14.06.2023

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

Eine neue Studie trübt die Hoffnungen, die in generative KI gesetzt werden. Durch zu viele KI-Inhalte im Internet könnten die Modelle verlernen, was hochwertiger Content ist.
/artikel/ki-modelle-koennen-sich-selbst-zerstoeren
Am Beispiel von blauen Katzen lässt sich erklären, wie KI-Modelle versagen. Bild: Unsplash/Rémi Rémino

Obwohl die Tech-Welt seit Jahren vor KI warnt, sind ihre Fähigkeiten erst letztes Jahr in den Fokus einer breiteren Öffentlichkeit gerückt: Generative KI ermöglicht es, mit wenigen Klicks kreative KI-Leistungen schnell verfügbar zu machen. Konkret heißt das: KI-Chatbots wie ChatGPT forumlieren auf Befehl eloquente Texte, können programmieren und verschiedene sprachliche Tasks im Nu erledigen. Bilderzeugungs-Tools wie Stable Diffusion oder Midjourney erzeugen auf Knopfdruck fotorealisitische Bilder.

Studie warnt vor Qualitätsverlust

Viele Unternehmen haben es plötzlich sehr eilig: Schnellstmöglich wollen sie KI-Lösungen in ihre Produkte implementieren, wie jüngst Mark Zuckerberg für Meta verkündete. Die Hoffnungen und Erwartungen, die in KI-Modelle gesetzt werden, sind riesig.

Die Studie eines britisch-kanadischen Forscherteams, die vor kurzem im Open-Access-Journal arXiv erschienen ist, könnte den KI-Hype jedoch etwas trüben. Sie kommt zu dem Ergebnis, dass KI-Modelle nachhaltig geschädigt werden können, wenn sie mit KI-generierten Inhalten trainieren. Denn laut den Studienautor:innen, seien die KI-Modelle derzeit vor allem deshalb so stark, weil sie mit menschengemachten Inhalten trainiert sind.

Internet als KI-Mülldeponie

“Wir waren überrascht zu sehen, wie schnell ein Modell wieder zusammenbricht. Die Modelle können die meisten Originaldaten, aus denen sie ursprünglich gelernt haben, schnell vergessen”, meinte der am Projekt beteiligte Forscher Ilia Shumailov gegenüber VentureBeat. In einem Blog-Artikel warnt Ross Anderson, ein weiterer beiteiligter Forscher: “So wie wir die Ozeane mit Plastik vermüllt und die Atmosphäre mit Kohlendioxid gefüllt haben, sind wir nun dabei, das Internet mit Blabla zu füllen. Dadurch wird es schwieriger, neuere Modelle durch Webscraping zu trainieren”.

Das Problem: Je mehr KI-Inhalte im Internet kursieren, desto weniger seien menschliche Inhalte für die KI-Modelle zum Lernen verfügbar. Anderson zufolge hätten Unternehmen, die das Internet bereits gescraped haben, bzw. die den Zugang zu menschengemachten Inhalten kontrollierten, nun immense Vorteile: “Wir sehen bereits jetzt, dass KI-Startups das Internet Archive nach historischen Daten durchsuchen”. Denn bereits jetzt sei das Netz bereits mit KI-generiertem “Müll” kontaminiert.

Problem mit blauen Katzen

Shumailov skizziert das Problem gegenüber VentureBeat folgendermaßen: Menschengemachte Dokumente, egal ob Bilder, Texte, Musik oder andere kreative Leistungen, würden die Welt umfassender beschreiben und auch unwahrscheinlichere Fälle abbilden. KI-Modelle hingegen wählen Daten nach Wahrscheinlichkeitskriterien aus: Werden bestimmte Daten häufiger vorgefunden als andere, werden die unwahrscheinlicheren eher verworfen.

