{"id":12569,"date":"2022-05-17T07:32:00","date_gmt":"2022-05-17T05:32:00","guid":{"rendered":"https:\/\/blog.zhaw.ch\/languagematters\/?p=12569"},"modified":"2024-08-16T09:18:04","modified_gmt":"2024-08-16T07:18:04","slug":"kunstliche-intelligenz-automatisch-texten","status":"publish","type":"post","link":"https:\/\/blog.zhaw.ch\/languagematters\/2022\/05\/17\/kunstliche-intelligenz-automatisch-texten\/","title":{"rendered":"K\u00fcnstliche Intelligenz im Marketing: Kann maschinelles Lernen das kreative Veto brechen?"},"content":{"rendered":"\n

Hand aufs Herz: Wie viele Menschen haben heute noch die Zeit, sich kreativ mit ihren Marketingkampagnen zu besch\u00e4ftigen? Bei Tausenden von E-Mails und DMs, die gelesen werden m\u00fcssen, oder Social-Media-Updates und anderer Korrespondenz, durch die man sich durchw\u00fchlen muss, war die Herausforderung, die Arbeitslast zu bew\u00e4ltigen, noch nie so gross wie heute.<\/strong><\/p>\n\n\n\n

Autor: Samuel L\u00e4ubli, Chief Technology Officer bei Textshuttle<\/a> und ehemaliger operativer Leiter der Professur Mensch-Maschine-Kommunikation<\/a><\/p>\n\n\n\n

Sie lesen immer noch? Dann hat es sich wohl gelohnt, dass ich mein \u00abkreatives Veto\u00bb nicht gebrochen und die Vorschl\u00e4ge eines auf k\u00fcnstlicher Intelligenz basierenden Online-Dienstes verwendet habe, um den Titel und den ersten Absatz dieses Blogposts zu erstellen. Titel und Teaser sind vollst\u00e4ndig maschinell generiert.<\/p>\n\n\n\n

Grosse Sprachmodelle und riesige Datenmengen als Basis<\/h2>\n\n\n\n

Das Prinzip hinter Tools, die automatisch Texte generieren, ist erstaunlich einfach und eigentlich immer das gleiche. Sie werden mit Unmengen von im Internet auffindbaren Texten \u00abtrainiert\u00bb. Der Trainingsvorgang ist im Wesentlichen ein Ratespiel: Ich zeige dir eine Folge von W\u00f6rtern (einen sogenannten \u00abPrompt\u00bb), du nennst mir eine sprachlich fl\u00fcssige Fortsetzung. Das sieht zum Beispiel so aus:<\/p>\n\n\n\n

Prompt:<\/td>Morgenstund hat<\/td><\/tr>
Fortsetzung:<\/td>Gold im Mund.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Mit diesem Ratespiel trainiert man ein \u00abSprachmodell\u00bb. Dieses ist anf\u00e4nglich irrsinnig ahnungslos und reagiert auf Prompts mit zuf\u00e4lligen W\u00f6rtern:<\/p>\n\n\n\n

Prompt:<\/td>Morgenstund hat<\/td><\/tr>
Fortsetzung (untrainiert):<\/td>Biber kalt ins bist.<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n
\n
\"Samuel
Samuel L\u00e4ubli, operativer Leiter der Professur Mensch-Maschine-Kommunikation am IUED Institut f\u00fcr \u00dcbersetzen und Dolmetschen<\/figcaption><\/figure>\n<\/div>\n\n\n

Beim Trainieren wird dem Sprachmodell nach und nach beigebracht, was wahrscheinliche Fortsetzungen f\u00fcr einen gegebenen Prompt sind. Daf\u00fcr reichen S\u00e4tze aus dem Internet, die man automatisch in einen Prompt und eine Fortsetzung zerschneiden kann. Aus dem Satz \u00abMorgenstund hat Gold im Mund.\u00bb lassen sich beispielsweise die Prompt-Fortsetzungs-Paare \u00abMorgenstund\u00bb\u2013\u00abhat Gold im Mund.\u00bb, \u00abMorgenstund hat\u00bb\u2013\u00abGold im Mund.\u00bb usw. formen. Der Trainingsvorgang ist nichts anderes, als dem anf\u00e4nglich ahnungslosen Sprachmodell Fortsetzungen auf Prompts zu zeigen und es damit immer mehr in die richtige Richtung zu lenken im Sinne von: \u00abNein, auf \u2039Morgenstund hat\u203a folgt nicht \u2039Biber\u203a, sondern \u2039Gold\u203a\u00bb.<\/p>\n\n\n\n

Der Trainingsvorgang erfolgt automatisiert, auf Hochleistungscomputern, mit Milliarden von S\u00e4tzen. Das erkl\u00e4rt auch, wieso grosse Sprachmodelle wie GPT-3<\/a> auf Prompts wie \u00abMorgenstund hat\u00bb nicht einzig die Fortsetzung \u00abGold im Mund\u00bb produzieren k\u00f6nnen. In den Weiten des Internets finden sich zahlreiche andere S\u00e4tze mit diesem Anfang \u2013 der 3,99-Euro-Vampir-Roman \u00abMorgenstund hat Blut im Mund<\/a>\u00bb und ein mit \u00abMorgenstund hat Kaffee im Mund?<\/a>\u00bb betitelter Zeitungsartikel \u00fcber das Fr\u00fchst\u00fcck im Zeitalter des Rokoko sind nur zwei von vielen Beispielen.<\/p>\n\n\n\n

