Journal of Linguistics and Language Teaching
Volume 15 (2024) Issue 2
Künstliche
Intelligenz im Englischunterricht –
Grundwissen
und Praxisbeispiele
Inez De Florio-Hansen (Kassel, Deutschland)
Abstract (Deutsch)
Dieser Beitrag fasst das aktuelle
Grundwissen über KI-Sprachmodelle und Bildgeneratoren für den
Englischunterricht zusammen. Die Einführung der Schüler und
Schülerinnen erfolgt anhand konkreter unterrichtspraktischer
Anwendungen, die sich mit den wichtigsten Fragen im Zusammenhang mit
KI auseinandersetzen: Wie kann man die Intelligenz einer Maschine
messen (Turing Test)? Was bedeuten wichtige Begriffe wie Algorithmus,
maschinelles
Lernen
und künstliche neuronale
Netzwerke? Wie geht man am
besten bei der Eingabe (Prompt)
vor, und wie kann man das Prompting verbessern, um die angestrebten
Ergebnisse zu erzielen? Wie sollten Lernende die Nutzung von
KI-Systemen bei Hausaufgaben und Erfolgskontrollen angeben, um sich
nicht eines Täuschungsversuchs schuldig zu machen? Den Schluss
bildet ein kurzer Hinweis darauf, was wir in absehbarer Zeit von KI
zu erwarten haben.
Stichwörter:
KI-Sprachmodelle, KI-Bildgeneratoren, ChatGPT, Microsoft Copilot,
Microsoft Designer, Turing Test, Prompt (Eingabeaufforderung)
Abstract
(English)
This
paper provides a concise overview of the current state of knowledge
regarding AI language models and image generators for English
language teaching. Practical classroom applications are introduced to
engage students with key questions about AI: How can machine
intelligence be measured (Turing Test)? What are the meanings of
fundamental concepts such as algorithms, machine learning, and
artificial neural networks? What are the best practices for inputting
prompts (prompt engineering), and how can prompt quality be improved
to achieve desired outcomes? How should learners acknowledge the use
of AI tools in homework and assessments to avoid accusations of
plagiarism? The paper concludes with a brief outlook on the future of
AI.
Keywords:
AI
language models, AI image generators, ChatGPT, Microsoft Copilot,
Microsoft Designer, Turing Test, Prompt
1 Einleitung
Auf der Grundlage der Ausführungen von
Tinnefeld Artificial Intelligence
in Foreign Language Teaching – Insights from an Interview with
ChatGPT and Bard (JLLT 14 (2023)
2) gibt der folgende Beitrag praxisbezogene Hinweise zur Nutzung von
KI-Sprachmodellen im Englischunterricht der Sekundarstufe 1 und 2.
Anhand unterrichtspraktischer Anwendungen wird aufgezeigt, was
Lehrpersonen wissen und können müssen, um ihre Schüler und
Schülerinnen mit dem Gebrauch entsprechender KI-Tools vertraut zu
machen. Vorrangiges Ziel ist es, Lehrkräfte zu entlasten und die
Schüler
in die Lage zu versetzen, mit Hilfe von KI-Systemen ihre
Englischkenntnisse auf einen angemessenen Stand zu bringen. Die
Schüler werden dazu befähigt, KI-Tools als das zu nutzen, was sie
sind: eine zusätzliche Hilfe, aber kein Ersatz für eigene
Anstrengungen. Sie sind gehalten – das gilt bis zu einem gewissen
Maß auch für Lehrpersonen – jede Generierung von KI-Systemen
hinreichend zu überprüfen und deren Nutzung bei Hausaufgaben und
Erfolgskontrollen detailliert anzugeben, um sich nicht eines
Täuschungsversuchs schuldig zu machen.
2
Die
Verfügungen der Kultusministerkonferenz
Die Kultusministerkonferenz hat 2016/2017
eine Verfügung mit dem Titel Bildung
in der digitalen Welt
veröffentlicht, die jede Lehrkraft verpflichtet, ihre Schüler mit
digitalen Technologien vertraut zu machen. Diese Verpflichtung ist
auch dann wirksam, wenn an der Schule oder in einem Schulverbund
Informatikunterricht erteilt wird. Und sie gilt, selbst wenn die
Lehrperson für das fachliche Lehren und Lernen nicht auf digitale
Medien zurückgreift (KMK 2016/2017). Im Jahre 2022 hat die
Kultusministerkonferenz ihre Strategie auf KI-Systeme ausgedehnt. Das
Ergänzungspapier trägt den Titel Lehren
und Lernen in der digitalen Welt (KMK
2022).
Warum erwartet die Kultusministerkonferenz
von jedem Lehrer und jeder Lehrerin die Vermittlung relevanter
Informationen zu den sogenannten neuen Technologien? Zum einen wird
so sichergestellt, dass jede Lehrkraft hinreichend über die
betreffenden technischen Errungenschaften informiert ist,
gleichgültig, ob sie digitale Technologien wie PC und Smartphone
oder KI-Systeme wie ChatGPT oder Microsoft Copilot für Ziele und
Inhalte des eigenen Unterrichts nutzt. Zum anderen profitieren die
Lernenden vom Wissen der jeweiligen Lehrperson. Vor allem aber lernen
sie unterschiedliche Sichtweisen kennen – von enthusiastischer
Zustimmung bis zu kompletter Ablehnung. Selbstverständlich bietet
der Informatikunterricht vertiefte Kenntnisse. Informatiklehrer haben
aber nach meiner Erfahrung in den seltensten Fällen eine ablehnende
Haltung gegenüber ihrem Unterrichtsgegenstand.
