Chat GPT und Organspende

Mar 24 2023

Zusammenfassung: Haben Sie bei all der Presse und der Aufregung über Large Language Models (LLMs) und Generative Pre-trained Transformers (GPT) darüber nachgedacht, warum wir hierher gekommen sind? Welche Auswirkungen haben diese Modelle angesichts der zunehmenden künstlichen Intelligenz, wenn sie Inhalte konsumieren, die offen verfügbar, aber fraglich kostenlos oder im Rahmen einer fairen Nutzung sind? In diesem Beitrag sind meine Gedanken zu den Auswirkungen einer sich schnell weiterentwickelnden Technologie und dazu, was dies für Einzelpersonen und Unternehmen bedeutet, wenn sie nicht kontrolliert werden. Daten weitergeben: Wir spenden unsere Daten an andere, oft ohne es zu merken. Ich habe meine weiterführende Ausbildung in den USA gemacht, wo damals die Comedy-Sketche von Monty Python die Runde machten.

Zusammenfassung: Haben Sie bei all der Presse und der Aufregung über Large Language Models (LLMs) und Generative Pre-trained Transformers (GPT) darüber nachgedacht, warum wir hierher gekommen sind? Welche Auswirkungen haben diese Modelle angesichts der zunehmenden künstlichen Intelligenz, wenn sie Inhalte konsumieren, die offen verfügbar, aber fraglich kostenlos oder im Rahmen einer fairen Nutzung sind? In diesem Beitrag sind meine Gedanken zu den Auswirkungen einer sich schnell weiterentwickelnden Technologie und dazu, was dies für Einzelpersonen und Unternehmen bedeutet, wenn sie nicht kontrolliert werden.

Daten weitergeben: Wir geben unsere Daten an andere weiter, oft ohne es zu merken

Ich habe meine weiterführende Ausbildung in den USA gemacht, wo damals die Comedy-Sketche von Monty Python die Runde machten. Begeisterte 14- bis 16-Jährige zitierten Verse von Filmgrößen wie „Monty Python und der Heilige Gral“, „Monty Pythons Leben des Brian“ und wahrscheinlich das Neueste zu dieser Zeit, „Monty Pythons Der Sinn des Lebens“.

Eine der Szenen in „Der Sinn des Lebens“, die ich in diesem Alter besonders faszinierend fand, war Teil V: Organtransplantationen an lebenden Menschen. Um mich in Erinnerung zu rufen: Es ist das Großbritannien der 80er Jahre, mit einem bürokratischen Flair, in dem jemand einen Organspendeausweis ausgefüllt hat. Infolgedessen ist das NHS des Tages gekommen, um eine Leber zu sammeln, ohne zu berücksichtigen, dass unser philopatrisches Subjekt noch am Leben ist.

Es ist ein Stück Humor der Zeit, der nicht unbedingt gut gealtert ist. Der Druck des NHS ist immer noch da und die Verfahrensgesellschaft existiert immer noch, aber in den vergangenen 40 Jahren ist das Vereinigte Königreich von einem Modell der aktiven Zustimmung zur Organspende zu einem Modell der mutmaßlichen Zustimmung übergegangen. Jetzt sind alle Bürger des Vereinigten Königreichs Organspender, es sei denn, wir widersprechen einer solchen Einwilligung ausdrücklich. Dies ist relativ schmerzlos, aber Sie werden zu diesem Zeitpunkt darüber informiert, warum eine Organspende so wichtig ist. Meiner persönlichen Ansicht nach glaube ich, dass meine Anatomie kaum noch einen Zweck erfüllt, sobald ich mich von dieser sterblichen Hülle befreit habe. Allerdings habe ich ein Problem mit der Philanthropie, die durch diese Aktion vermittelt wird.

