Recherchen mit KI …

[Sorgnix]

... mal ganz davon abgesehen
das Volumen des Goldbarrens ist immer knapp die Hälfte von der Größe des Silberbarrens ...
Ob da jetzt die Proportionen getroffen sind, bezweifle ich ...


ABER:

Was ich da auf Bild 1 sehe, sind jew. 3 Barren - aber in welcher Größe werden die im Hintergrund
liegenden Barren dargesellt, das "Podest", wo der "Zeigebarren" drauf liegt??

Was ich auf Bild 2 sehe, sind VIER Barren, je 2 - aber es sollten doch je DREI sein ...
(mal abgesehen davon, daß der linke Silberbarren so wirkt, als ob drunter ein dünnerer liegt ... )
Auf jeden Fall: Das Ergebnis hat ja in mehrererlei Hinsicht nichts mit der Frage zu tun ...

Und auf Bild 3??
Beim Silber sind es 3 Barren - Bildhintergrund noch immer 2 größere Barren, analog Frage 1 ...
Und das Gold?? Sehe ich da grad VIER Barren??? Gar 5?? Was liegt unter dem Rechten, der
ja irgendwie noch "angehoben" wirkt?? Dazu das Größenverhältnis vom linken zum rechten
vorderen Barren ...

Wie genau sollen denn die Fragen da noch formuliert werden, bis ICH mit der Antwort zufrieden bin??

Sorry, ich vertraue weiterhin auf meine spärliche Schulbildung, versuche ausschließlich damit
über die Runden zu kommen ...

Gruß
Jörg

[affenbrotbau]

Je präziser die Frage formuliert wird, desto genauer wird halt auch die Antwort resp. das Ergebnis

[BOBO]

ChatGPT hat nur 7,5s gebraucht
image.png

[BOBO]

Aber mal wieder ernsthaft weiter

Man sollte sich mal diese Videos anschauen, dann wird man schlauer.
Ich finde den Vortrag von Dr. Martin Nissen echt super denn darin wird alles noch mal thematisiert, was in den vorherigen 6 Seiten dieses Threads schon hier erarbeitet wurde.
Und die anderen, nachfolgenden Videos sind schon mal der grundlegende Weg, wie wir in der Frage nach "Recherche mit KI ..." weiter machen sollten und nicht alles gleich über einen Kamm scheren sollten.
Wichtig bleibt nach wie vor, welche Tools man wie dabei einsetzen sollte und was dabei zu berücksichtigen ist.


KI-Tools für die wissenschaftliche Recherche
Video der Universitätsbibliothek Heidelberg
Vortrag von Dr. Martin Nissen

Wie benutze ich KI für die Recherche?
Science Slam von Simona Bärtschi (Universitätsbibliothek St.Gallen)

Literaturrecherche mit KI – Perplexity AI // Universitätsbibliothek Leipzig
Video der Universitätsbibliothek Leipzig (unter dem Kanal finden sich zahlreiche Shorts zu der ganzen Thematik)

Wie KI-Modelle unsere Recherchen auf ein neues Niveau heben
Vortrag von Informatiker Tobias Hübers und Journalist Daniel Moßbrucker

[Columbo]

Danke!!

... anbei noch ein kleines Beispiel aus der Praxis:

Hier noch kurz zur „Ehrenrettung“ der KI (dass sowas ausgerechnet von mir kommt ).

Anscheinend ist es einfacher Fehler zu erkennen als fehlerfrei zu produzieren.
Hier die (verkürzten) Antworten auf zwei Fragen an ChatGPT:

Was stimmt nicht mit diesem Bild?


Das Auffälligste: Die Größenverhältnisse stimmen nicht.
…
blablabla Erklärung blablabla
…

Kurz: Die Dichte wird ignoriert - deshalb passt die Größe der Barren nicht.

Sonst noch was?

Ja, ein paar weitere Dinge fallen auf:
…
blablabla
…

Zusammengefasst:

Nicht nur die Größe, sondern auch Seriennummern, Abnutzung, Physik und Rendering-Look verraten, dass das Bild nicht realistisch ist.


Es ist schon seltsam, dass Fehler gefunden werden, die zuvor selbst kreiert wurden .

[BOBO]

Es ist schon seltsam, dass Fehler gefunden werden, die zuvor selbst kreiert wurden .

Bei einem Sprachmodell überhaupt nicht seltsam, da die Antwort ja erzwungen wird. Darauf geht Hannah Bast ja im Video drauf ein.