Im Rahmen dieses Beitrags gehe ich anhand
von Beispielen darauf ein, wie Englischlehrer die Tools nutzen und
vor allem, wie sie ihre Lernenden mit den Möglichkeiten und Grenzen
der KI vertraut machen können. Sämtliche Beispiele beruhen auf
ChatGPT und Microsoft Copilot; ich habe diese beiden KI-Modelle
gewählt, weil sie derzeit immer noch kostenfrei zur Verfügung
stehen. Dadurch können die Leser und Leserinnen die einzelnen
Generierungen ohne finanziellen Aufwand nachvollziehen und überprüfen
(weitere Einzelheiten: De Florio-Hansen 2024a, 2024b und 2024c).
3
Die
Entwicklung von künstlicher Intelligenz
Verfolgt man den Hype, der die rasch
fortschreitende Entwicklung von KI-Sprachmodellen und
KI-Bildgeneratoren begleitet, hat man den Eindruck, KI sei in den
letzten Jahren entstanden. Künstliche Intelligenz, d.h. die
Nachbildung und Bewältigung ‚intelligenter‘ Aufgaben und
Tätigkeiten durch eine Maschine, ist jedoch schon seit Mitte der
1950er Jahre im Gespräch. 1956 fand am Dartmouth College in New
Hampshire ein Kongress bzw. ein Workshop für Experten statt, für
den einer der Initiatoren den Begriff Artificial
Intelligence (AI) kreierte und
in den Titel aufnahm (Dartmouth
Summer Research Project on Artificial Intelligence).
Dadurch wurde dem Workshop größere Aufmerksamkeit zuteil. John
McCarthy, der Erfinder des Begriffs Artificial
Intelligence, umreißt die Ziele
des Kongresses wie folgt:
We
propose that a 2-month, 10-man study on artificial intelligence be
carried out during the summer of 1956 at Dartmouth College in
Hanover, New Hampshire. The study is to proceed on the basis of the
conjecture that every aspect of learning or any other feature of
intelligence can in principle be so precisely described that a
machine can be made to simulate it. An attempt will be made to find
how to make machines use language, form abstractions and concepts,
solve kinds of problems now reserved for humans, and improve
themselves. (McCarthy et al. 1955: 1)
Der Workshop führte zwar nicht zu den
anvisierten bahnbrechenden Erkenntnissen hinsichtlich der Bewältigung
‚menschlicher‘ Aufgaben durch Maschinen wie den PC; es existiert
nicht einmal, wie sonst üblich, ein Kongressband. Durch den Kongress
wurde jedoch der Grundstein für KI als akademisches Fachgebiet
gelegt.
Die Frage, ob es möglich ist, menschliche
Intelligenz mit Hilfe von Maschinen nachzubilden, ist jedoch älter.
Bereits 1936 hat der britische Wissenschaftler Alan Turing
(1912-1954) mit der sogenannten Turing-Maschine ein Modell vorgelegt,
welches zeigen sollte, dass man im Prinzip jedes Problem mit Hilfe
von Rechenmaschinen lösen kann, wenn dabei das Prinzip
Eingabe-Verarbeitung-Ausgabe (EVA) befolgt wird. Turing konnte keinen
Nachweis für diese Annahme erbringen, weil der erste Computer erst
1941 auf den Markt kam. Anders verhält es sich mit dem Turing-Test,
der auch heute noch mit ‚denkenden‘ Maschinen in Verbindung
gebracht wird. In einem wissenschaftlichen Artikel von 1950 geht
Turing der Frage nach, ob Maschinen denken können. Er spricht von
'thinking machine', räumt aber ein, dass es eine exakte Definition
des Begriffs Denkvermögen nicht gibt. Er schlägt einen Test vor,
der auch heute noch im Zusammenhang mit KI-Modellen wie ChatGPT
durchgeführt wird.
Bei diesem Test geht es um einen
schriftlichen Gesprächsaustausch, also einen verschriftlichen Chat.
Dabei ‚unterhält' sich die Versuchsperson C mit zwei ihr
unbekannten Partnern, die sie während des Tests nicht sehen oder
hören kann. Einer dieser ‚Gesprächs‘-Partner ist ein Mensch
(B); der zweite Partner ist ein KI-Tool mit textbasiertem
Dialogsystem (A) (De Florio-Hansen 2020: 43). Erkennt die
Versuchsperson den Chatbot nicht als solchen und hält ihn für einen
menschlichen Gesprächspartner, dann hat die dahinterstehende
Maschine den Test bestanden und kann als ‚intelligent' gelten.
Obgleich der Turing-Test nicht ohne Widerspruch geblieben ist
(insbesondere Searle 1980), gilt er auch heute noch als Beweis für
die ‚Intelligenz‘ von Maschinen. Daher sollten sich Schüler mit
dem Turing-Test auseinandersetzen (De Florio-Hansen 2024b: 148-149):
Praxisbeispiel:
Einführung (für Schüler ab dem 5. Lernjahr):
Measuring
the intelligence of a machine
1.
Read
the following
text:
In a
scientific article published in 1950, Alan Turing, an English
mathematician, explores the question of whether machines can think.
Turing speaks of a 'thinking machine' and admits that an exact
definition of the term 'thinking ability' is not possible. He
therefore proposes a test that is still used today in relation to AI
systems such as ChatGPT.
This
test involves a written chat. The test subject (C) 'chats' with two
unknown partners without visual or acoustic contact, that is without
seeing or hearing them. One of the partners (B) is a human, while the
second 'conversation partner' (A) is a chatbot with a text-based
dialog system.
(De
Florio-Hansen 2024: 148-149)
If
the test person does not recognize the chatbot as such and mistakes
it for a human, then the machine behind it has passed the test and
can be considered intelligent. In this sense, ChatGPT can be
considered 'intelligent' because the system sometimes generates texts
that even experts cannot clearly assign to a human or an AI system.