Gut zu beschreiben sei dies anhand eines Datensets aus Katzenbildern. Wird ein KI-Modell mit Bildern von 10 blauen Katzen und 90 gelben Katzen trainiert, erkennt die KI, dass gelbe Katzen mit höherer Wahrscheinlichkeit “richtig” sind. In der Folge produziert die KI selbst grünstichige Katzenbilder, wenn sie Katzen mit blauem Fell darstellen soll. Im Laufe der Zeit produziere sie überhaupt keine blauen Katzen mehr, sondern nur mehr gelbe.

Das Beispiel zeige laut Shumailov, dass die KI-Modelle Probleme mit unwahrscheinlicheren Daten hätten. Im Laufe der Zeit würden die Modelle somit versagen, meint der Forscher. Darüber hinaus entstünden dadurch zahlreiche Probleme, etwa Diskriminierung aufgrund bestimmter Minderheiten-Eigenschaften.

Deine ungelesenen Artikel:
07.01.2025

Spin-offs: Uni Innsbruck aktuell mit 23 Beteiligungen an Ausgründungen

Die Universität Innsbruck hat sich mit ihrer Gründungs- und Beteiligungsstrategie seit der Gründung der Beteiligungsgesellschaft im Jahr 2008 über die Uni-Holding an 39 Spin-offs beteiligt. Aktuell gibt es noch 23 Beteiligungen im Portfolio.
/artikel/spin-offs-uni-innsbruck-aktuell-mit-23-beteiligungen-an-ausgruendungen
07.01.2025

Spin-offs: Uni Innsbruck aktuell mit 23 Beteiligungen an Ausgründungen

Die Universität Innsbruck hat sich mit ihrer Gründungs- und Beteiligungsstrategie seit der Gründung der Beteiligungsgesellschaft im Jahr 2008 über die Uni-Holding an 39 Spin-offs beteiligt. Aktuell gibt es noch 23 Beteiligungen im Portfolio.
/artikel/spin-offs-uni-innsbruck-aktuell-mit-23-beteiligungen-an-ausgruendungen
Universität Innsbruck, Spin-offs
(c) Universität Innsbruck

Vergleicht man die österreichische Spin-off-Landschaft mit jener anderer Länder, erweist diese sich als mager – wären da nicht diverse heimische Universitäten, die proaktiv Spin-offs fördern, wie brutkasten berichtete. Die Universität Innsbruck gilt als einer dieser Innovationstreiber.

Spin-offs in Deutschland

Eine Studie aus dem Oktober 2023 zur Entrepreneurship Performance deutscher Hochschulen ermittelte die Anzahl an Gründungen aus Hochschulen von 2014 bis 2022 und weist diese Werte für die 20 am höchsten gerankten Universitäten in Deutschland aus. Zusammen waren diese 20 Universitäten Ursprung von knapp 4.800 Startups. Dabei gibt es eine ausgeprägte Spitzengruppe mit der TU München (810 Startups) ganz vorne, gefolgt mit weitem Abstand von der TU Berlin (466) und dem Karlsruher Institut für Technologie (KIT, 321).

Hierzulande hat sich die Universität Innsbruck seit der Gründung ihrer Beteiligungsgesellschaft im Jahr 2008 über die Uni-Holding an 39 Spin-offs beteiligt. Durch die neu gegründeten Unternehmen wurden seither mehr als 200 neue Arbeitsplätze geschaffen.

“Der Ansatz der Universität Innsbruck, akademisch getriebene Spin-offs wirksam zu unterstützen, zeigt Früchte”, sagt Rektorin Veronika Sexl. “Durch die Unternehmen wird spezialisiertes Grundlagenwissen zum Wohle der Gesellschaft transformiert und diesen strategischen Ansatz werden wir auch in Zukunft weiter forcieren.” Neben Studienangeboten im Bereich Entrepreneurship und dem gemeinsam mit der Wirtschaftskammer Tirol betriebenen Gründungs- und Innovationszentrum InnCubator stellt die 2008 gegründete Beteiligungsgesellschaft Uni-Holding ein Kernelement der Strategie dar.

