KI in der Bildung

In Neal Stephensons Science-Fiction-Roman “The Diamond Age” von 1995 treffen die Leser auf Nell, ein junges Mädchen, das in den Besitz eines hochentwickelten Buches gelangt, “The Young Lady’s Illustrated Primer”. Das Buch ist keine übliche statische Sammlung von Texten und Bildern, sondern ein tiefgehend immersives Werkzeug, das mit dem Leser sprechen, Fragen beantworten und seinen Inhalt personalisieren kann, alles im Dienste der Erziehung und Motivation eines jungen Mädchens, um eine starke, unabhängige Persönlichkeit zu werden.

Ein solches Gerät blieb, auch nach der Einführung des Internets und von Tablet-Computern, im Bereich der Science-Fiction, bis jetzt. Die künstliche Intelligenz (KI) machte mit der Einführung von ChatGPT im November 2022 einen grossen Sprung nach vorne, einer KI-Technologie, die in der Lage ist, bemerkenswert kreative Antworten und ausgefeilte Analysen durch menschenähnlichen Dialog zu produzieren. Dies hat eine Innovationswelle ausgelöst, einige davon deuten darauf hin, dass wir am Rande einer Ära interaktiver, superintelligenter Werkzeuge stehen könnten, nicht unähnlich dem Buch, das Stephenson für Nell entworfen hat.

Sundar Pichai, der CEO von Google, bezeichnet die künstliche Intelligenz als “bedeutender als Feuer oder Elektrizität oder alles, was wir in der Vergangenheit getan haben”. Reid Hoffman, der Gründer von LinkedIn und derzeitiger Partner bei Greylock Partners, sagt: “Die Macht, positive Veränderungen in der Welt zu bewirken, steht kurz davor, den grössten Schub aller Zeiten zu erhalten.” Und Bill Gates hat gesagt, dass “diese neue Welle der KI so grundlegend ist wie die Schaffung des Mikroprozessors, des Personal Computers, des Internets und des Mobiltelefons.”

Im letzten Jahr haben Entwickler eine schwindelerregende Auswahl an KI-Werkzeugen auf den Markt gebracht, die Texte, Bilder, Musik und Videos ohne komplizierte Programmierung, sondern einfach auf Anweisung in natürlicher Sprache generieren können. Diese Technologien verbessern sich rasch, und Entwickler führen Fähigkeiten ein, die noch vor wenigen Jahren als Science-Fiction galten. KI wirft auch drängende ethische Fragen in Bezug auf Voreingenommenheit, angemessene Nutzung und Plagiate auf.

Im Bildungsbereich wird diese Technologie beeinflussen, wie Schüler lernen, wie Lehrer arbeiten und letztendlich, wie wir unser Bildungssystem strukturieren. Einige Pädagogen und Führungskräfte freuen sich sehr auf diese Veränderungen. Sal Kahn, Gründer der Khan Academy, äusserte in einem TED-Vortrag, dass KI das Potenzial hat, “wahrscheinlich die grösste positive Transformation zu bewirken, die die Bildung je gesehen hat.” Andere warnen jedoch, dass KI die Verbreitung von Fehlinformationen ermöglichen, Betrug in der Schule und im Gymnasium erleichtern, die verbleibenden Reste der individuellen Privatsphäre vernichten und massive Arbeitsplatzverluste verursachen könnte. Die Herausforderung besteht darin, das positive Potenzial zu nutzen, während gleichzeitig der Schaden vermieden oder zumindest abgemildert wird.

Was ist generative KI?

Künstliche Intelligenz ist ein Zweig der Informatik, der sich darauf konzentriert, Software zu schaffen, die in der Lage ist, Verhaltensweisen und Prozesse nachzuahmen, die wir als “intelligent” betrachten würden, wenn sie von Menschen gezeigt werden, einschliesslich logisches Denken, Lernen, Problemlösung und kreatives Handeln. KI-Systeme können für eine breite Palette von Aufgaben eingesetzt werden, einschliesslich Übersetzungen, Bilderkennung, Navigation autonomer Fahrzeuge, Erkennung und Behandlung von Krebs und, im Fall der generativen KI, Erstellung von Inhalten und Wissen anstelle von blosser Suche und Abruf.