2.
Explain
to
your partner how the Turing test works using the above illustration.
Then share your ideas about the test in plenary. Do you think that
the Turing test is a useful tool for measuring the 'intelligence' of
a machine? Why? Why not?
4 Wesentliche
Merkmale neuerer KI-Systeme
Der Hauptunterschied zwischen älteren
Systemen und dem, was heute als KI gilt, besteht zunächst einmal
darin, dass KI-Modelle wie ChatGPT oder auch Bildgeneratoren über
eine ganze Bandbreite von Fähigkeiten verfügen. Mit Hilfe von
ChatGPT können Texte und Gliederungen erstellt werden, das Tool kann
Texte zusammenfassen oder übersetzen, Multiple Choice-Tests
generieren und mit den Nutzern plaudern. Inzwischen steht bei den
meisten Chatbots auch gesprochene Sprache zur Verfügung.
Bildgeneratoren kreieren nicht nur Bilder, Fotos oder Gemälde,
sondern können meist auch Grafiken und sonstige bildliche
Darstellungen wie Cartoons erstellen. Vor etwa zehn bis fünfzehn
Jahren brachten KI-Tools
auch schon beachtliche Leistungen zustande, waren aber auf eine
Fähigkeit beschränkt, z.B. das Schach- oder Go-Spielen.
Die erweiterte Leistungsfähigkeit hat
mehrere Gründe. Einer der wichtigsten ist die verbesserte
Rechenleistung der Computer und die immense Menge an Daten, die im
Netz verfügbar sind. Aufgrund dieser Voraussetzungen können
KI-Systeme selbständig lernen. Dieses sogenannte maschinelle Lernen
ist ein weiteres Merkmal der seit 2022 auf dem Markt verfügbaren
KIs. Dabei handelt es sich um ein unüberwachtes Lernen aus den
Trainingsdaten. Es bedarf keines Programmierers; bei den auf ein
Brettspiel spezialisierten Tools waren von Anfang an Programmierer
nötig.
Um sich einen Einblick in das maschinelle
Lernen zu verschaffen, kann man bei ChatGPT oder bei Microsoft
Copilot die Frage eingeben: „Wer ist …?" Handelt es sich
nicht um eine weltweit bekannte Person, bekommt man zwar von Anfang
an in der Regel wortreiche Antworten; diese können aber
Fehlinformationen enthalten. Gibt man im Abstand von Wochen und
Monaten immer wieder dieselbe Frage „Wer ist …?“ ein, nähert
sich der Output immer mehr der Realität.
Wie kommt dieses maschinelle Lernen
zustande? Die neueren KI-Systeme beruhen auf statistischen
Berechnungen. Sie geben an, welche Wörter oder bildlichen
Darstellungen mit größter Wahrscheinlichkeit auf eine
(Wort-/Bild-)Eingabe folgen. Man sollte die Schüler immer wieder
darauf hinweisen, dass KIs in keiner Weise verstehen, was die Wörter
oder Bilder bedeuten, denn sie haben kein Bewusstsein. Deshalb ist es
nicht zielführend, menschenähnliche Fähigkeiten hinter den
Systemen zu vermuten. Das sogenannte AI-Takeover, bei dem die KIs die
Herrschaft über uns Menschen übernehmen, entspricht nicht der
Realität. Aus meiner Sicht handelt es sich um den Wunschtraum
etlicher KI-Experten bzw. um Science Fiction (u.a. Mitchell 2019 und
Lenzen 2018; 2023).
Auch wenn das maschinelle Lernen als
unüberwacht gilt, sind auch bei den neuen Tools wie ChatGPT
Programmierer oder sonstige Trainer tätig. Die Ergebnisse beruhen
also zu einem gewissen Teil auf überwachtem Lernen. Das Eingreifen
von Menschen hat vielfältige Gründe, z.B. die Vermeidung
unpassender Inhalten wie Sexismus oder Rassismus, vor allem jedoch
die Steigerung der Effizienz. Aber selbst Experten sind oft nicht
imstande, die Generierungen zu erklären. Außerdem halten sich
Firmen wie z.B. OpenAI, der Hersteller von ChatGPT und weiteren
führenden Tools, mit Blick auf die Konkurrenz bedeckt.
Zusammenfassend lässt sich sagen, dass vor
allem drei Aspekte entscheidend für die Leistungsfähigkeit der
neuen KI-Systeme sind:
5
Entscheidende Faktoren für
den Output von
KI-Systemen
Im Zusammenhang mit KI-Systemen versteht
man unter einem Prompt
die sogenannte Eingabeaufforderung, d.h. eine absichtsbasierte
Ergebnisspezifikation. Das Prompting dient also dazu, von einem
KI-Sprachmodell oder einer anderen KI-Anwendung die gewünschte
Antwort zu erhalten.
In
der Überschrift zu diesem Abschnitt ist
absichtlich
der
Plural gewählt
worden,
weil man nur in wenigen Fällen mit einem einzigen Prompt auskommt.
Dies ist zum Beispiel möglich, wenn man ChatGPT als
Grammatik-Korrektor
oder als Suchmaschine verwendet. Diese
sind jedoch nicht die vorrangigen Ziele eines auf Dialoge
ausgerichteten Chatbots.
Ethan
Mollick, Professor an der Wharton
School
der University
of Pennsylvania,
geht seit geraumer Zeit in den vierzehntägigen Posts seines Blogs
One
Useful Thing
auf KI-Systeme ein. Dabei hat er das Prompting mehrfach behandelt. Er
lehnt das Streben nach dem perfekten Prompt ab, weil es seiner
Überzeugung nach keinen „one-size-fits-all prompt“ gibt:
Instead,
engaging in a conversation with the AI and asking questions can lead
to better
results. To use AI effectively, consider the following strategies:
1.
