de / en
This image shows a low angle of a succulent plant against a hazy sky. The scene is refracted in different ways by a fragmented glass grid. This grid is a visual metaphor for the way that artificial intelligence (AI) and machine learning technologies can be used to extract and analyse biological data in innovative ways, and the repetitive and self-similar structure of these systems. A neural network diagram is overlaid, familiarising the viewer with the formal architecture of AI systems.

Generative KI und Kreativität: „Es geht nicht darum, Menschen zu ersetzen“

Jennifer Haase forscht am Weizenbaum Institut zu den Potenzialen von Tools wie ChatGPT für das kreative Arbeiten. In Teil 2 der Reihe künstlich&intelligent? erzählt sie, wie uns KI-Systeme gute Partner sein können.

 

Jennifer, du hast in deiner Forschung die kreativen Fähigkeiten von generativen KI-Tools untersucht. Wie funktionieren solche Text- oder Bildgeneratoren, wie ChatGPT oder Midjourney überhaupt?

Generative KI-Tools arbeiten auf der Basis von maschinellem Lernen, genauer gesagt mit neuronalen Netzwerken, die als "transformative Modelle" bekannt sind. Diese Modelle werden mit riesigen Mengen an Daten trainiert, sei es Text, Bilder oder sogar Musik, und lernen daraus, Muster zu erkennen und vorherzusagen. Wenn sie einmal ausreichend trainiert sind, können sie – basierend auf diesen Mustern – neues Material generieren oder bestehende Absätze bzw. Bilder anpassen. ChatGPT wurde mit einer enormen Vielfalt von Texten gefüttert, Midjourney mit einer großen Menge visueller Daten.

Der Output ist sehr faszinierend, jedoch kann man genauso gut sagen, dass diese Tools nicht mehr als statistische Vorhersagemaschinen sind: Auf Basis einer Eingabe berechnen sie das statistisch nächstbeste Wort, Pixel oder Note. Dass wir Nutzer diesen Output als sinnvoll, hilfreich oder gar „kreativ“ wahrnehmen, hängt also stark vom Input, der Wissensbasis der KI-Systeme und natürlich von unserer Interpretation ab. Es herrscht also keineswegs Einigkeit darüber, dass die aktuellen generativen KI Tools wirklich „intelligent“ sind.
 

Wie seid ihr bei eurer Forschung vorgegangen und wie habt ihr Kreativität dabei definiert?

In der psychologischen Forschung definiert man Kreativität als das Erschaffen von etwas Neuem und Nützlichem. Vor diesem Hintergrund stellten wir uns die Frage, ob diese Definition auch für generative KI-Modelle wie ChatGPT zutreffend sein könnte. Wir haben sechs verschiedene Chatbots, darunter ChatGPT und Alpa, sowie 100 Personen aus einer Durchschnittspopulation denselben fünf standardisierten Kreativitätstests unterzogen. Dabei wurden sie beispielsweise gefragt: "Welche Verwendungen kann man für ein Seil / Zeitung / Reifen finden?" Die Antworten wurden anschließend zufällig gemischt, um die Herkunft – ob KI oder Mensch – zu verschleiern. Anschließend ließen wir sie von sechs geschulten Personen und einer speziell für diesen Test trainierten KI hinsichtlich Originalität und Quantität der Vorschläge bewerten.
 

Was habt ihr herausfinden können?

Das wohl spannendste: im Mittel sind die Antworten der Menschen genau so (wenig) originell wie die der 6 Chatbots! Im Ideen brainstormen unterscheiden wir Menschen uns also wenig von den generativen Tools. Wie bei psychologischen Studien typisch, fanden wir eine breite Streuung zwischen den Versuchspersonen, aber auch zwischen den Chatbots: Manche Versuchspersonen waren deutlich origineller in den Ideen, andere eher sehr unoriginell. Tatsächlich kamen die originellsten Ideen immer von Menschen, aber die Chatbots spuckten deutlich mehr Ideen aus. Wobei dieser Vergleich nicht ganz fair ist, denn Chatbots sind so angelegt, dass sie viel Output generieren, von dem dann auch sehr viel trivial oder nonsense ist.  
 

Gibt es andere Formen von Kreativität, bei denen Menschen weiterhin besser sind als Maschinen?

Sicherlich! Das spezifische Situationswissen, das insbesondere für komplexere kreative Aufgaben benötigt wird, ist oft nicht direkt oder nur mit Mühe von einer KI abrufbar. Zudem benötigen die aktuellen KI-Systeme stets eine Eingabeaufforderung oder einen "Prompt" vom Nutzer. Die Definition und das Verständnis der Dimensionen des kreativen Problems wird also primär vom Menschen festgelegt. Gleiches gilt für die Verwertung und Umsetzung der generierten Ideen. Das Gros der Denkarbeit und des Engagements verbleibt beim Menschen.
 

Es war noch nie einfach, Kunst in Zeiten des Internets zu machen. Gerät jetzt die Kreativbranche noch mehr unter Druck durch eine KI-Konkurrenz?

Ein gewisser Teil sicherlich, nämlich der, wo eher einfache und repetitive Kunst geschaffen werden soll, sowie bei Rezipienten, denen einfache und – sagen wir „ungeschliffene“ – Kunst ausreicht. Im Bereich des Gamedesigns sehen wir schon den standardmäßigen Einsatz von KI-generierten Bildmaterialien. Aber für bahnbrechend schlaue, oder auf spezifische Situationen angepasste Ergebnisse brauchen wir weiterhin Menschen. 