“Foundation-Modelle” in der generativen KI sind Systeme, die auf einem grossen Datensatz trainiert wurden, um ein breites Basiswissen zu erlernen, das dann für verschiedene spezifischere Zwecke angepasst werden kann. Diese Lernmethode ist selbstüberwacht, das heisst, das Modell lernt durch Erkennen von Mustern und Beziehungen in den Daten, auf denen es trainiert wurde.

Grosse Sprachmodelle (LLMs) sind Foundation-Modelle, die auf einer riesigen Menge an Textdaten trainiert wurden. Beispielsweise bestanden die Trainingsdaten für OpenAIs GPT-Modell aus Webinhalten, Büchern, Wikipedia-Artikeln, Nachrichtenartikeln, Social-Media-Beiträgen, Code-Schnipseln und mehr. OpenAIs GPT-3-Modelle wurden mit atemberaubenden 300 Milliarden “Tokens” oder Wortteilen trainiert, wobei mehr als 175 Milliarden Parameter verwendet wurden, um das Verhalten des Modells zu formen – fast 100-mal mehr Daten als das GPT-2-Modell des Unternehmens.

Durch diese Analyse über Milliarden von Sätzen entwickeln LLM-Modelle ein statistisches Verständnis für Sprache: wie Wörter und Phrasen normalerweise kombiniert werden, welche Themen typischerweise zusammen diskutiert werden und welcher Ton oder Stil in verschiedenen Kontexten angemessen ist. Dadurch kann es menschenähnliche Texte generieren und eine breite Palette von Aufgaben ausführen, wie das Schreiben von Artikeln, das Beantworten von Fragen oder das Analysieren unstrukturierter Daten.

Zu den LLMs gehören OpenAIs GPT-4, Googles PaLM und Metas LLaMA. Diese LLMs dienen als “Grundlage” für KI-Anwendungen. ChatGPT basiert auf GPT-3.5 und GPT-4, während Bard Googles Pathways Language Model 2 (PaLM 2) als Grundlage nutzt.

Einige der bekanntesten Anwendungen sind:

ChatGPT 3.5

Die kostenlose Version von ChatGPT, die im November 2022 von OpenAI veröffentlicht wurde. Sie wurde nur bis 2021 auf Daten trainiert und ist zwar sehr schnell, aber anfällig für Ungenauigkeiten.

ChatGPT 4.0

Die neueste Version von ChatGPT, die leistungsfähiger und genauer ist als ChatGPT 3.5, aber auch langsamer und ein kostenpflichtiges Konto erfordert. Sie hat auch erweiterte Fähigkeiten durch Plug-Ins, die es ermöglichen, Inhalte von Websites abzurufen, komplexere mathematische Funktionen auszuführen und auf andere Dienste zuzugreifen. Eine neue Code Interpreter-Funktion ermöglicht es ChatGPT, Daten zu analysieren, Diagramme zu erstellen, mathematische Probleme zu lösen, Dateien zu bearbeiten und sogar Hypothesen zur Erklärung von Datentrends zu entwickeln.

Microsoft Bing Chat

Eine Iteration von Microsofts Bing-Suchmaschine, die mit OpenAIs ChatGPT-Technologie verbessert wurde. Sie kann Websites durchsuchen und bietet Quellenangaben zu den Ergebnissen.

Google Bard

Googles KI generiert Texte, übersetzt Sprachen, schreibt verschiedene Arten von kreativen Inhalten und schreibt und debuggt Code in mehr als 20 verschiedenen Programmiersprachen. Der Ton und Stil der Antworten von Bard kann so eingestellt werden, dass sie einfach, lang, kurz, professionell oder lässig sind. Bard nutzt auch Google Lens, um hochgeladene Bilder mit Prompts zu analysieren.

Anthropic Claude 2

Ein Chatbot, der Text generieren, Inhalte zusammenfassen und andere Aufgaben ausführen kann, Claude 2 kann Texte von etwa 75.000 Wörtern – etwa die Länge von “The Great Gatsby” – analysieren und Antworten von mehr als 3.000 Wörtern generieren. Das Modell wurde mit einer Reihe von Prinzipien entwickelt, die als eine Art “Verfassung” für KI-Systeme dienen, mit dem Ziel, sie hilfreicher, ehrlicher und harmloser zu machen.