Focus
on tasks
where you
are an expert and collaborate with GPT: Leverage
your expertise
in a specific domain and use GPT to assist you. This way, you can
guide the AI more effectively and achieve better results since you
have a solid understanding of the subject.
2.
Provide
context for the AI: When crafting a prompt, include relevant
background information to help the AI better understand the context.
This will lead to more accurate and useful responses.
3.
Offer
step-by-step directions: Instead of expecting the AI to understand
complex tasks with minimal instruction, break down the task into
smaller, actionable steps. Providing clear directions will improve
the AI’s comprehension and performance.
Iterate
with the AI: Don’t expect the perfect answer right away. Start with
an initial response from the AI, then ask for changes, improvements,
or clarifications as needed. This iterative process allows you to
fine-tune the AI’s response and achieve the desired outcome.
(Mollick 2023a: https:-/--/-www.oneusefulthing.org-/-p-/-one-sentence
; 30-05-2024)
Da
sich die vorliegenden umfangreichen Sammlungen von Prompts nur selten
auf schulischen Unterricht beziehen, hier
ein weiteres Beispiel zur Abfassung von Prompts aus der
englischsprachigen Sekundärliteratur. Die einzelnen Schritte sind
mit den bereits vorgestellten Empfehlungen teilweise identisch.
Trotzdem können sie von Nutzen sein, weil es beim Prompting in
vielen Fällen auf Kleinigkeiten ankommt, um die erwünschte
Generierung zu erhalten. Fitzpatrick
et al. 2023: 90-94 empfehlen das Verfahren PREP: Prompt – Role –
Explicit – Parameters.
Prompt:
Introduce the question with a prompt.
Examples:
Create
an academic quiz about …
Read
the following text and be prepared to answer questions on it.
Grade
this answer and give reasons for your judgement.
Role:
Give it a role or voice.
Examples:
You
are an experienced teacher who is an expert at creating quizzes that
engage and challenge students.
You
are a qualified examiner who grades English exam papers. You are
renowned for your impartiality and fair marking.
You
are Atticus Finch, the character from To Kill a Mockingbird.
Explicit:
Be explicit in your instructions.
Examples:
Write
five questions. Use Bloom’s taxonomy to make sure that the
questions develop a deeper understanding. Use various question types.
Provide answers at the end.
Respond
in a table with three columns. The three columns should be titled …
Make
complex ideas easy to understand.
Parameters:
Set the parameters of the answer.
Examples:
Write
this in 100 words with a reading age of 11 years old.
Format
this with headings, subheadings, and bullet points.
Write
this in British English.
Write
this in a formal and caring tone.
(Fitzpatrick
et. al. 2023: 90-94)
Inzwischen
sind OpenAI und andere Forschungsunternehmen dabei, KI-Systeme zu
schaffen, die den Usern das Prompting weitgehend abnehmen. Diese
Tools erstellen aus einem einfachen Eingabebefehl selbstständig
die entsprechenden Prompts. Bisher sind diese Systeme jedoch auch in
englischsprachigen Ländern noch nicht wirklich auf dem Markt; zudem
werden sie wohl kostenpflichtig
sein.
Stellt
das Abfassen von Eingabeaufforderungen bei KI-Sprachmodellen schon
recht hohe Anforderungen an die
Nutzer, so ist das Prompting von KI-Bildgeneratoren noch aufwendiger.
Die Grundstruktur umfasst mindestens drei Angaben:
Als
erstes gibt man den Inhalt des gewünschten Outputs an,
beispielsweise “Ein
spielendes
Kind am Strand baut aus Sand eine Burg”.
Im Zusammenhang mit dem Inhalt können Hinweise erfolgen, wie
Personen etwas tun und/oder welche Grundstimmung das Bild haben
soll.
Es
folgen Hinweise zur Kunst- bzw. Stilrichtung und gegebenenfalls die
Nennung eines oder mehrerer Künstler, beispielsweise die
Anforderung eines
möglichst
realistischen Fotos. Neben der Fotografie bieten sich als
Stilrichtungen Malerei,
Illustration
(beispielsweise Bleistiftzeichnung, Holzkohle-Sketch, Cartoon,
Poster), Collage,
Skulptur
und/oder Straßenkunst
an.
Zusätzliche
Angaben betreffen im Fall einer Fotografie die Auflösung und die
Beleuchtung, gegebenenfalls den Bildausschnitt. (De Florio-Hansen
2024b:
81)
Weitere Einzelheiten erschweren das
Prompting bei Bildgeneratoren zusätzlich: Die verschiedenen Tools
zur Erstellung von Bildmaterial werten die Prompts unterschiedlich
aus, und selbst bei demselben KI-Visualisierungssystem ist bei jedem
Folgeprompt mit Veränderungen zu rechnen. Daher empfehle ich den
über Co-Pilot zur Verfügung stehenden Microsoft Designer. Er steht
gratis zur Verfügung und generiert in aller Regel Bilder und
sonstige Abbildungen, die für Unterrichtszwecke hinreichen dürften
(De Florio-Hansen 2024c).
Der
weiter oben erwähnte Ethan Mollick rät in einigen Blogposts dazu,
sich Sammlungen von Prompts, die sich im jeweiligen Zusammenhang
bewährt haben, anzulegen:
The
previous generations
of AI, prior to Large Language Models and ChatGPT, rewarded who ever
had the best hoards of data. (…)
We
are used to technology being out of our hands, developed by teams of
engineers and delivered to us, ready to accomplish the goal set out
by the product’s designers. AI does not work that way. In this
case, technology precedes use, allowing any of us to decide our own
goals for what AI could do. We have a general purpose technology with
many possible use cases, almost all of which are completely
unanticipated by the AI companies themselves. (Mollick 2023b)
Prompt-Sammlungen
sind auch im Zusammenhang mit Schule und Unterricht sinnvoll. Sowohl
Lehrpersonen als auch Schüler können Prompts sammeln, die sich in
einem bestimmten Fach, aber auch fächerübergreifend bewährt haben.