AQT und ParityQC als Aushängeschilder

Aktuell hält die Uni-Holding 23 Beteiligungen an Ausgründungen aus der Universität Innsbruck. Diese Unternehmen sind in den Bereichen Digitalisierung, Finanzen, Gesundheit, Ökologie und Technologie tätig. Neben den renommierten Ausgründungen im Bereich der Quantentechnologien – AQT und Parity QC – beschäftigt sich etwa das junge Spin-off QND – Quantum Network Design mit der Simulation von Quantennetzwerken, um die wesentlichen Grundsteine für eine industrielle Implementierung zu legen.

Beispiele der Innsbrucker Spin-offs

Innfoliolytix wäre ein weiteres Beispiel der Spin-off-Strategie: Das Startup macht Kapitalmarktanleger:innen aktuelle Forschungsergebnisse in Form von quantitativen Anlagestrategien zugänglich. Die Universitätsprofessoren Matthias Bank und Jochen Lawrenz vom Institut für Banken und Finanzen sind an der gemeinsamen Gründung und Entwicklung des Unternehmens mit der BTV AG und der Universität Innsbruck beteiligt; seit 2024 gilt Innfoliolytix als eine FMA-lizenzierte Wertpapierfirma. Im November 2024 wurde der vom Startup beratene und von der 3 Banken-Generali Investment-Gesellschaft verwaltete Fonds “Quant Global Plus” mit dem Österreichischen Dachfonds Award 2024 des GELD-Magazins in den Kategorien “Aktiendachfonds 1 Jahr” und “Aktiendachfonds 3 Jahre” ausgezeichnet.

KinCon biolabs wiederrum baut seine patentierte Plattformtechnologie weiter aus, um Pharmaunternehmen bei der Lösung medizinischer Herausforderungen, insbesondere bei Krebs und Morbus Parkinson, zu unterstützen. Das von Philipp Tschaikner und Eduard Stefan gegründete Unternehmen entwickelt eine zellbasierte Reportertechnologie, die strukturelle Veränderungen von schwer zu analysierenden Zielproteinen sichtbar macht. Wenn ein Wirkstoffkandidat an einen, spezifisch für das Zielprotein entwickelten Reporter bindet, beginnt der genetisch kodierte Reporter in den Zellen zu leuchten. Damit lasse sich die Wirksamkeit von Medikamentenkandidaten systematisch vorhersagen, sodass die Pharmaunternehmen neuartige Therapien schneller in die klinische Anwendung, d.h. zu den Patient:innen, bringen könnten.

Kartenspiel in USA lizenziert

Das von Physiker:innen an der Universität Innsbruck entwickelte Kartenspiel Seeker Chronicles konnte mittlerweile an den renommierten US-amerikanischen Spieleverlag Wise Wizard Games lizenziert werden. Es verbindet Wissenschaftsvermittlung mit Spielelementen. Dessen Erfinder:innen Hendrik Poulsen Nautrup, Lea Trenkwalder und Fulvio Flamini haben das Spin-off-Unternehmen OneStone Studios gegründet und arbeiten aktuell an Erweiterungen, einer digitalen Version des Spiels und mehreren neuen Spielen, alle mit dem Ziel, Wissenschaft der Gesellschaft näherzubringen.

