Kreativität von KI: Flexibilität und Beharrlichkeit im Vergleich

LONDON (IT BOLTWISE) – Die Diskussion über die Kreativität von Künstlichen Intelligenzen (KI) gewinnt zunehmend an Bedeutung, insbesondere im Hinblick auf ihre Fähigkeit, kreative Aufgaben zu bewältigen. Eine kürzlich durchgeführte Studie des Max-Planck-Instituts für Biologische Kybernetik hat die Kreativität von menschlichen und maschinellen Intelligenzen untersucht und dabei interessante Ergebnisse zutage gefördert.

Die Frage nach der Kreativität von Künstlichen Intelligenzen (KI) wird immer wieder gestellt, insbesondere in einer Zeit, in der Maschinen zunehmend komplexe Aufgaben übernehmen. Eine Studie des Max-Planck-Instituts für Biologische Kybernetik hat nun die Kreativität von 220 menschlichen und 440 maschinellen Intelligenzen verglichen. Dabei standen die Parameter Flexibilität und Beharrlichkeit im Fokus.

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 zeigten mehr Flexibilität 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 von den 440 untersuchten KIs nur acht in der Lage waren, den Kreativitätstest durchzuführen. Zu diesen gehörten bekannte Systeme wie ChatGPT und Googles Chatbot Gemini. Die Forscher stellten fest, dass KIs bei Aufgaben, für die sie mit vielen Daten trainiert wurden, flexibler agierten. Dies bestätigt die Annahme, dass KIs für spezifische Aufgaben nur dann effektiv sind, wenn sie mit einer Vielzahl von Daten trainiert wurden.

Ein weiteres interessantes Ergebnis war, dass KIs, die bei der Ziegelstein-Aufgabe flexibel waren, bei der Büroklammer-Aufgabe schlechter abschnitten. Dies könnte darauf hindeuten, dass die Verfügbarkeit von Daten eine entscheidende Rolle spielt. Während es viele Studien zu Ziegelsteinen gibt, sind Untersuchungen zu Büroklammern weniger verbreitet, was die schlechteren Ergebnisse der KIs erklären könnte.

Die Studie hebt auch die Grenzen der aktuellen KI-Modelle hervor. Diese lernen nicht kontinuierlich dazu, sondern basieren auf den Daten, die ihnen bis zu ihrem letzten Training zur Verfügung standen. Feedback aus Interaktionen mit Nutzern wird nicht in das Wissen der KI integriert, was ihre Weiterentwicklung einschränkt.

Ein weiterer Aspekt, der in der Studie beleuchtet wurde, ist der sogenannte Kluger-Hans-Effekt. Dieser beschreibt, wie KIs systematische Fehler machen können, ähnlich wie das berühmte Pferd, das angeblich rechnen konnte, aber in Wirklichkeit nur die Körpersprache der Menschen interpretierte. Solche Effekte zeigen die Grenzen der aktuellen KI-Modelle auf.

Die Forscher betonen die Bedeutung des bestärkenden Lernens, das näher am menschlichen Lernprozess ist. Diese Methode könnte die Effektivität von KIs steigern, da sie weniger Daten benötigt und potenziell höhere Ergebnisse liefert. Die Max-Planck-Doktorandin Surabhi Nath arbeitet derzeit an einem Modell, das gute Belohnungen für KIs identifizieren soll, um deren Lernprozess zu verbessern.

Im Bildungsbereich wird diskutiert, dass der Einsatz von KIs die kognitiven Fähigkeiten der Menschen schwächen könnte. Nath schlägt vor, KIs als Partner im Lernprozess zu nutzen, die Zwischenantworten geben und so den kreativen Prozess fördern. Ein Aspekt, den Menschen den KIs noch voraus haben, ist die Fähigkeit, aus Langeweile kreative Sprünge zu machen. Dies könnte eine zukünftige Entwicklungsrichtung für KIs sein.

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