Dabei bietet sich ein schrittweises Vorgehen an:
Zunächst
stellt die Lehrkraft geeignete Prompts vor und lässt sie von den
Schülern
in verschiedenen Zusammenhängen erproben.
Mit
der Zeit werden
die Schüler immer mehr
aufgefordert,
selbst Prompts zu erstellen und zu erproben.
In
Partnerarbeit
oder in Kleingruppenarbeit besprechen sie miteinander, welche
Prompts sich als besonders geeignet für eine bestimmte Zielvorgabe
erwiesen haben.
Bevor
sie beginnen,
eine Prompting-Sammlung anzulegen, überprüfen sie die Wirksamkeit
verschiedener Prompts in unterschiedlichen Zusammenhängen.
Wenn
sie sich –
gegebenenfalls mit Hilfe der Lehrkraft
–
einen Überblick verschafft haben, notieren
sie zielführende Prompts sowie die jeweilige Aufgabenstellung. Jeder Schüler legt für sich eine solche Sammlung an.
Von
Zeit zu Zeit überprüfen die Lernenden
in Gesprächen im Plenum, inwieweit ihre Prompts noch das gewünschte
Ergebnis zeitigen, beziehungsweise ob sie verbesserungswürdig sind.
Ist Letzteres
der Fall, erarbeiten sie die notwendigen Anpassungen.
Bei
dieser Gelegenheit können sie gegebenenfalls Prompts von
Mitschülern
außerhalb des
konkreten Lernkontextes
übernehmen. (De Florio-Hansen 2024b:
84)
Die
folgenden Prompts
sind für Lehrkräfte
zum
Zwecke
der Unterrichtsvorbereitung bzw. einer
optimierten Betreuung individueller Schüler gedacht.
Sie sind
unmittelbar an den
Vorschlägen von
Fitzpatrick et
al.
(2023),
Skrabut (2023)
und Kuderewski (2023) orientiert. Häufig
mag
eine Anpassung an den jeweiligen Lernkontext und die Diktion der
Lehrkraft
nötig sein. Selbstverständlich können die Prompts und die darauf
erfolgenden Generierungen auch mit den Lernenden im Unterricht
besprochen werden. Wie immer, ist auch hier das Experimentieren und
Erproben von
Bedeutung:
Prompts:
•
Was
ist Künstliche Intelligenz? Erkläre dies einem Zehnjährigen.
•
Erstelle
eine Richtlinie für Lehrer, die ChatGPT im Unterricht nutzen.
•
Erstelle
fünf Fragen zum Thema „Künstliche
Intelligenz und ihre Auswirkungen auf Schule und Unterricht”.
•
Überzeuge
mich davon, dass Künstliche Intelligenz im schulischen Unterricht
behandelt und benutzt werden sollte.
•
Wie
können Schülerinnen und Schüler die Lernstrategie Think, Pair,
Share in Verbindung mit ChatGPT für ihr Lernen nutzen?
•
Erstelle
eine Zusammenfassung der wichtigsten Punkte aus dem Buch [Titel] von
[Name des Autors].
•
Fasse
diesen Artikel [Eingabe des Artikels] zusammen und erstelle eine
Liste der wichtigsten Punkte mit Bulletpoints.
•
Du
bist Experte
für … Lies den Text [Eingabe des Textes] und suche die
Schlüsselwörter heraus. Schreibe eine kurze, einfache Definition
für jedes Schlüsselwort für Schüler der 7. Jahrgangsstufe.
•
Du
sollst als Essay-Schreiber auftreten. Du musst ein gegebenes Thema
recherchieren, eine These formulieren und einen überzeugenden Text
erstellen, der informativ und ansprechend ist. Meine erste Anfrage
lautet: Ich brauche Hilfe bei der Erstellung eines überzeugenden
Essays über die Wichtigkeit der Reduzierung von Plastikabfällen in
unserer Umwelt.
•
Du
bist Philosophielehrer. Ich brauche Hilfe, um zu verstehen, wie
verschiedene philosophische Theorien im Alltag angewendet werden
können.
•
Ich
möchte, dass du als Sokrates agierst. Du sollst die sokratische
Methode anwenden, um meine Überzeugungen zu hinterfragen. Ich werde
eine Aussage machen und du wirst versuchen, jede Aussage weiter zu
hinterfragen, um meine Logik zu testen. Du wirst jeweils mit einer
Zeile antworten. Meine erste Aussage lautet: »Gerechtigkeit ist in
einer Gesellschaft notwendig.«
•
Du
agierst als KI-Schreibassistent. Einer meiner Schüler der 9.
Jahrgangsstufe benötigt Hilfe, um sein Schreiben zu verbessern, und
deine Aufgabe ist es, künstliche Intelligenz-Tools wie Natural
Language Processing zu nutzen, um dem Schüler Feedback zu geben, wie
er seinen Text verbessern kann. Du solltest auch dein rhetorisches
Wissen und deine Erfahrung mit effektiven Schreibtechniken nutzen, um
Wege vorzuschlagen, wie der Schüler seine Gedanken und Ideen besser
in schriftlicher Form ausdrücken kann. Meine erste Anfrage lautet:
»Ich brauche jemanden,
der mir hilft, meinen Aufsatz zu bearbeiten« [Text des Aufsatzes].