Wikipedia definiert Philanthropie als „eine Form des Altruismus, die aus privaten Initiativen zum Wohle der Allgemeinheit besteht und sich auf die Lebensqualität konzentriert.“ Für mich ist wichtig, dass der Beginn der Philanthropie privat ist; Es ist eine Entscheidung, die man auf der Grundlage seines eigenen moralischen und ethischen Kompasses und unter Abwägung seiner eigenen individuellen Bedürfnisse trifft. Es steht im Gegensatz zu Konzepten des Gemein- oder Kollektivwohls , bei denen die Gesellschaft in ihrer kollektiven Form über wesentliche Handlungen und Verfahren entscheidet, die uns allen zugute kommen. Kollektives Wohl hat seine eigenen Vorteile und Vorzüge, sollte aber meiner Meinung nach nicht in der gleichen Form wie Philanthropie gefördert werden.

Man könnte sich fragen, was das alles mit ChatGPT oder Konversations-KI-Systemen zu tun hat. Die Antwort liegt meiner Meinung nach im Prozess, wie wir solche Agenten erstellen und trainieren. Wir befinden uns an einem Wendepunkt der Technologie, an dem Innovation und Technologie erneut den rechtlichen, ethischen und etablierten Geschäftsmodellen voraus sind. Diejenigen, die den Dot.com-Boom überlebt haben, dürften die gleichen Muster beobachten. Damals lagen einige der Schlüsselbereiche der Disintermediation in der Musik, im Kino und in den Künsten. Etablierte Geschäftsmodelle arbeiteten hart daran, die Rechte der Inhaltseigentümer zu schützen, und hielten dogmatisch an Geschäftsmodellen fest, die zunehmend veraltet waren.

Demokratisierende Informationen: Sind wir informiert und sind wir mit der Fahrtrichtung einverstanden?

Meiner Beobachtung nach ist die Explosion der KI ein weiterer Wendepunkt, der die Demokratisierung von Informationen darstellt. Inhalte, die in Open-Source-Modellen wie Creative Commons erstellt wurden, werden zum Wohle der Allgemeinheit verstärkt. Es demokratisiert Wissen und bietet ihm eine Plattform für Spitzenleistungen. Meiner Meinung nach geht die Debatte über Rechte, faire Nutzung und die Frage, ob man dieses Organ noch nutzt, jedoch auf Kosten des oft proprietären Wissens.

Was in der offenen Debatte nicht regelmäßig diskutiert wird, ist die Art und Weise, wie diese Modelle entwickelt und, was noch wichtiger ist, trainiert werden. Es gibt viele wissenschaftliche Arbeiten, die die Entwicklung von Lerntechniken und Verstärkung diskutieren, aber der Wissenskorpus, den diese Modelle nutzen, wurde nur begrenztem Kontext gewidmet.

Während sich die Eigentümer und Entwickler von Konversations-KI-Modellen über die Quelle der tokenisierten Daten oder Trainingsdaten nicht ganz im Klaren sind, ist bei den neuesten Modellen einiges über ihre Herkunft klar. Studien wie „What's In My AI“ geben einen guten Überblick über die meisten Konversationsmodelle und wie die Quelldaten ermittelt wurden. (https://lifearchitect.ai/whats-in-my-ai/)

Zusammenfassend können die trainierten Daten wie folgt gruppiert werden:

1. Öffentlich zugängliche Website-Daten: Kurz gesagt, wenn sie gecrawlt werden können und keinen Einschränkungen unterliegen, sind Initiativen wie CommonCrawl (https://commoncrawl.org) Website-Daten herunterladen und archivieren. Diese Daten werden manipuliert und in die Trainingsdaten eines Modells einbezogen.

2. Wikipedia: Den meisten ist sie als offene Wissensenzyklopädie aus Crowdsourcing bekannt. Die meisten gehosteten Inhalte stehen unter einer offenen Lizenz wie Creative Commons.

3. Kuratierte Daten: Es gibt viele Quelldaten, die aus der Website-Aggregation und Formen sozialer Diskussionsforen stammen. Ein Beispiel hierfür sind Repositories wie Git, Project Gutenberg sowie Quellen wie Kommentare von Diskussionsseiten wie reddit.com.