Rasante Entwicklungen der Modelle

Diese KI-Systeme haben sich in einem bemerkenswerten Tempo verbessert, einschliesslich in ihrer Leistung bei Bewertungen des menschlichen Wissens. OpenAIs GPT-3.5, das im März 2022 veröffentlicht wurde, schaffte es nur, im 10. Perzentil bei der Anwaltsprüfung abzuschneiden, aber GPT-4.0, das ein Jahr später eingeführt wurde, machte einen bedeutenden Sprung und erreichte das 90. Perzentil. Besonders beeindruckend ist, dass OpenAI das System nicht speziell darauf trainiert hat, diese Prüfungen abzulegen; die KI war in der Lage, die richtigen Antworten selbst zu finden. Ebenso verbesserte Googles medizinisches KI-Modell seine Leistung bei einem Übungstest für die US-amerikanische medizinische Zulassungsprüfung erheblich, wobei die Genauigkeitsrate im März 2021 auf 85 Prozent anstieg, gegenüber 33 Prozent im Dezember 2020.

Diese beiden Beispiele veranlassen zu der Frage: Wenn sich die KI so rasch weiterentwickelt, was werden diese Systeme in den nächsten Jahren leisten können? Darüber hinaus stellen neue Studien die Annahme in Frage, dass von KI generierte Antworten fade oder steril sind. Im Fall von Googles KI-Modell zogen Ärzte die langen Antworten der KI denen ihrer Kollegen vor, und nichtmedizinische Studienteilnehmer bewerteten die KI-Antworten als hilfreicher. Eine andere Studie ergab, dass die Teilnehmer die Antworten eines medizinischen Chatbots denen eines Arztes vorzogen und sie deutlich höher bewerteten, nicht nur hinsichtlich der Qualität, sondern auch der Empathie. Was wird passieren, wenn “empathische” KI in der Bildung eingesetzt wird?

Andere Studien haben die Argumentationsfähigkeiten dieser Modelle untersucht. Microsoft-Forscher schlagen vor, dass neuere Systeme “mehr allgemeine Intelligenz als frühere KI-Modelle zeigen” und “erstaunlich nahe an die menschenähnliche Leistung” herankommen. Während einige Beobachter diese Schlussfolgerungen in Frage stellen, zeigen die KI-Systeme eine zunehmende Fähigkeit, kohärente und kontextuell angemessene Antworten zu generieren, Verbindungen zwischen verschiedenen Informationen herzustellen und Argumentationsprozesse wie Schlussfolgerung, Deduktion und Analogie durchzuführen.

Trotz ihrer gewaltigen Fähigkeiten sind diese Systeme nicht ohne Mängel. Manchmal spucken sie Informationen aus, die überzeugend klingen mögen, aber irrelevant, unlogisch oder völlig falsch sind – eine Anomalie, die als “Halluzination” bekannt ist. Die Ausführung bestimmter mathematischer Operationen stellt einen weiteren Schwierigkeitsbereich für KI dar. Und obwohl diese Systeme gut formulierte und realistische Texte erzeugen können, kann das Verständnis, warum das Modell bestimmte Entscheidungen oder Vorhersagen getroffen hat, eine Herausforderung darstellen.

Die Bedeutung von gut gestalteten Prompts

Die Verwendung von generativen KI-Systemen wie ChatGPT, Bard und Claude 2 ist relativ einfach. Man muss nur eine Anfrage oder eine Aufgabe (genannt Prompt) eingeben, und die KI erzeugt eine Antwort. Richtig konstruierte Prompts sind entscheidend, um nützliche Ergebnisse von generativen KI-Tools zu erhalten. Sie können generative KI bitten, Texte zu analysieren, Muster in Daten zu finden, entgegengesetzte Argumente zu vergleichen und einen Artikel auf verschiedene Weise zusammenzufassen (siehe Seitenleiste für Beispiele von KI-Prompts).

Eine Herausforderung besteht darin, dass die Menschen nach jahrelanger Nutzung von Suchmaschinen darauf konditioniert wurden, Fragen auf eine bestimmte Weise zu formulieren. Eine Suchmaschine ist so etwas wie ein hilfreicher Bibliothekar, der eine spezifische Frage nimmt und Sie auf die relevantesten Quellen für mögliche Antworten hinweist. Die Suchmaschine (oder der Bibliothekar) erschafft nichts Neues, sondern holt effizient das, was bereits vorhanden ist.