•
Wie
kann ich als Lehrer, der eine neue Stelle antritt, das Vertrauen
meiner Schüler gewinnen? (De Florio-Hansen 2024a:
77-78)
6 Unzulänglichkeiten
von KI-Systemen
Fast
alle Publikationen, wissenschaftsbasiert oder nicht, weisen darauf
hin, dass Nutzer jeden Output von KI-Sprachmodellen überprüfen
sollten. Am besten wäre es natürlich, wenn man selbst über das
entsprechende Wissen verfügt und die Generierungen entsprechend
einordnen kann. Ist dies nicht der Fall, sollte man weitere Quellen
zu Rate ziehen. Das gilt nur dann nicht, wenn der Inhalt des Outputs
Geschmackssache ist. Wenn man
ChatGPT beispielsweise beauftragt,
Geschenkideen für die
eigene
Großmutter zu deren 80. Geburtstag zu generieren, kann das Tool
nicht
viel
falsch machen.
Lässt
man
jedoch die Gliederung für eine Hausaufgabe oder eine PowerPoint
Präsentation erstellen, müssen
die Eingabeaufforderung und die Folge-Prompts
so gestaltet
werden,
dass das jeweilige KI-System den Lernkontext und die entsprechenden
Anforderungen daraus erschließen kann. Dabei geht es nicht nur um
die Inhalte; auch die Persönlichkeit der Lehrperson sowie die der
Schüler sollten beim Prompting in Form berücksichtigt werden.
Dabei
ist man im Englischunterricht in einer vergleichsweise besseren
Situation als bei Schulfächern in deutscher Sprache. Da die
Trainingsdaten (fast) ausschließlich auf Englisch vorliegen,
verläuft die Generierung auf der Grundlage deutscher
Prompts
wie folgt: Die deutsche Eingabeaufforderung
wird ins Englische übertragen, ein möglicher Output wird auf
Englisch erstellt und anschließend ins Deutsche übersetzt.
Beeindruckend ist vor
allem die Geschwindigkeit, mit der die Systeme diese Übertragungen
zustande bringen.
So beeindruckend die Generierungen neuerer
KI-Systeme auch sein mögen: Die Tools weisen eine Reihe inhaltlicher
Unzulänglichkeiten auf. Da sich die Daten inhaltlich häufig auf die
Verhältnisse in den USA beziehen, weisen sie bisweilen u.a. Sexismus
und Rassismus auf: Gibt man bestimmte Berufe ein und fragt nach
namhaften Vertretern, so erhält man bei gehobenen Positionen in der
Regel die Namen von Männern. Höchst selten werden Frauen angeführt
und – wenn überhaupt – meist in untergeordneten Tätigkeiten.
Farbige Personen werden in aller Regel vorwiegend in negativ belegten
Zusammenhängen genannt.
Selbstverständlich haben die
Forschungsunternehmen diese Vorurteile bei den Generierungen schnell
bemerkt. Noch bevor ChatGPT kostenfrei auf den Markt kam, hat OpenAI
Menschen damit beauftragt, die Daten zu sichten und entsprechend zu
ändern. Dies ist nicht ohne Kritik geblieben. Zum einen hat das
Forschungsunternehmen Arbeiter in Kenia angeworben, die für einen
Hungerlohn die entsprechenden Daten durchgesehen und zum Teil
bereinigt haben.
Kritisiert wurde auch der Tatbestand, dass bei weiteren Korrekturen
nicht selten die Ansichten und Vorurteile der Programmierer in die
Trainingsdaten eingeflossen sind. Einer der zahlreichen Posts von
OpenAI (vgl. openai.com) trägt den Titel Educator
Considerations for ChatGPT.
Darin gehen die Autoren detailliert auf Vorurteile und Stereotypen
sowie auf zahlreiche Risiken ein, die mit der Nutzung des Chatbots
verbunden sind.
Lehrenden
und Lernenden muss
–
abgesehen von der sprachlichen Qualität des Outputs
–
stets bewusst
sein,
dass die Inhalte am US-amerikanischen Schul- und Hochschulsystem
orientiert sind. Das ist auch dann der Fall, wenn das Prompting
eindeutig auf die Verhältnisse in deutschen Schulen Bezug nimmt. Ein
sinnvolles Vorgehen im Unterricht besteht angesichts
dieser Situation
darin, die Schüler
zunächst
selbstständig bearbeiten zu lassen und die Ergebnisse anschließend
mit dem Output eines oder besser mehrerer KI-Systeme zu vergleichen.
In
vielen Fällen weisen die neuen Tools
– so
beeindruckend ihre Leistungen im Vergleich zu älteren KI-Systemen
auch sein mögen
– Unzulänglichkeiten
auf. Das ist vor allem darauf zurückzuführen, dass die auf
Wahrscheinlichkeit basierenden Ergebnisse bisweilen nur unsichere
Schlussfolgerungen zulassen, gleichgültig ob das Prompting auf
Deutsch oder Englisch
erfolgt.
Wenn Programme selbstständig aus den Trainingsdaten lernen,
verbessern sie die Algorithmen nicht nur, sondern erfinden zum Teil
auch neue. Oft werden Verzerrungen (biases)
nicht vom Programmierer verursacht, sondern durch das Programm selbst
gelernt.
Hinzu kommt,
dass die Systeme bei Überlastung ‚halluzinieren‘ (engl.
hallucinate;
Hallucination).
Sie generieren zuverlässig klingende Antworten, die durch die
Trainingsdaten nicht gerechtfertigt sind. Das kann so weit gehen,
dass sie Autoren, Buchtitel und ISBN nennen, die nicht existieren. So
stellen Fricke et al.
in ihrem
Buch
„Die
humorvollsten Kurzgeschichten, die KI jemals geschrieben hat”
ein Zitat des Informatikers und KI-Forschers Kühn voran: „Künstliche
Intelligenz wird das sein, was wir Menschen daraus machen“.