Mehrwert f\u00fcr kreatives Texten?<\/h2>\n\n\n\n

Sprachmodelle lassen sich f\u00fcr bestimmte Aufgaben spezialisieren. Online-Dienste wie copy.ai<\/a> oder Jasper<\/a>, die solche Spezialisierungen (\u00abFinetunings\u00bb) f\u00fcr Marketing-Texte durchf\u00fchren, schiessen im Wettlauf um Marktanteile gerade wie Pilze aus dem Boden. Auf den entsprechenden Plattformen w\u00e4hlt man eine zu generierende Textkategorie aus und erh\u00e4lt nach Eingabe eines Prompts verschiedene Vorschl\u00e4ge. Auf copy.ai sieht das beispielsweise so aus:<\/p>\n\n\n\n

\"\"
Eingabe in copy.ai: Man w\u00e4hlt eine Textkategorie, eine Tonalit\u00e4t, beschreibt den Inhalt des zu erstellenden Textteils und das Tool generiert daraus mit Hilfe k\u00fcnstlicher Intelligenz einen Text<\/figcaption><\/figure>\n\n\n\n

Das Potenzial von automatisch generierten Texten besteht heute weniger im Ersatz als vielmehr in der Unterst\u00fctzung von professionellen Texter:innen. Zum einen in Punkto Geschwindigkeit: Im ersten Absatz dieses Artikels habe ich zwei W\u00f6rter nachbearbeitet, den Rest habe ich ohne \u00c4nderungen von copy.ai \u00fcbernommen. Zum andern in der F\u00f6rderung von Ideen: Auf das \u00abkreative Veto\u00bb im Titel dieses Artikels w\u00e4re ich ziemlich sicher nie gekommen. Dass ich f\u00fcr diese Idee neun weitere, zum Teil unbrauchbare Titelvorschl\u00e4ge durchlesen musste, hat mich wenig gest\u00f6rt. Selbst auf eine \u00e4hnlich kreative Idee zu kommen, h\u00e4tte mich vermutlich mehr Zeit gekostet.<\/p>\n\n\n\n

K\u00fcnstliche Intelligenz beim Texten im zuk\u00fcnftigen Berufsalltag von Sprachprofis<\/h2>\n\n\n\n

Auch wenn Textgenerierungsdienste bei Sprachprofis im Marketing oder Journalismus heute noch auf gewisse Skepsis stossen<\/a>, werden sie mit hoher Wahrscheinlichkeit Teil ihres Berufsalltags werden. Verwandte Berufsfelder wie die professionelle \u00dcbersetzung haben diesen Wandel schon durchgemacht: Die Nachbearbeitung von automatisch generierten \u00dcbersetzungen, sogenanntes Post-editing, ist im Berufsalltag von \u00dcbersetzer:innen bereits heute der Normalfall<\/a>. Dass die Konfrontation mit einer von vielen m\u00f6glichen \u00dcbersetzungsvarianten \u00dcbersetzungsprofis beim Texten zum schnelleren und gezielteren Handeln anregt, haben wir am IUED Institut f\u00fcr \u00dcbersetzen und Dolmetschen<\/a> der ZHAW bereits 2013 in einer Studie<\/a> beobachtet. Wenn \u00dcbersetzer:innen auf einem \u00ableeren Blatt\u00bb von Grund auf Varianten selbst formulieren und \u2013 im Sinne des eigenen \u00abkreativen Vetos\u00bb \u2013 wieder verwerfen, ist das selbst bei anspruchsvollen Texten weniger effizient.<\/p>\n\n\n\n

Die Arbeit ver\u00e4ndert sich<\/h2>\n\n\n\n

Braucht es in Zukunft also keine menschlichen Sprachtalente mehr, die kreativ Texten? Keineswegs. Ihre Arbeit aber wird sich vom reinen Schreiben vermehrt zum Ausw\u00e4hlen, Kombinieren und Optimieren von maschinell generierten Vorschl\u00e4gen bewegen. Am ZHAW Department Angewandte Linguistik<\/a> bereiten wir unsere Studierenden schon heute darauf vor: Etwa mit dem Vermitteln von Programmierkenntnissen<\/a> f\u00fcr Linguist:innen, damit diese selbst \u00abFinetunings\u00bb an Sprachmodellen vornehmen k\u00f6nnen. Und auch in der Forschung<\/a> setzen wir uns aktiv mit dem Thema digitale Schreibunterst\u00fctzung auseinander.<\/p>\n\n\n\n

Arbeit gibt es dabei mehr als genug. Denn: Automatisch generierte Textvorschl\u00e4ge sind heute nicht selten diskriminierend, weil minderheitenfeindliche Texte eben auch oft im Internet anzutreffen sind \u2013 stochastische Papageien<\/a> wie GPT-3 plappern sie munter nach. Selbst regionale Sprachregeln und \u2011konventionen werden von grossen Sprachmodellen noch oft ignoriert: <\/p>\n\n\n\n

\"\"
Durch den Online-Dienst copy.ai automatisch generierter Text. <\/figcaption><\/figure>\n\n\n\n

Das \u00ab\u00df\u00bb im Vorschlag von copy.ai musste ich f\u00fcr den ersten Absatz dieses Artikels auf den Schweizer Kontext hin selber mit \u00abss\u00bb ersetzen. Auch inhaltlich k\u00f6nnte man diesen ersten Absatz noch griffiger machen, wie die erfahrene Redakteurin dieses Beitrags wohl zurecht anmerkte. Etwa mit einem Nutzenversprechen des Beitrags statt einer doch recht trivialen Aneinanderreihung von Binsenwahrheiten.<\/p>\n\n\n\n

\n\n\n\n

Mehr zum Thema<\/h2>\n\n\n\n