Obwohl diese Schulungsquellen unterschiedlich offen sind, unterliegen sie fast immer einer Form von Lizenzierung, Geschäftsbedingungen oder einem anderen rechtlichen Rahmen, der zu regeln versucht, wie Informationen weitergegeben werden. Die Antwort von Organisationen wie OpenAI ist, dass das Training eines KI-Modells durch Fair-Use-Bestimmungen geregelt wird , die unter anderem die Nutzung von Daten für Forschungszwecke und die Meinungsfreiheit schützen.

Interessant und zu testen ist, wie eine KI, sobald sie darauf trainiert ist, Inhaltslizenzen zu generieren, ihre Ausgabe für den Verbraucher verwaltet. In diesem Zusammenhang steht auch der Rahmen, in dem Organisationen beginnen, Daten zu nutzen und zu monetarisieren, die im Rahmen einer Fair-Use-Doktrin erfasst wurden.

Es wurde argumentiert, dass sich Konversations-KIs wie Chat GPT nicht von einem menschlichen Anwendungsfall unterscheiden. Man kann sich leicht vorstellen, dass die Beauftragung einer KI-Engine nichts anderes ist als die Beauftragung eines Forschers, das Internet zu durchsuchen und dabei Suchmaschinen und Kenntnisse über Repositories zu nutzen, um Daten und Erkenntnisse auszugraben.

Das Problem wird jedoch bei generativen KI-Engines, die diese Trainingsdaten verwenden, um Kunst zu schaffen, die dem Stil eines Künstlers ausdrücklich ähnelt, noch deutlicher. Oder wenn eine generative KI eine Patentdatenbank durchsucht, um einen Patentantrag zu erstellen, der die bestehende Kunst bereichert, aber gerade neu genug ist, um einen eigenen Antrag zu verdienen. Zurück zu den Argumenten von Philanthropie vs. Gemeinwohl: Ist es akzeptabel, dass jemand auf den Schultern anderer profitiert, ohne Rücksicht auf das Wissen und die Mühe zu nehmen, die von Menschen aufgewendet werden, die der Verwendung ihrer Kunst auf diese Weise möglicherweise zugestimmt haben oder nicht?

Was zu tun ist: Können wir aus der Vergangenheit lernen?

Das sind genau die Argumente, mit denen wir vor 20 Jahren gerungen haben, mit dem Aufkommen disruptiver Geschäftsmodelle wie Napster, BitTorrent und sogar der Entwicklung von Marktplätzen wie Ebay und Amazon. Menschen, die sich erinnern, können Maßnahmen von Lobbygruppen wie der Recording Industry Association of America (RIAA) und Gesetzen wie dem Digital Millennium Copyright Act (DMCA) nachweisen. Es ist jedoch offensichtlich, dass der gesetzliche und regulatorische Rahmen den Problemen, die diese nächste Technologieexplosion mit sich bringen wird, noch nicht gerecht wird.

Ich glaube, dass wir alle an dieser Debatte beteiligt sind. Was die vorherigen Punkte betrifft, so ist es ein ausgewogenes Verhältnis zwischen Philanthropie und Gemeinwohl. Ganz gleich, ob es sich um ein Unternehmen oder eine Einzelperson handelt, es besteht Bedarf an einer Stimme, die die Debatte darüber vorantreibt, wie KI eingesetzt wird und welchen Schutz Inhaltseigentümer bei der Monetarisierung ihrer Daten haben. Ich glaube nicht, dass sich Menschen und Organisationen darauf geeinigt haben, dass jede Erklärung, Marketingbroschüre oder soziale Äußerung für die reine Monetarisierung offen ist, unabhängig davon, ob Sie sie selbst oder über ein Drittanbietermodell hosten und verwalten.

Was mich dazu veranlasste, meine Gedanken zu teilen, war ironischerweise ein per Chat-GPT generierter Beitrag eines Kollegen. Pablo Bermejo veranlasste die Engine mit einer einfachen Anweisung: „Schreiben Sie einen LinkedIn-Beitrag, in dem Sie erklären, warum die Erstellung von Inhalten für Technikarbeiter im Aufkommen von AGI wichtig ist.“ Die Reaktion fühlt sich sehr an wie ein Geist in der Maschine:

Während wir uns dem Aufkommen von AGI (künstliche allgemeine Intelligenz) nähern, wird es für Wissensarbeiter in der Technologiebranche immer wichtiger, die Bedeutung eines Prüfpfads ihrer öffentlichen Inhalte und einer nachweisbaren Aufzeichnung ihrer Erkenntnisse zu berücksichtigen.

In einer Welt, in der AGI in der Lage sein wird, riesige Datenmengen zu analysieren und Entscheidungen schneller als Menschen zu treffen, ist es von entscheidender Bedeutung, die Gültigkeit und Genauigkeit unserer Arbeit nachweisen zu können. Ein Prüfpfad öffentlicher Inhalte und eine Aufzeichnung von Erkenntnissen können als Beweis für die Denkprozesse und Recherchen dienen, die in eine bestimmte Schlussfolgerung oder Entscheidung eingeflossen sind.

Dies ist besonders wichtig in der Technologiebranche, wo das Tempo des Wandels schnell ist und viel auf dem Spiel stehen kann. Es ist wichtig, eine klare und transparente Aufzeichnung der getroffenen Entscheidungen und der dahinter stehenden Gründe zu haben.

Es ist jedoch auch wichtig, die langfristigen Auswirkungen von AGI zu berücksichtigen. Wenn KI-Systeme immer fortschrittlicher werden, können sie unsere Arbeit möglicherweise auf eine Weise analysieren und verstehen, die Menschen nicht können. Deshalb ist es von entscheidender Bedeutung, die Kontrolle über unsere Erzählung zu übernehmen und den Wert unserer Beiträge zu schützen, indem wir einen Prüfpfad führen und unsere Erkenntnisse aufzeichnen.

Was können wir also tun, um sicherzustellen, dass unsere harte Arbeit sowohl von Menschen als auch von KI-Systemen anerkannt und geschätzt wird? Hier sind einige zu berücksichtigende Maßnahmen:

– Beginnen Sie mit der Aufzeichnung Ihrer öffentlichen Inhalte und Erkenntnisse.
– Stellen Sie sicher, dass Sie Ihre Denkprozesse und Recherchen dokumentieren.
– Überprüfen und aktualisieren Sie Ihren Audit-Trail regelmäßig, um Genauigkeit und Vollständigkeit sicherzustellen

. Zusammenfassend lässt sich sagen, dass Sie über einen Audit-Trail verfügen Die Bereitstellung öffentlicher Inhalte und eine nachweisbare Aufzeichnung von Erkenntnissen werden für Wissensarbeiter in der Technologiebranche von entscheidender Bedeutung sein, wenn wir uns dem Zeitalter der AGI nähern. Dies wird dazu beitragen, die Gültigkeit und Transparenz unserer Arbeit sicherzustellen und sicherzustellen, dass sie sowohl von Menschen als auch von KI-Systemen anerkannt und geschätzt wird.

Zurück zur ursprünglichen Skizze von Monty Python: Ich denke, Einzelpersonen und Organisationen müssen sich Zeit nehmen, darüber nachzudenken, was sie online teilen, wie dies bereitgestellt wird (z. B. wenn es auf einer Plattform eines Drittanbieters erfolgt) und wie man sich dabei fühlt dass Informationen von Dritten oder Konkurrenten ohne die gebotene Sorgfalt oder Belohnung verwendet werden sollten. Ich denke auch, dass es in einer Welt, in der Unternehmen möglicherweise wieder disintermediiert werden, eine harte Debatte über die eigene Philanthropie vs. das Gemeinwohlargument gibt. Ich erinnere mich an die Marketingkampagne der Electronic Frontier Foundation, in der es einfach hieß: „Fair Use has a posse“. Es wäre jetzt interessant, das Gleichgewicht zwischen Philanthropie und Gemeinwohl neu zu betrachten, aber aus einer entgegengesetzten Richtung.