ChatGPT: Langfristiges und Kurzfristiges

Der iPhone-Moment

Im Jahr 2007 hat Steve Jobs am Schluss einer Apple-Entwicklerkonferenz das iPhone präsentiert.

Das iPhone war nicht das erste Smartphone. Trotzdem ist das iPhone zu einem Symbol für ein neues Zeitalter und Sinnbild des mobilen Internets geworden. Obwohl viel über das iPhone gesprochen wird, ist nicht immer das iPhone gemeint. Es lassen sich folgende Abstraktionsebenen unterscheiden:

• iPhone 15: Jedes Jahr erscheinen neue iPhone-Modelle mit je eigenen Hardwareeigenschaften. Bei diesen Eigenschaften und den sich daraus ergebenden Möglichkeiten handelt es sich um typisches Produktwissen, das sich von Produkt zu Produkt unterscheidet und nur eine Gültigkeitsdauer von wenigen Monaten bis Jahren aufweist.

• iOS 17.5.1: Es ist für digitale Systeme typisch, dass ihre Software im laufenden Betrieb aktualisiert werden und sich damit auch gewisse Funktionalitäten ändern können. Das entsprechende Wissen ist noch kurzlebiger (Wochen bis Monate) und wird als Versionswissen bezeichnet.

• Smartphone: Das iPhone ist der berühmteste Vertreter des Konzepts Smartphone. Dieses Konzept hat eine längere Lebensdauer als die einzelnen Produkte (Jahre bis Jahrzehnt) und das damit verbundene Wissen wird Konzeptwissen genannt.

• Digitale Transformation: Smartphones stellen ein technisches Konzept im grösseren Kontext der Digitalisierung bzw. der digitalen Transformation dar, die mehrere Jahrzehnte umfasst.

Der iPhone-Moment des maschinellen Lernens

Eine ähnliche Unterscheidung lässt sich nun auch bei ChatGPT machen:

• GPT 4: ChatGPT nutzt seit April 2023 die beiden grossen Sprachmodelle GPT 3.5 und GPT 4. Diese grossen Sprachmodelle der Firma OpenAI sind im Abstand von etwa einem halben Jahr erschienen und können auch unabhängig von ChatGPT genutzt werden.

• ChatGPT: Der Chatroboter ChatGPT wurde erstmals Ende November 2022 öffentlich zugänglich. Seither ändert sich seine Funktionalität und sein Verhalten laufend. Die Firma OpenAI gibt jeweils auf der Webseite von ChatGPT die aktuell genutzte Version des Dienstes an und publiziert auch entsprechende Release Notes. Im Mai 2023 wurde die Version "May 3 Version" publiziert, davor war March 23 veröffentlicht worden.

• Generative Machine-Learning-Systeme: ChatGPT ist das berühmteste Beispiel sogenannter generativer Machine-Learning-Systeme. Dieses Konzept ist deutlich älter als ChatGPT und es gibt auch zahlreiche konkurrenzierende Produkte verschiedener Unternehmen und Non-Profit-Organisationen.

• Maschinelles Lernen: Generative Machine-Learning-Systeme sind ein derzeit prominentes Beispiel für sogenanntes maschinelles Lernen, einem Konzept, dass es bereits seit vielen Jahrzehnten gibt, aber etwa seit einem Jahrzehnt auch praktische Relevanz erreicht hat.

• Digitale Transformation: Maschinelles Lernen ist wie das Smartphone ein Konzept im grösseren Kontext der Digitalisierung bzw. der digitalen Transformation.

Angesichts des aktuellen Hypes und des Aufmerksamkeitsfokusses auf ChatGPT gilt es auch folgendes festzuhalten:

• ChatGPT ist eine von mehreren grossen Sprachmodellen, es gibt auch andere.
• Generative Machine-Learning-Systeme sind eine der Anwendungsmöglichkeiten von machine learning, es gibt auch andere.
• Machine learning ist ein Phänomen der digitalen Transformation, es gibt auch andere.

Den Begriff Künstliche Intelligenz vermeiden wir bewusst, weil seine Definition sehr schwammig ist und er mitunter auch unerwünschte Assoziationen weckt. mehr...

Unterscheidung zwischen Konzeptwissen, Produktwissen und Versionswissen

Das oben Geschriebene gilt nicht nur für das das iPhone oder ChatGPT, sondern allgemein für technologische Phänomene: Es gilt verschiedene Abstraktions- und damit verbundenen Zeiträume zu unterscheiden. Gewisse, versionsspezifische Eigenschaften haben eine Gültigkeit von wenigen Wochen, während andere grundlegende Aspekte produktspezifisch- oder konzeptspezifisch sind, dafür aber Jahre oder gar Jahrzehnte Gültigkeit haben werden.

Die Unterscheidung zwischen Konzeptwissen, Produktwissen und Versionswissen gilt es auch bei der Auswahl und Priorisierung von Unterrichtsinhalten (nicht nur im Fach Medien und Informatik) zu beachten: Exemplarische konkrete Beispiele aus der Lebenswelt der Schülerinnen und Schüler, die aber auf die entsprechenden langlebigen Konzepte hinweisen.

Menschen neigen dazu, Kurzfristiges zu überschätzen und Langfristiges zu unterschätzen

Es gilt nicht nur für generative Machine-learning-Systeme, sondern auch für andere (technologische) Veränderungen: Menschen neigen dazu, das Kurzfristige zu überschätzen und das Langfristige zu unterschätzen. Erstmals formuliert wurde diese These von Roy Amara. (Biblionetz:w03364).

In eine ähnliche Richtung geht der sogenannte hype cycle, den das Beratungsunternehmen Gartner entwickelt hat. Ein technologischer Auslöser wird anfänglich überschätzt (Gipfel der überzogenen Erwartungen). Als nächstes folgt die Enttäuschung (Tal der Tränen), bis dann auf einem "Pfad der Erleuchtung" das "Plateau der Produktivität" erreicht wird.

Weiterführende Informationen

• Biblionetz:w00859 Konzeptwissen
• Biblionetz:w00858 Produktwissen
• Biblionetz:w03397 Versionswissen
• Biblionetz:w00271 Schüler:innen benötigen ICT-Konzeptwissen.
• Biblionetz:w03364 Amaras Gesetz
• Biblionetz:w01398 hype cycle