Der Volkswirt und Theologie Didier Erne hat eine hilfreiche Einführung zur Künstlichen Intelligenz verfasst. Er berücksichtigt dabei sowohl die Lehre der Schöpfung als auch die Lehre der Sünde. Er schreibt (Hervorhebungen von mir):
Was ist Künstliche Intelligenz?
Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich mit der Entwicklung von Algorithmen und Modellen beschäftigt, die Computern ermöglichen, Aufgaben zu erledigen, die normalerweise menschliche Intelligenz erfordern. Diese Aufgaben gehen weit über das bloße Ausführen von Anweisungen in vorgegebenen Codes hinaus. KI-Systeme können Texte analysieren, Bilder erkennen, Sprachmuster verstehen und sogar eigenständige Entscheidungen treffen – oder zumindest den Anschein davon erwecken. Begriffe wie Verstehen, Erkennen oder Entscheidenstammen dabei ursprünglich aus der menschlichen Erfahrung und werden metaphorisch auf Computer übertragen. Doch was steckt dahinter?
Ein zentraler Bestandteil der KI ist das maschinelle Lernen, das Algorithmen umfasst, welche es Computern ermöglichen, aus Daten zu lernen und Muster zu erkennen. Durch Erfahrung verbessern sich diese Algorithmen kontinuierlich und können Vorhersagen machen oder Entscheidungen treffen, ohne dass eine explizite Programmierung erforderlich ist. Ein besonders eindrucksvolles Beispiel für diese Fähigkeit ist die Sprachverarbeitung, bei der Computer in der Lage sind, menschliche Sprache zu analysieren, zu verstehen und sogar selbst zu generieren. Durch ChatGPT von OpenAI wurde dieser Aspekt der KI in den letzten Jahren der breiten Masse zugänglich gemacht.
…
Wie arbeitet Künstliche Intelligenz?
… IT-Unternehmen verfügen über riesige Datenmengen, die aus verschiedenen Quellen stammen, darunter Text- und Sprachnachrichten, Bilder und Videomaterial. Diese Daten sind entscheidend für das Training und die Verbesserung von KI-Modellen. Mithilfe von leistungsstarken Rechenzentren und fortschrittlichen Algorithmen analysieren sie die gesammelten Daten, um wiederkehrende Muster und allgemeine Strukturen zu erkennen. Diese Analysen ermöglichen es den Unternehmen, ihre Dienste zu verbessern und neue Anwendungen zu entwickeln. Beispiele hierfür umfassen personalisierte Empfehlungen, automatisierte Übersetzungen sowie fortschrittliche Bilderkennungssysteme und die KI-gestützte Generierung von Videos auf Grundlage textbasierter Anweisungen, auch bekannt als Prompts, die in natürlicher Sprache formuliert werden. Die Fortschritte im maschinellen Lernen und in der KI haben das Potenzial, viele Bereiche unseres Lebens zu revolutionieren – von der Medizin über den Transport bis hin zur Unterhaltung.
In diesem Kontext kann Künstliche Intelligenz als eine Form der angewandten Statistik angesehen werden, bei der die Wahrscheinlichkeiten von Sequenzen von Wörtern oder allgemein von Mustern berechnet werden. Im Bereich der Sprachverarbeitung werden beispielsweise Wahrscheinlichkeiten von Worten oder Wortgruppen ausgerechnet, um Muster in der menschlichen Sprache zu erkennen. Bei der Analyse von Bildern und Videos werden Cluster (Strukturen mit ähnlichen Eigenschaften) von Pixeln identifiziert, die sich mit vorhersehbarer Wahrscheinlichkeit in bestimmten Mustern anordnen.
Diese Mustererkennung basiert auf der Tatsache, dass Menschen häufig ähnliche Aussagen treffen, ähnlich reagieren oder ähnliche Antworten auf Fragen geben und dass Bilder von Landschaften, Gesichtern usw. viele Ähnlichkeiten aufweisen. KI-Modelle nutzen große Datenmengen, um diese Muster zu erkennen und zu verallgemeinern. Durch das Training an umfangreichen Datensätzen können die Algorithmen lernen, neue, unbekannte Daten zu interpretieren und Vorhersagen zu treffen.
Strukturen und Muster in Gottes Schöpfung und im menschlichen Verhalten
Gottes Schöpfung zeigt uns, dass Ordnung und Muster in der Natur eine fundamentale Rolle spielen. So finden wir in der Natur eine Vielzahl von Mustern, die sich wiederholen und somit den Menschen helfen, Gottes Schöpfung zu verstehen. Auch der Mensch selbst lebt in einem Rahmen von Gewohnheiten und mustergemäßen Verhaltensweisen. Schon bei der Schöpfungsgeschichte wird uns dies beispielsweise gezeigt, als Gott die Tiere zu Adam brachte, damit er sie benennen würde (1Mos 2,19). Die Namen, die Adam den Tierarten gab, spiegelten nicht nur ihre äußeren Eigenschaften wider, sondern auch ihre Charaktereigenschaften.[2] Die Anzahl dieser Wesenseigenschaften war sicherlich sehr groß, aber für den ersten Menschen immer noch überschaubar.
