Wie kann man KI dazu bringen, komplexe Probleme zu verstehen?

Es ist leichter gesagt als getan, KI dazu zu bringen, komplexe Probleme zu verstehen. Bei der Fehlersuche in ChatGPT bin ich kürzlich auf ein interessantes Phänomen gestoßen: Die Qualität der Antwort auf dieselbe Frage kann, wenn sie auf unterschiedliche Weise gestellt wird, sehr unterschiedlich ausfallen. Wenn man zum Beispiel fragt, wie man die Quantenmechanik versteht, kann die KI einen Haufen obskurer und schwer verständlicher Terminologie liefern; ändert man die Frage jedoch in "Können Sie die Quantenmechanik am Beispiel des Kaffeekochens erklären", wird die Antwort sofort anschaulich und interessant. Dadurch wurde mir klar, dass die Obergrenze der KI-Verständnisfähigkeit bis zu einem gewissen Grad von der Kunst des Fragenstellens abhängt.

Die Kunst des Problemlösens

Eine von OpenAI im letzten Jahr veröffentlichte Fallstudie zeigt, dass die Genauigkeit der KI-Antworten um 63% zunimmt, wenn die Nutzer eine große Frage wie "Wie gründet man ein Unternehmen" in 5-7 spezifische Unterfragen wie "Wie prüft man eine Geschäftsidee" und "Wie schreibt man einen Geschäftsplan" aufschlüsseln. "Das ist so, als würde man Kindern beibringen, wie man mit Bauklötzen baut. Anstatt ihnen eine Anleitung zu geben, wie man eine ganze Burg auf einmal baut, sollten wir ihnen beibringen, wie man die Mauern, Türme und Zugbrücken Schritt für Schritt baut. In der Praxis habe ich auch festgestellt, dass es oft zu einem strukturierteren Ergebnis führt, wenn man der KI einen klaren Denkrahmen vorgibt, z. B. "Bitte antworten Sie entsprechend der Struktur von Grund, Status und Lösung".

Es gibt jedoch auch einen Grund, das Problem aufzuschlüsseln. Ein Experiment des MIT Media Lab hat gezeigt, dass eine zu detaillierte Aufschlüsselung des Problems die Fähigkeit der KI, das Problem zu verstehen, beeinträchtigt. Wenn man zum Beispiel die Frage "Wie schreibe ich einen Roman?" in "Wie schreibe ich den ersten Satz des ersten Absatzes des ersten Kapitels? Die ideale Zerlegung sollte wie das Schälen einer Zwiebel sein, wobei man sich Schicht für Schicht dem Kern nähert, aber jede Schicht sollte eine vollständige Logik aufweisen.

Die Macht des Kontextes

Forscher von Google DeepMind haben herausgefunden, dass das Verständnis der KI um mehr als 40% verbessert werden kann, wenn sie mit dem richtigen Kontext versorgt wird. Wenn Sie z. B. fragen, "wie man Teamkonflikte löst", und hinzufügen, "wir sind ein Remote-Startup-Team mit Mitgliedern aus fünf verschiedenen Zeitzonen", wird die KI viel spezifischere Ratschläge geben. Das erinnert mich an einen Fall, bei dem ich letzte Woche einem Freund mit KI geholfen habe: Auf die Frage "Was ist, wenn mein Kind nicht gerne lernt?" bekam ich nur allgemeine Antworten, aber wenn ich Details hinzufügte wie "Mein Kind ist 12 Jahre alt, süchtig nach kurzen Videos und besonders resistent gegen Mathe", war der Rat sofort umsetzbar. Die Ratschläge werden sofort umsetzbar.

Interessant ist, dass mehr Kontext nicht besser ist. Die HCI-Forschung der Stanford University zeigt, dass kontextbezogene Beschreibungen von mehr als 500 Wörtern die KI davon ablenken können, auf den Punkt zu kommen. Am besten beginnt man mit 1 bis 2 Sätzen, die die Kernfrage beschreiben, dann folgen 3 bis 5 Aufzählungspunkte, die den wichtigsten Kontext liefern, und schließlich wird die gewünschte Form der Antwort deutlich.

Die Magie der Rückkopplungsschleifen

Was mich am meisten überrascht hat, war die Fähigkeit der KI, in Echtzeit zu lernen. Die Forschung von Anthropic zeigt, dass die Genauigkeit von Claude beim Verstehen komplexer Fragen durch 3 bis 5 Runden Dialog-Feedback von anfänglich 58% auf 89% verbessert werden kann. Wenn zum Beispiel die erste Antwort nicht zufriedenstellend ist und es heißt "Diese Erklärung ist immer noch zu professionell, können Sie ein lebensechteres Beispiel verwenden", passt die KI den Ausdruck wirklich an. Die KI wird den Ausdruck wirklich anpassen. Ich verwende oft diese Methode der "progressiven Befragung", als ob ich mit einem intelligenten Assistenten spreche, aber ich muss den Assistenten lenken, jedes Feedback richtet unseren Denkkanal aus.

Beachten Sie jedoch, dass das Feedback spezifisch sein muss. Anstatt zu sagen: "Ich verstehe nicht", sollten Sie darauf hinweisen, dass "die Ursache-Wirkungs-Beziehung in Schritt 3 nicht ganz klar ist"; die KI ist wie ein ernsthafter Schüler: Je spezifischer Sie ihr Anweisungen geben, desto schneller lernt sie. Als ich mich kürzlich mit einem Problem zur Optimierung der Versorgungskette befasste, war die endgültige Lösung, die ich nach vier Runden gezielten Feedbacks erhielt, viel ausgefeilter als die erste Version.

Die KI dazu zu bringen, komplexe Probleme zu verstehen, bedeutet letztlich, unsere Fähigkeit, klar zu denken, zu trainieren. Jeder Dialog mit der KI ist ein Spiegel für die Unklarheiten und Sprünge in unserer eigenen Ausdrucksweise. Vielleicht wird eines Tages, wenn die KI alle komplexen Probleme problemlos verstehen kann, unsere menschliche Denkweise dadurch klarer und organisierter werden.