Inhaltlich ist gegen diese Aussage wenig einzuwenden. Das Zitat wurde
von ChatGPT vorgeschlagen, aber weder der Autor noch das Zitat
existieren tatsächlich (Fricke et
al.
2023:
5;
De
Florio-Hansen 2024b:
24).
7 Urheberrecht
und Datenschutz
Viele
Lehrkräfte stehen KI-Systemen u.a. aus Gründen des Urheberrechts
und des
Datenschutzes
skeptisch gegenüber.
Grundlegende Kritikpunkte beziehen sich dabei auf das Copyright und
das Problem, wie die Daten einzelner Lernender geschützt werden
können.
Da
ist
zum einen die Frage, ob es sich bei der Nutzung der von einer KI
generierten Inhalte nicht
um
Plagiate handelt. Tools wie ChatGPT greifen auf Daten des World Wide
Web (WWW) zu, also auch auf Wikipedia und Bücher. Kann es dabei
nicht vorkommen, dass die Urheberrechte einer Autorin oder eines
Autors verletzt werden? Zwar arbeitet die EU seit 2018 an
gesetzlichen Vorschriften zur Regulierung von KI-Anwendungen (EU
AI-Act / Digital Services ACT), die Rechtslage ist aber immer
größtenteils noch
ungeklärt.
Zitate aus Generierungen von KI-Systemen gelten bisher nicht als
Plagiate. Wenn aber eine Schülerin den Output eines KI-Systems ganz
oder in Teilen in (Haus-)Aufgaben integriert, ohne die Quellen zu
benennen, gilt dies als Täuschungsversuch. Das Ministerium für
Schule und Bildung des Landes Nordrhein-Westfalen hat im März 2023
einen Handlungsleitfaden zum Umgang
mit
textgenerierenden KI-Systemen
veröffentlicht. Darin werden die „rechtlichen Rahmenbedingungen
bei der Nutzung im unterrichtlichen Zusammenhang“ ausführlich
behandelt.
Die
Nutzung von ChatGPT im Unterricht mit eigenen Geräten der
Schülerinnen und Schüler
bzw. über eigene Accounts-/-E-Mail-Adressen kann angesichts der
aktuellen Sach- und Rechtslage (gerade mit Blick auf die
datenschutzrechtlichen Vorgaben) nicht empfohlen werden.
Sofern
Lehrkräfte auf freiwilliger Basis über einen Zugang zu ChatGPT oder
anderen
KI-Anwendungen verfügen, können sie diesen nutzen, um im Plenum mit
den Schülerinnen und Schülern mit der KI-Anwendung zu arbeiten.
Dabei ist wie bei allen anderen Anwendungen auch zu beachten, dass
keine personenbezogenen Daten der Schülerinnen und Schüler
übertragen werden. Dies wäre beispielsweise der Fall, wenn man
Prompts nutzt, die einen Zusammenhang zur Klasse oder zu einzelnen
Schülerinnen und Schülern herstellen. (MSB.NRW März 2023:
6)
In
diesem
Zusammenhang wird häufig nicht beachtet, dass das
Forschungsunternehmen OpenAI in seinen Geschäftsbedingungen
festgelegt hat, dass Jugendliche unter 13 Jahren ChatGPT nicht nutzen
dürfen (De Florio-Hansen 2024b:
11-12). Bis zum Alter von 18 Jahren ist die Einwilligung eines
Erziehungsberechtigten erforderlich; erst mit der Volljährigkeit
steht jungen Erwachsenen die Nutzung frei. Aufgrund der immensen Zahl
von Usern ist das Unternehmen nicht in der Lage, die genannten
Bedingungen zu überprüfen, obgleich die Nutzung ohne Angabe einer
E-Mail-Adresse nur in Ausnahmefällen möglich ist. Außerdem ist zu
bedenken, dass OpenAI die Anwendung von ChatGPT auch deshalb
kostenfrei zugänglich gemacht hat,
um herauszufinden,
wie das Tool genutzt wird. Selbstverständlich haben sich Experten
mit diesen Fragen beschäftigt. Fitzpatrick et
al.
empfehlen folgendes Vorgehen:
Create
a letter for my students’ parents that explains what ChatGPT or
Google Bard is, how
it can benefit students, and asks parents’ permission for their
child to use it in class. Reference the OpenAI policy that explains
the age of users. (Fitzpatrick et
al.
2023:
174)
Um
Täuschungsversuche zu begrenzen, schlägt das Ministerium für
Schule und Bildung (NRW) in dem genannten Handlungsleitfaden vor, den
Schülern folgende Formulierung zur Angabe ihrer Quellen vorzugeben:
Bei
der Herstellung dieses Textes [oder wahlweise eines Bildes oder des
Programmiercodes etc.] wurde X [Name des KI-gestützten Werkzeugs]
eingesetzt.
Mit folgenden Prompts [= Anweisungen oder Fragen an die KI] habe ich
die KI gesteuert:
__________________;
2. ___________________
Der
Vorteil dieser Art von Angabe ist, dass die Lehrkraft damit
beurteilen kann, wie weitreichend
der Einsatz der KI war. Ebenso lässt sich auch beurteilen, wie
kompetent der Schüler den Einsatz der KI
gesteuert hat. Dazu sollte der von der KI erstellte Text beigefügt
werden. (MSB.NRW
März 2023, 7)
Aus
diesem und anderen Vorschlägen habe ich folgende Erklärung für die
Hand der Lernenden erstellt:
Declaration
on the use of AI systems
In
writing this text and
/
or
reproducing
this
visual
material, I used the following AI-tools:
[name
of the AI-based system(s)]
a.
b.
c.