Arbeitsbedingungen, Arbeitsorganisation und daraus resultierende Beanspruchungen mit dem Ziel zu betrachten, Arbeit “menschenzentriert” zu gestalten und hinsichtlich verschiedener Humankriterien in Unternehmen und Organisationen zum Wohle aller Beteiligten zu verbessern – das ist das Vorhaben von Humane Arbeit. Gegründet von Cornelia Strecker, Christian Seubert und Jürgen Glaser bietet das Spin-off arbeitspsychologische Beratung auf dem aktuellsten Stand wissenschaftlicher Forschung.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Der Inhalt der Studie zeigt, dass KI-Modelle durch den von ihnen generierten “Müll” selbst zerstört werden können und dass Unternehmen, die den Zugang zu menschgemachten Inhalten kontrollieren, dadurch einen Vorteil haben. Diese Erkenntnisse könnten Auswirkungen darauf haben, wie KI-Modelle trainiert werden und wer Zugang zu menschgemachten Inhalten hat, was wiederum Auswirkungen auf Wettbewerb und Diskriminierung haben könnte. Außerdem wird deutlich, dass die Vorstellung, KI könne alle Aufgaben besser lösen als Menschen, kritisch hinterfragt werden muss.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Die Studie eines britisch-kanadischen Forscherteams, die vor kurzem im Open-Access-Journal arXiv erschienen ist, hat gezeigt, dass KI-Modelle nachhaltig geschädigt werden können, wenn sie mit KI-generierten Inhalten trainieren. Dies könnte Unternehmen, die schnell KI-Lösungen in ihre Produkte integrieren wollen, vor große Herausforderungen stellen. Das Problem besteht darin, dass je mehr KI-Inhalte im Internet verfügbar sind, desto weniger menschengemachte Inhalte für die KI-Modelle zum Lernen vorhanden sind. Unternehmen, die bereits den Zugang zu menschengemachten Inhalten kontrollieren, würden einen immensen Vorteil genießen.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Dieser Artikel warnt Innovationsmanager:innen vor den Risiken beim Einsatz von KI-Modellen in ihren Produkten und Dienstleistungen. Eine Studie zeigt, dass KI-Modelle langfristig beschädigt werden können, wenn sie mit KI-generierten Inhalten trainiert werden, da die Modelle menschengemachte Inhalte benötigen, um weiter zu lernen. Dies kann dazu führen, dass KI-Modelle versagen und nicht mehr in der Lage sind, spezifische Daten oder Zusammenhänge richtig zu erkennen oder zu interpretieren. Innovationsmanager:innen sollten daher vorsichtig sein und sicherstellen, dass die KI-Modelle, die sie verwenden, menschengemachte Inhalte verwenden, um ihre Funktionsweise zu verbessern und langfristige Probleme zu vermeiden.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Als Investor:in sollten Sie aufmerksam sein, wie KI-Modelle trainiert werden und welche Auswirkungen dies auf deren Qualität und Leistung hat. Die Studie zeigt, dass KI-Modelle durch den Einfluss von KI-generiertem “Müll” dauerhaft geschädigt werden können. Daher sollten Unternehmen, die KI-basierte Lösungen entwickeln, sicherstellen, dass sie ihre Modelle mit qualitativ hochwertigen menschengemachten Inhalten trainieren, um deren Leistung und Qualität zu sichern.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Die breite Verfügbarkeit von generativer KI hat den Hype um die Technologie verstärkt, aber eine Studie warnt nun davor, dass KI-Modelle durch ihren eigenen Müll, der in Form von KI-generierten Inhalten im Netz kursiert, nachhaltig geschädigt werden können. Die zunehmende Verbreitung von KI-generierten Inhalten führt dazu, dass die KI-Modelle weniger menschliche Inhalte für das Lernen zur Verfügung haben, und Unternehmen, die den Zugang zu menschlichem Content kontrollieren, haben daher immense Vorteile. Die Studie zeigt auch, dass die KI-Modelle Schwierigkeiten haben, unwahrscheinliche Daten abzubilden, was zu zahlreichen anderen Problemen führen kann, einschließlich Diskriminierung aufgrund von bestimmten Minderheiten-Eigenschaften.

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

  • Ilia Shumailov
  • Ross Anderson
  • Mark Zuckerberg

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

  • Meta
  • Internet Archive

Studie: KI-Modelle können sich durch ihren eigenen Müll selbst zerstören