Es geht uns in unserer Forschung auch nicht darum, Menschen oder Künstler zu ersetzen, sondern darum zu verstehen, wann und wie uns die KI-Systeme gute Partner und Unterstützer sein können. Mit unserer Studie haben wir bezüglich der Kreativität erst einmal das Potenzial erfasst.
 

Welche Auswirkung wird die Nutzung dieser Tools auf uns haben, werden wir mit der Zeit unkreativer?

Das ist eine sehr spannende Frage, auf die wir noch – da die Tools noch zu neu sind – keine Antwort haben. Jedoch können wir aus der Geschichte der Technologienutzung Übertragungen wagen: Es liegt an uns, wie wir diese Werkzeuge nutzen.

Wenn sie als Ergänzung zu unserem eigenen Denken und unserer eigenen Kreativität eingesetzt werden, können sie uns enorm bereichern: Zum Beispiel können sie uns mehr Zeit geben, um über das "große Ganze" nachzudenken und kreative Lösungen für komplexe Probleme zu finden. Sie können uns auch helfen, breiter und interdisziplinärer zu denken, indem sie uns eine Vielzahl von Perspektiven und Ideen präsentieren, die wir vielleicht alleine nicht in Betracht gezogen hätten.

Andererseits besteht die Gefahr, dass wir uns zu sehr auf diese Tools verlassen und vergessen, unsere eigenen kreativen Fähigkeiten zu schulen und zu nutzen. Kreativ und originell zu denken, muss geübt werden. Wenn wir die Tools nur als Ersatz für unser eigenes Denken verwenden, könnten sie uns tatsächlich einschränken.
 

Du warst mit deiner Forschung zuletzt viel in der Presse. Was stört dich an der Debatte um ChatGPT und Co., und was macht dir Hoffnung? 

Ich finde, die mediale Debatte um ChatGPT und auch um bildgebende Verfahren wie Midjourney und DALL-E, zeichnet oft ein stark polarisiertes Bild  – es pendelt zwischen der Idee einer KI-Allmacht und dem Szenario des Weltuntergangs. Meiner Ansicht nach gibt es weder Anlass zur Annahme, dass KI uns in naher Zukunft vollständig die Arbeit abnehmen wird, noch zur Befürchtung, dass diese Technologien die Kontrolle übernehmen. Wir sprechen hier von hochkomplexen Technologien, die – wenn sinnvoll genutzt – enormes Potenzial bieten. Unsere Aufgabe ist es nun, dieses Potenzial jenseits von überzogenem Hype und unbegründeten Ängsten auszuschöpfen. Glücklicherweise erscheinen die aktuellen Berichterstattungen nuancierter und reflektierter. Der Schwerpunkt verlagert sich zunehmend auf konkrete und sinnvolle Anwendungsmöglichkeiten dieser Tools. Das gibt mir Hoffnung, dass wir auch außerhalb der KI-Enthusiasten-Blase eine breite, kritisch informierte Nutzerbasis schaffen können.
 

Welche Fragen bleiben noch offen, was wollt ihr als Nächstes untersuchen?

Die Frage der Entwicklung über die Zeit hinweg ist in der Tat faszinierend – sowohl im Hinblick auf die Nutzer als auch auf die Fähigkeiten zukünftiger KI-Generationen. Nun, da uns die kreativen Fähigkeiten von Chatbots bewusst sind, müssen wir deren Anwendung in der Praxis analysieren: Welche Zielgruppen profitieren am meisten von Chatbot-Assistenten? Bei welchen spezifischen kreativen Aufgaben können sie besonders unterstützend wirken? Und welche Art von Unterstützung oder Schulung ist notwendig, um sie optimal einzusetzen? Diese und weitere Fragen gilt es zu erforschen, um das Zusammenspiel zwischen Mensch und Maschine in der kreativen Arbeit bestmöglich zu gestalten.

Vielen Dank für das Gespräch!

 

Dr. Jennifer Haase ist Wissenschaftliche Mitarbeiterin in der Forschungsgruppe Sicherheit und Transparenz digitaler Prozesse. Ihre Forschung zu Kreativität wurde vielfach in der Presse aufgegriffen, so z.B. bei Tagesschau, Frankfurter Rundschau und Harvard Business Review.

In der bald erscheinenden Podcast-Reihe „TechTalks: Einblicke in Mensch & Maschine“ der Forschungsgruppe „Sicherheit und Transparenz digitaler Prozesse“ werden die WI-Forschenden mit Expert:innen über neue Technologietrends und deren Einsatz in der Wirtschaft diskutieren - unter anderem auch über Chatbots und Künstliche Intelligenz. Stay tuned!

Das Interview führte Leonie Dorn

Die Reihe künstlich&intelligent? setzt sich in Interviews und Beiträgen mit den neusten Anwendungen von generativen Sprachmodellen und Bildgeneratoren auseinander. Forschende am Weizenbaum-Institut gehen dabei auf die gesellschaftlichen Auswirkungen der Tools ein und begegnen den viel diskutierten Erwartungen und Ängsten mit aktuellen Studien und Forschungsergebnissen. Dabei wird auch der Begriff „Künstliche Intelligenz“ hinterfragt und im Geiste Joseph Weizenbaums die Allwissenheit und Macht dieser Systeme dekonstruiert. Der KI-Pionier und Kritiker, der einen der ersten Chatbots entwickelte, hätte dieses Jahr seinen 100. Geburtstag gefeiert.