Generative KI ist eher wie ein kompetenter Praktikant. Sie geben einem generativen KI-Tool Anweisungen durch Prompts, wie Sie es bei einem Praktikanten tun würden, und bitten es, eine Aufgabe zu erledigen und ein Produkt zu erstellen. Die KI interpretiert Ihre Anweisungen, denkt darüber nach, wie sie am besten ausgeführt werden können, und erstellt etwas Neues oder führt eine Aufgabe aus, um Ihre Anweisung zu erfüllen. Die Ergebnisse sind nicht vorgefertigt oder irgendwo gespeichert – sie werden auf der Fliege produziert, basierend auf den Informationen, auf denen der Praktikant (generative KI) trainiert wurde. Die Ausgabe hängt oft von der Präzision und Klarheit der Anweisungen (Prompts) ab, die Sie geben. Eine vage oder schlecht definierter Prompt könnte die KI dazu veranlassen, weniger relevante Ergebnisse zu produzieren. Je mehr Kontext und Anweisungen Sie geben, desto besser wird das Ergebnis sein. Darüber hinaus werden die Fähigkeiten dieser KI-Systeme durch die Einführung von vielseitigen Plug-Ins verbessert, die es ihnen ermöglichen, Websites zu durchsuchen, Dateien zu analysieren oder auf andere Dienste zuzugreifen. Denken Sie daran, als würden Sie Ihrem Praktikanten Zugang zu einer Gruppe von Experten geben, um Ihre Aufgaben zu erledigen.

Eine Strategie bei der Verwendung eines generativen KI-Tools besteht darin, ihm zuerst zu sagen, welche Art von Experte oder Persona Sie sein sollen. Bitten Sie es, ein erfahrener Managementberater, ein erfahrener Lehrer, ein Schreibcoach oder ein Lektor zu sein, und geben Sie ihm dann eine Aufgabe.

Prompts können auch so konstruiert werden, dass diese KI-Systeme komplexe und mehrstufige Operationen ausführen. Zum Beispiel könnte eine Lehrerin ein adaptives Nachhilfeprogramm erstellen wollen – für jedes Fach, jede Klasse, in jeder Sprache -, das die Beispiele für die Schüler anhand ihrer Interessen anpasst. Sie möchte, dass jede Lektion in einem Kurzantwort- oder Multiple-Choice-Test gipfelt. Wenn der Schüler die Fragen richtig beantwortet, sollte der KI-Tutor zur nächsten Lektion übergehen. Wenn der Schüler falsch antwortet, sollte die KI das Konzept noch einmal erklären, aber in einfacherer Sprache.

Früher hätte die Gestaltung dieses interaktiven Systems eine relativ anspruchsvolle und teure Software erfordert. Mit ChatGPT liefert jedoch nur die Eingabe dieser Anweisungen in einem Prompt ein brauchbares Nachhilfesystem. Es ist nicht perfekt, aber denken Sie daran, dass es praktisch kostenlos erstellt wurde, mit nur wenigen Zeilen Texteingabe als Befehl. Und nichts auf dem Bildungsmarkt hat heute die Fähigkeit, fast unbegrenzt Beispiele zu generieren, um das Lektionskonzept mit den Interessen der Schüler zu verbinden.

Verkettete Prompts können auch helfen, KI-Systeme zu fokussieren. Zum Beispiel könnte ein Pädagoge ein generatives KI-System auffordern, zuerst eine Praxisanleitung zu lesen und ihre Empfehlungen zusammenzufassen. Dann kann er in einer Folgeaufforderung den KI bitten, eine Reihe von Klassenaktivitäten zu entwickeln, basierend auf dem, was es gerade gelesen hat. Durch die sorgfältige Auswahl des Ausgangsmaterials und die Verwendung der richtigen Prompts kann der Pädagoge die generierten Antworten in Beweisen und hochwertiger Forschung verankern.

