Kreativität der Künstlichen Intelligenz: Ein Vergleich mit menschlicher Flexibilität

MÜNCHEN (IT BOLTWISE) – Die Debatte über die Kreativität von Künstlichen Intelligenzen (KI) im Vergleich zu menschlicher Kreativität gewinnt an Dynamik. Während KI-Systeme wie ChatGPT für ihre Effizienz bei spezifischen Aufgaben gelobt werden, bleibt die Frage offen, wie kreativ sie tatsächlich sind.

Die Diskussion um die Kreativität von Künstlichen Intelligenzen (KI) im Vergleich zu menschlicher Kreativität wird immer intensiver. Während KI-Systeme wie ChatGPT für ihre Effizienz bei spezifischen Aufgaben gelobt werden, bleibt die Frage offen, wie kreativ sie tatsächlich sind. Eine Studie des Max-Planck-Instituts für Biologische Kybernetik hat sich dieser Frage angenommen und die Kreativität von 220 menschlichen und 440 maschinellen Intelligenzen verglichen.

Die Untersuchung konzentrierte sich auf die Parameter Flexibilität und Beharrlichkeit. Interessanterweise zeigte sich, dass der Output von Menschen und Maschinen in Bezug auf Beharrlichkeit ähnlich war. Bei der Flexibilität hingegen gab es Unterschiede: Einige Menschen und Maschinen waren flexibler als andere. Dies deutet darauf hin, dass Kreativität sowohl bei Menschen als auch bei Maschinen ungleich verteilt ist.

Ein bemerkenswerter Aspekt der Studie war, dass nur acht der 440 untersuchten KIs in der Lage waren, den Kreativitätstest zu bestehen. Zu diesen KIs gehörten bekannte Systeme wie ChatGPT und Googles Chatbot Gemini. Die Ergebnisse zeigten, dass KIs, die bei der Ziegelstein-Aufgabe flexibel waren, bei der Büroklammer-Aufgabe schlechter abschnitten. Dies wurde darauf zurückgeführt, dass es mehr Daten zu Ziegelsteinen als zu Büroklammern gibt, was die Flexibilität der KIs beeinflusste.

Diese Erkenntnisse bestätigen die Annahme, dass KIs für spezifische Aufgaben nur dann effektiv sind, wenn sie mit einer Vielzahl von Daten trainiert wurden. Fehlen ausreichende Daten, sind die Ergebnisse weniger zufriedenstellend. Ein weiteres Problem ist, dass KIs nach ihrem Training nicht mehr dazulernen können, was ihre Anpassungsfähigkeit einschränkt.

Ein weiteres Problem ist der sogenannte Kluger-Hans-Effekt, bei dem KIs systematische Fehler machen, weil sie auf falsche Hinweise trainiert wurden. Ein Beispiel ist eine KI, die Huskys fälschlicherweise als Wölfe identifizierte, weil sie mit Wolfsbildern im Schnee trainiert wurde. Solche Fehler zeigen die Grenzen des unüberwachten und selbstüberwachten Lernens auf.

Eine vielversprechende Alternative ist das bestärkende Lernen, das Feedback für Zwischenergebnisse nutzt und näher am menschlichen Lernprozess ist. Diese Methode könnte die Effektivität von KIs steigern und erfordert weniger Daten. Forscher wie Richard Sutton plädieren für den Einsatz dieser Methode, um die Lernprozesse von KIs zu verbessern.

Im Bildungsbereich wird die Gefahr diskutiert, dass der Einsatz von KIs die kognitiven Fähigkeiten der Menschen schwächen könnte. Eine Lösung könnte darin bestehen, KIs als Partner im Lernprozess zu nutzen, die keine endgültigen Antworten geben, sondern den Lernenden bei der Lösungssuche unterstützen.

Ein Aspekt, den Menschen den KIs noch voraus haben, ist die Fähigkeit, kreative Sprünge aus Langeweile zu machen. Diese Fähigkeit könnte in Zukunft auch bei KIs entwickelt werden, um ihre Kreativität weiter zu fördern.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!