Unsere Sprache verfügt über eine enorme, aber dennoch begrenzte Anzahl von Wörtern sowie eine Vielzahl möglicher, aber auch sinnvoller Sätze. Das meiste, was wir in unserem Leben sagen oder tun, folgt einer überschaubaren Anzahl von Ideen, Satz-Strukturen und Verhaltensweisen. Selbst ohne technische Hilfsmittel ist es keine Unmöglichkeit, durch systematische Beobachtung nach einer gewissen Zeit das Verhalten, die Ausdrucksweise oder die Präferenzen eines anderen Menschen mit einer gewissen Wahrscheinlichkeit vorherzusagen. Wir sind in gewissem Maße alle Geschöpfe der Gewohnheit.
Dank der kostenlosen Plattformen sozialer Netzwerke wie Facebook, WhatsApp und anderen haben jene Unternehmen nun Zugang zu digitalisierten menschlichen Verhaltensweisen in Form von Nachrichten, Fotos und Videos. Die enorme Menge an Informationen, die die Internet-Generation durch Chats, Blog-Beiträge und andere Formen ausgetauscht hat, ist beeindruckend. Diese Informationen sind zwar nicht restlos vollständig, aber groß genug, um klare Strukturen dank der Kraft der Gewohnheit und der sozialen Konventionen im Ausdruck, im Verhalten und im Denken zu erkennen.
Die festen Gewohnheiten, die in unserem Verhalten zu entdecken sind, haben zwei Gründe. Erstens, unsere begrenzte menschliche Natur schränkt uns in diesem Sinne ein. Wir können uns nicht unendlich verändern, sondern wir haben einen festen Charakter und Gewohnheiten. Wir können vielseitig und spontan sein, aber wir sind nie völlig unberechenbar. Diese Beschränktheit hat zweitens auch eine moralische Dimension, die sich aus unserer Neigung zur Faulheit aufgrund unserer sündigen Natur ergibt.[3] Dadurch nutzen wir das ursprünglich in uns liegende Potenzial und die Vielfalt nie vollständig aus, was dazu führt, dass unsere Reden und Handlungen noch schematischer und vorhersehbarer werden.
Ich habe OpenAI zum Vorgehen der Textanalyse “gefragt”. Die Antwort:
1. Textsegmentierung (Abschnittsweise Verarbeitung)
- Der Text wird in kleinere Abschnitte oder semantische Einheiten unterteilt:
- Absätze
- Satzgruppen mit thematischem Zusammenhang
- Logische Blöcke (z. B. Einleitung, Hauptteil, Schluss)
- Dies geschieht oft automatisch anhand von Satzzeichen, Strukturmustern oder Keywords (wie „weil“, „daher“, „folglich“, „man könnte einwenden“ usw.).
➡️ Ziel: Den Text „überschaubar“ machen und Argumente lokalisiert erfassen.
🔹 2. Identifikation argumentativer Sprache
- Das Modell erkennt typische sprachliche Muster für Argumente, wie z. B.:
- Begründungen: „weil“, „denn“, „aus dem Grund, dass“, „da“
- Schlussfolgerungen: „daher“, „folglich“, „deshalb“, „somit“
- Gegenpositionen: „man könnte einwenden“, „kritisch wird gesehen“, „allerdings“
- Vergleiche und Kontraste: „im Gegensatz zu“, „während“, „stattdessen“
- Auch implizite Argumente (nicht explizit markiert) werden anhand semantischer Beziehungen und Weltwissenerkannt.
➡️ Ziel: Argumente von Beschreibungen, Fakten oder Meinungen trennen.
🔹 3. Extraktion der Argumentstruktur
- Jedes Argument wird in seiner inneren Struktur analysiert:
- These (Behauptung)
- Begründung (warum?)
- Beleg/Beispiel (wie belegt?)
- Folgerung (was ergibt sich daraus?)
- Wenn du z. B. um stichpunktartige Wiedergabe bittest, werden diese Komponenten in Listenform zusammengefasst.
➡️ Ziel: Die argumentative Logik transparent machen.
🔹 4. Reorganisation und Hierarchisierung
- Die extrahierten Argumente werden thematisch oder logisch gruppiert:
- Nach Haupt- und Nebenargumenten
- Nach Positionen (Pro/Contra)
- Nach thematischen Clustern
- Das Modell entscheidet, ob ein Argument z. B. stützend, ablehnend, differenzierend oder kommentierend ist.
➡️ Ziel: Die Argumentation wird geordnet dargestellt.
🔹 5. Transformation in Zielstruktur (z. B. stichpunktartige Liste)
- Je nach deiner Anfrage erfolgt die Ausgabe:
- Stichpunktartig, in ganzen Sätzen
- Gliedert nach Themen oder Abschnitten
- Chronologisch oder logisch aufgebaut
- Das Modell kann auch Zitate (wörtlich oder paraphrasiert) markieren, wenn du das wünschst.
➡️ Ziel: Lesbare, strukturierte, inhaltlich dichte Zusammenfassung der Argumente.