ChatGPT kann sich selbst kritisieren, weil es Sprache analysieren und bewerten kann. Durch Training auf reflektierenden Texten, Bilder, etc. und Feedback erkennt es Fehler, Inkonsistenzen und Alternativen. Diese Selbstkritik ist funktional, nicht bewusst: Sie beruht auf erlernten sprachlichen Mustern und Rollenwechsel zwischen Generierung und Analyse, ohne echtes Selbstbewusstsein oder intentionale Selbstreflexion dabei.

Auch im Vortrag von Dr. Martin Nissen geht dieser auf diese Mechanismen ein (siehe Post #94)

Hier ein Beitrag von TerraX mit Hannah Bast. Dabei wird die Funktion von ChatGPT grundlegend erklärt.
Von Bigram-Modellen zu Transformer Netzwerken.
Hier wird gezeigt, wie eine KI lernt (speziell ChatGPT), Text zu lesen und selbst Texte erzeugt.  Warum macht ChatGPT Fehler, die uns so menschlich vorkommen? Und wie wird aus Daten scheinbares Verständnis. Dieses Video ist Teil 1 eines Dreiteilers über Künstliche Intelligenz.
ChatGPT, Gemini, Claude & Co erklärt: Wie Maschinen Sprache verstehen | Terra X Lesch & Co

[Sorgnix]

Ich stelle fest: Hier wird ZEIT ohne Ende investiert ...
Und für MICH stelle ich hierbei noch immer keinen persönlichen Nutzen fest
Das wahre Leben findet ab und an halt noch immer abseits des Bildschirms statt ...

Einige kennen noch meine Aprilscherze.
Damals, als ich noch Zeit hatte ...
Wo man es sich meist schwer zu Herzen nimmt, weil irgend ne Blitzbirne dann
immer meint, es ginge darum als erster festzustellen, daß der 1. April ist und
5 min nach Onlinestellung mit dem originellen Kommentar "ich weiß was" auf
die Bühne tritt und alles torpediert ...
Anstatt das erstmal wirken zu lassen und schauen was passiert ...

Also: WENN KI einen vernünftigen Scherz auf die Reihe kriegt, dann könnte
ich mich ja fast erbarmen ... - soll DIE sich ärgern. Ich schaue dann nur zu ...
Aber ich gehe eher davon aus, daß der gespielte Witz nicht Sache der KI ist.
Den "Scherz" wird KI wohl eher zufällig basteln, als Zufallsprodukt der gemeinen
Humorlosigkeit. "Geplant" wird das ein Schiffbruch ...

So Bobo. Mal ran. Laß mal ´n Witz bauen.
Wenigstens so einen kleinen ...

Gruß
Jörg

[BOBO]

Ich stelle fest: Hier wird ZEIT ohne Ende investiert ...
Und für MICH stelle ich hierbei noch immer keinen persönlichen Nutzen fest
Das wahre Leben findet ab und an halt noch immer abseits des Bildschirms statt ...

Einige kennen noch meine Aprilscherze.
Damals, als ich noch Zeit hatte ...
Wo man es sich meist schwer zu Herzen nimmt, weil irgend ne Blitzbirne dann
immer meint, es ginge darum als erster festzustellen, daß der 1. April ist und
5 min nach Onlinestellung mit dem originellen Kommentar "ich weiß was" auf
die Bühne tritt und alles torpediert ...
Anstatt das erstmal wirken zu lassen und schauen was passiert ...

Also: WENN KI einen vernünftigen Scherz auf die Reihe kriegt, dann könnte
ich mich ja fast erbarmen ... - soll DIE sich ärgern. Ich schaue dann nur zu ...
Aber ich gehe eher davon aus, daß der gespielte Witz nicht Sache der KI ist.
Den "Scherz" wird KI wohl eher zufällig basteln, als Zufallsprodukt der gemeinen
Humorlosigkeit. "Geplant" wird das ein Schiffbruch ...

So Bobo. Mal ran. Laß mal ´n Witz bauen.
Wenigstens so einen kleinen ...

Gruß
Jörg

Was mich ein wenig an Deinen und teilweise anderen Postings von Usern stört, ist die Verallgemeinerung des Begriffs "KI".
KI ist ein Oberbegriff wie Mensch, Tier, Maschine etc.
Analog wäre es genau so, als würde man sagen, "Menschen sind schlecht", "Tiere sind dumm" oder "Maschinen sind nicht hilfreich".
Mir kommt es so vor, als würden einige Nutzer nicht verstehen, das KI nicht gleich KI ist.

Die Qualität und Quantität eines KI-Modells hängen von Datenmenge, Datenqualität, Modellarchitektur, Trainingsverfahren, Rechenressourcen und Zieldefinition ab. Hochwertige, repräsentative Daten verbessern Generalisierung; geeignete Architekturen und Optimierungsstrategien steigern Leistungsfähigkeit. Überanpassung, Verzerrungen und unzureichende Evaluation mindern Ergebnisse.
Auch Regularisierung, Validierung, Domänenwissen, Wartung, kontinuierliches Lernen und ethische Rahmenbedingungen beeinflussen nachhaltig Modellrobustheit, Sicherheit, Skalierbarkeit langfristig.

