:09:56.900
Speaker 0: Schön, dass du da warst, Eike

01:09:57.640 --> 01:09:59.340
Speaker 1: Ich danke euch, dass ich da sein durfte.

01:09:59.580 --> 01:09:59.840
Speaker 1: Vielen

01:09:59.880 --> 01:10:00.059
Speaker 2: Dank!

01:10:00.120 --> 01:10:06.720
Speaker 2: Es war wirklich superinteressant und es ist echt gut diesen deep dive um mal das böse LLM-Wortsmodus in die Technik mit ihr machen zu können.

01:10:07.300 --> 01:10:08.940
Speaker 2: Ja vielen, vielen Dank, super interessant.

01:10:09.040 --> 01:10:09.720
Speaker 2: alles Gute dir.

01:10:10.140 --> 01:10:11.460
Speaker 2: Ich denke wir werden uns mal wieder sehen.

01:10:12.080 --> 01:10:12.980
Speaker 0: Wieder hören auch.

01:10:13.860 --> 01:10:15.220
Speaker 1: Super gerne, total gerne.

01:10:15.260 --> 01:10:16.540
Speaker 1: Das war richtig toll mit euch zu reden.

01:10:16.600 --> 01:10:17.580
Speaker 1: ganz liebendank dafür.

01:10:21.260 --> 01:10:21.900
Speaker 0: ja vielen dank.

01:10:22.000 --> 01:10:24.920
Speaker 0: vielen dank dass ihr dabei wart und dass ihr zugehört habt.

01:10:25.380 --> 01:10:30.180
Speaker 0: Wir sind nächste wochen wieder für euch da wie immer mittwochs und damit würde ich sagen Macht's gut?

01:10:30.520 --> 01:10:31.240
Speaker 2: Ja, machts gut.

01:10:31.360 --> 01:10:35.100
Speaker 2: Das war Daytalk Tech ein CT-Podcast von mir Eva Wolfange

01:10:35.540 --> 01:10:38.960
Speaker 0: und von mir Sphere Eckhardt Musik und Produktion Marco

01:10:39.160 --> 01:10:39.460
Speaker 2: Pauli.

01:10:39.960 --> 01:10:40.400
Speaker 2: Macht es gut!

01:10:40.480 --> 01:10:41.000
Speaker 2: Bis bald!

01:10:41.200 --> 01:10:42.160
Speaker 2: Tschüss.