I
made use of the following prompts (in
the form
of questions and
/
or
instructions).
a.
b.
c.
Please
find
attached the wording of the results generated by the AI systems:
1.
.................................................................
2.
.................................................................
3.
.................................................................
8 Blick in die Zukunft
Am
Ende
eines Posts – der Beitrag trägt den Titel "What
people ask me most. Also, some answers"
geht der
hier
mehrfach zitierte Ethan Mollick
auf
die Frage ein, was wir von KI in absehbarer Zeit zu erwarten haben:
The
only thing I know for sure is that the AI you are using today is the
worst AI you are ever going to use,
since we are in for at least one major round of AI advances, and
likely many more.
(Mollick 2023b)
KI-Systeme – wenn auch in
kostenpflichtigen Versionen – können bereits heute das Lehren und
Lernen in vielerlei Hinsicht bereichern, wenn man das volle
Leistungsspektrum berücksichtigt: von geschriebener und gesprochener
Sprache zu entsprechenden mündlichen und schriftlichen Texten, von
Wort zu Bild und umgekehrt sowie von Bild zu Bild und schließlich
von Text zu Video- und Audioformaten.
Außerdem zeichnet sich eine Entwicklung
ab,die vermutlich bei Erscheinen dieses Beitrags bereits konkrete
Formen angenommen haben wird: Die Qualität des Outputs beruht nicht
länger nur auf der Größe des KI-Systems. OpenAI und andere
Herstellerfirmen arbeiten an Modellen, die den Output mehrmals
“überdenken”, bevor sie ihn generieren. Zum „Scale” tritt
dann das „Thinking”.
Literaturverzeichnis
De
Florio-Hansen, Inez (2024a): KI-Tools
für den Unterricht.
Weinheim & Basel: Beltz.
De
Florio-Hansen, Inez (2024b): KI-Tools
für den Englischunterricht. Ein praxisnaher Ratgeber mit zahlreichen
Unterrichtsbeispielen.
Stuttgart: ibidem.
De
Florio-Hansen, Inez (2024c): Visualisieren
mit KI. Praxisbeispiele für den Unterricht.
Weinheim & Basel: Beltz.
De
Florio-Hansen, Inez (2020): Digitalisierung,
Künstliche Intelligenz und Robotik.
Münster
& New
York: Waxmann (UTB).
Fitzpatrick,
Daniel,
Fox,
Amanda
& Weinstein,
Brad (2023): The
AI classroom. The ultimate
guide
to Artificial Intelligence in education.
Independently Published.
Fricke,
Dierk,
Lindmüller,
Johannes
& Kämpfer,
Tim (2023): Die
humorvollsten Geschichten,
die
KI jemals geschrieben hat.
Berlin: Avocado Publisher.
Kuderewski,
Pascal (2023): ChatGPT.
Ein neues Zeitalter.
Independently Published.
KMK
(Sekretariat der Ständigen Konferenz der Kultusminister der Länder
in der
Bundesrepublik
Deutschland) (2016/2017): Bildung
in der digitalen Welt. Strategie der Kultusministerkonferenz.
Berlin: KMK.
KMK
(Sekretariat der Ständigen Konferenz der Kultusminister der Länder
in der
Bundesrepublik
Deutschland) (2022):
Lehren und Lernen in der digitalen Welt. Ergänzung zur Strategie der
Kultusministerkonferenz ‚Bildung in der digitalen Welt‘. Berlin:
KMK.
Lenzen,
Manuela (2018): Künstliche
Intelligenz: Was sie kann & was uns erwartet.
München
Beck.
Lenzen,
Manuela (2018): Der
elektronische Spiegel.
Menschliches
Denken und künstliche
Intelligenz.
München: Beck.
McCarthy,
John et al. (1955): A
proposal
for the Dartmouth summer research project on Artificial Intelligence. (https://web.archive.org/web/20080930164306/http://www-formal.stanford.edu/jmc/-history/dartmouth/dartmouth.html; 29.05.2024).
Ministerium
für Schule und Bildung Nordrhein-Westfalen (2023): Umgang
mit
textgenerierenden
Systemen. Ein Handlungsleitfaden.
Düsseldorf: MSB.
Mitchell,
Melanie (2019): Artificial
Intelligence. A Guide for Thinking Humans.
London:
Penguin
Random House UK.
Mollick, Ethan 2023a : One sentence. Prompting for maximum impact (and why that is a bad idea). One Useful Thing (https://www.oneusefulthing.org/p /one-sentence; 29.05.2024).
Mollick, Ethan 2023b: Now is the time for grimoires. It isn't data that will unlock AI, it is human expertise. One Useful Thing (https://www.oneusefulthing.org/p/now-is-the-time-for-grimoires; 30.05.2024).
Mollick, Ethan (2024): Co-Intelligence.
Living and working with AI.
London: W-H. Allen.
Searle,
John (1980): Minds, Brains and Programs. In: Behavioral
and Brain Sciences
3, 417-457.
Skrabut,
Stan (2023): 80
ways to use ChatGPT in the Classroom.
Independently Published.
Tinnefeld,
Thomas (2023): Artificial Intelligence in Foreign Language Teaching –
Insights
from
an Interview
with ChatGPT and Bard. In: Journal
of Linguistics and Language Teaching
14
(2),
203-239.
Autorin:
Prof. Dr. Inez De Florio-Hansen
Universität Kassel
Fachbereich 02: Geistes- und Kulturwissenschaften
Kurt-Wolters-Str. 5
34125 Kassel
Deutschland
E-Mail: inezdeflorio@t-online.de
______________________