Aber wie junge Praktikanten, die in einer neuen Umgebung die Seile lernen, begeht KI gelegentlich Fehler. Diese Fehleranfälligkeit, obwohl unvermeidlich, unterstreicht die entscheidende Bedeutung einer rigorosen Überwachung der KI-Ausgabe. Überwachung dient nicht nur als entscheidender Kontrollpunkt für die Genauigkeit, sondern wird auch zu einer wichtigen Quelle für Echtzeit-Feedback für das System. Durch diesen iterativen Verfeinerungsprozess kann ein KI-System im Laufe der Zeit seinen Fehleranteil erheblich minimieren und seine Wirksamkeit erhöhen.

Einsatz von KI in der Bildung

Im Mai 2023 veröffentlichte das US-Bildungsministerium einen Bericht mit dem Titel “Künstliche Intelligenz und die Zukunft des Lehrens und Lernens: Einsichten und Empfehlungen“. Das Ministerium hatte im Jahr 2022 Anhörungen und Workshops abgehalten, um Meinungen und Erfahrungen von Schulen, Hochschulen, Universitäten, Technologieunternehmen und gemeinnützigen Organisationen zu sammeln. Der Bericht fasst die Erfahrungen dieser Stakeholder zusammen und formuliert Empfehlungen für den Einsatz von KI-Technologie im Klassenzimmer.

Generative KI wird eine der Schlüsseltechnologien sein, die die Bildung transformieren, sowohl in der K-12-Bildung als auch in der Hochschulbildung. Der Bericht kommt zu dem Schluss, dass generative KI-Systeme bereits zuverlässige Quellen für unterstützende Inhalte und Bewertungen sind. Darüber hinaus verändern sie die Art und Weise, wie Lehrer arbeiten. Lehrer können die Effizienz steigern, indem sie KI nutzen, um Unterrichtspläne zu erstellen, Bewertungen durchzuführen und Feedback an Schüler zu geben. KI-Systeme können auch individuelles Lernen unterstützen, indem sie auf die individuellen Bedürfnisse und Interessen der Schüler eingehen. Einige Schulen und Universitäten experimentieren bereits mit KI-gestützten Tutoring-Systemen, die den Schülern helfen, sich auf Prüfungen vorzubereiten oder sich in schwierigen Bereichen zu verbessern.

Der Bericht schlägt auch vor, dass generative KI-Systeme die Möglichkeit bieten, den Zugang zu hochwertiger Bildung zu erweitern, insbesondere in ländlichen oder abgelegenen Gebieten, in denen es an qualifizierten Lehrern mangelt. Durch die Nutzung von KI können Schulen und Universitäten ihren Schülern eine breite Palette von Kursen und Lernressourcen anbieten, ohne dass sie auf die Anwesenheit von speziell ausgebildeten Fachlehrern angewiesen sind.

KI in der Bildung ist jedoch nicht ohne Bedenken. Die am häufigsten geäusserten Bedenken sind die Qualität der KI-generierten Inhalte, die Fähigkeit der Schüler, zwischen KI- und menschlich generierten Inhalten zu unterscheiden, und die Auswirkungen auf den Datenschutz. Bedenken wurden auch über die Möglichkeit geäussert, dass KI-basierte Systeme die menschliche Interaktion ersetzen und so die sozialen und emotionalen Aspekte des Lernens untergraben könnten.

Aber die Chancen überwiegen vielleicht die Bedenken. Die Autoren des Berichts weisen darauf hin, dass die KI-Technologie ein mächtiges Werkzeug sein kann, um Lernmöglichkeiten für alle Schüler zu erweitern, unabhängig von ihrem sozioökonomischen Status oder ihrer geografischen Lage. Sie betonen die Bedeutung der sorgfältigen Planung und Implementierung sowie die Notwendigkeit, die Auswirkungen von KI auf das Lernen kontinuierlich zu bewerten und anzupassen.

Während einige Pädagogen und Bildungsfachleute die Einführung von KI im Klassenzimmer begrüssen, sind andere besorgt, dass diese Technologie die Qualität der Bildung und die menschliche Interaktion im Lernprozess beeinträchtigen könnte. Die Debatte um die Nutzung von KI in der Bildung wird wahrscheinlich weitergehen, und es bleibt abzuwarten, wie sich die Technologie in den kommenden Jahren auf das Lernen auswirken wird.

Quelle: