Double Espresso: Was ist eigentlich ein KI-Modell?

Was ist eigentlich ein KI-Modell?

Kaum ein Wort fällt in Meldungen über künstliche Intelligenz so oft wie dieses: Modell. Ein Unternehmen hat ein neues Modell veröffentlicht. Ein Modell wurde trainiert, getestet, verglichen oder gesperrt. Nur: Was genau ist dieses Ding? Und, fast noch wichtiger, was gehört eigentlich nicht dazu?

Fangen wir beim Kern an. Ein Modell ist der Teil eines KI-Systems, der aus einer Eingabe eine Ausgabe macht. Etwas geht hinein, etwas kommt heraus. Eine E-Mail geht hinein, eine Einschätzung kommt heraus: Spam oder nicht. Ein Textanfang geht hinein, eine Fortsetzung kommt heraus. Hörgewohnheiten gehen hinein, ein Songvorschlag kommt heraus. Wetterdaten gehen hinein, eine Regenwahrscheinlichkeit kommt heraus. So nüchtern das klingt: Das ist die Grundidee. Alles Weitere ist die Frage, woher diese Zuordnung stammt.

Künstliche Intelligenz ist der Oberbegriff. Maschinelles Lernen ist eine besonders erfolgreiche Art, sie zu bauen — aber nicht die einzige. Es gibt auch wissensbasierte KI-Systeme, deren Regeln und Wissen Menschen von Hand festgelegt haben. Nicht jedes gewöhnliche Regelprogramm ist deshalb schon KI, und nicht alles, was KI heißt, hat aus Daten gelernt.

Den Unterschied kann man an etwas zeigen, das die meisten von uns täglich benutzen, ohne darüber nachzudenken: am Spamfilter.

Eine klassische Bauweise beginnt mit Regeln, die jemand aufgeschrieben hat. Kommt die Nachricht von dieser Adresse, weg damit. Stehen bestimmte Wörter im Betreff, ist sie verdächtig. Ein Mensch formuliert die Bedingungen, der Rechner führt sie aus.

Die lernende Bauweise geht anders vor. Man zeigt der Software sehr viele Nachrichten, bei denen schon feststeht: Das hier war Spam, das hier war es nicht. Dann verändert ein Trainingsverfahren eine Struktur mit einer großen Menge von Zahlen. Diese Zahlen heißen Parameter. Das Verfahren passt sie so lange an, bis die Einschätzungen möglichst gut zu den Beispielen passen. Die gelernte Struktur zusammen mit ihren eingestellten Parametern ist das Modell. Nicht der Stapel alter E-Mails und nicht das Training selbst, sondern das Ergebnis, das nun eine neue Nachricht bewerten kann.

Dabei geht es nicht darum, dass Regeln primitiv wären und Lernen immer besser. Es geht darum, wo die Grenze verläuft.

Das Modell ist weder Ihr Postfach noch der Mailserver. Es ist nicht der Ordner, in dem ein Verdachtsfall landet. Es ist nicht der Knopf „Kein Spam“, mit dem Sie widersprechen können, und nicht die Vorgabe, dass der Ordner sich nach dreißig Tagen leert. Das alles gehört zum System drumherum. Das Modell ist das eine Stück darin, das die Einschätzung berechnet.

Trainieren und Benutzen sind ebenfalls zwei verschiedene Momente. Beim Training entsteht die Zuordnung aus Beispielen oder anderer Rückmeldung. Später wird das fertige Modell auf eine Eingabe angewandt, die es im Training nicht gesehen hat. In diesem zweiten Moment sprechen Fachleute von Inferenz.

Dieselbe Trennung gilt für die Chatprogramme, die gerade viele Menschen ausprobieren. Wer mit einem solchen Programm spricht, nutzt nicht nur ein nacktes Modell. Darum herum liegen die Oberfläche, eine Suche, Werkzeuge, ein Gedächtnis für frühere Gespräche, zusätzliche Anweisungen, Schutzvorkehrungen und viel gewöhnliche Software. Ein Teil des Verhaltens steckt bereits im trainierten Modell, ein anderer Teil entsteht erst durch das System darum herum.

Deshalb können zwei Produkte mit demselben Grundmodell spürbar unterschiedlich reagieren. Eines kann aktuelle Dokumente durchsuchen, das andere nicht. Eines erinnert sich an frühere Gespräche, das andere beginnt jedes Mal von vorn. Und wer die Modellgewichte bekommt, besitzt damit noch nicht automatisch das ganze Produkt. Die Oberfläche, die Werkzeuge, die Suche, das Gedächtnis und die Betriebsregeln können weiterhin fehlen.

Damit sind wir beim wichtigsten Irrtum: „Modell“ und „App“ werden oft behandelt, als wären sie dasselbe. Das sind sie nicht. Wenn ein Chatprogramm etwas erstaunlich Kluges tut oder etwas peinlich Falsches sagt, muss man deshalb genauer fragen: Lag es am Modell, an den Informationen, die das System ihm gegeben hat, oder daran, was das System mit seiner Ausgabe gemacht hat?

Auch das Wort „Lernen“ führt leicht in die Irre. Es ist eine praktische Abkürzung, kein Beweis für menschliches Verstehen. Ein Modell kann sehr feine Zusammenhänge abbilden und hat trotzdem keine Erfahrung, keine Absichten und keinen Alltagsverstand.

Ein Modell ist aber auch nicht einfach ein Archiv, in dem es bei jeder Antwort nachschlägt. Es kann sich einzelne Trainingsbeispiele merken. Im Normalbetrieb berechnet es seine Ausgabe jedoch aus der aktuellen Eingabe und der Struktur, die beim Training entstanden ist. Wenn ein KI-Produkt eine aktuelle Quelle im Netz findet, hat meist das umgebende System gesucht und dem Modell den Text vorgelegt.

Wenn Sie also das nächste Mal lesen, ein Unternehmen habe ein neues Modell veröffentlicht, denken Sie an den Motor und nicht an das fertige Auto. Der Motor ist entscheidend. Aber wie sich der Wagen fährt, welche Informationen er bekommt und wohin er überhaupt darf, hängt von allem ab, was darum herum gebaut wurde.

Das Modell berechnet aus der Eingabe eine Ausgabe. Das System macht daraus ein Produkt.