Dr. Martin Nissen der Universität Heidelberg, als auch Simona Bärtschi der Universität St. Gallen gehen hierbei gezielt in ihren Vorträgen (siehe weiter oben) darauf ein.

Aber Dein Will soll geschehen


Prompt an ChatGPT:
Erzähle einen Witz. Dieser sollte aus einer Frage bestehen und die Antwort auf die Frage soll die Pointe des Witzes sein. Bei der Beantwortung der Frage sollte der Gefragte um die Ecke denken können
Output ChatGPT:
Frage: Warum nimmt ein Mathematiker immer eine Leiter mit zur Bar?
Antwort: Weil die Getränke dort auf einem höheren Niveau sind.

Hier schön deutlich und lustig die kausale Korrelation zwischen Input und Output.

[mun_depot]

OMG - Witze bei SDE, das hatten wir schon lange nicht mehr ... - soo tief kann man sinken ... 🤣

Ok, dann mal Gemini triggern.

Frage:
Stelle dir vor, du wärst ein lustiger Komiker. Erzähle 3 Witze. Diese sollten jeweils aus einer Frage bestehen und die Antwort auf die Frage soll die Pointe des Witzes sein. Bei der Beantwortung der Frage sollte der Gefragte um die Ecke denken können.

Antwort:
Witz 1: Die Wüsten-Süßigkeit
Frage: Was ist braun, klebrig und läuft gemütlich durch die Wüste? Antwort: Ein Karamel.

Witz 2: Die religiösen Krabbeltiere
Frage: Warum gehen Ameisen eigentlich niemals in die Kirche? Antwort: Weil sie In-Sekten sind.

Witz 3: Das sportliche Gebäck
Frage: Wie nennt man ein verschollenes Kaninchen, das den ganzen Tag im Fitnessstudio Gewichte stemmt? Antwort: Einen Pumper-Nickel.


niveau.jpg


Und nein - ich hätte schon etwas anderes zu tun, muss aber meinen Senf irgendwie immer dazugeben 😖😇

[Sorgnix]

Bobo, ich weiß, daß KI auf verschiedenen Ebenen genutzt werden kann.
Die aktuelle Hauptnutzung der Welt via YT und anderen ist halt das untere Niveau.

Wie ich im Vergleich zum TV schon mal schrieb:

Fernsehen - macht die Dummen immer Dümmer,
die Klugen immer Klüger ...
... es kommt drauf an, WAS man schaut.

Im übertragenen Sinn steht das sicher auch für KI
Der "Normalmensch" wird durch den Konsum eher hinter die Fichte geführt,
der ambitionierte Freizeitforscher mag da sicher einen Nutzen draus ziehen ...
Spart etwas Zeit gegenüber der "analogen" Recherche. Diese wäre aber
scheinbar (noch ...) SICHERER ...


Ansonsten: Die präsentierten Witze sind nix. Dazu gesellt sich dann noch
der Umstand des Vortrags. Nur lesen ist halt nix. Und die Computerstimme
wird es am Ende auch nicht reißen.
Ich war am WE bei Markus Krebs ( ). 135 Minuten Witze und Lachen ...
OBWOHL mehr als 70 % einem YT-Konsumenten mit Sicherheit schon
bekannt war. Trotzdem hatte er auch Neue Sachen dabei ...
Und irgendwer hat halt immer gelacht, weil ihm der jeweilige Witz neu war.
Und dann muß man das halt "verkaufen" können. Krebs kann das.
KI nicht. Und wird es wohl auch nie können ...
(Vergleich zu StarTrek, "Data" ... - der versucht es auch immer - und scheitert )

Bei "optischen" Witzen ist das u.U. anders.
Die Sache mit der Nivea da oben, die kann man auch im realen Leben nutzen
... oder des Bobos Sorgnix-Puppe alias "Bob der Baumeister" ...

Gruß
Jörg

[BOBO]

Mit den AI-Modellen wie Elicit, SciSpace, Chancen, SCite.AI, Consensus, ERIC, etc. sieht es aber schon wesentlich anders aus bei einer wissenschaftlichen Recherche.

Diese AI-Modelle sind nicht nur generative Sprachmodelle, sondern kombinieren Retrieval-Mechanismen (Suche in wissenschaftlichen Quellen), strukturierte Datenextraktion und Quellennachweise, um Forschung effizienter zu machen.

Hatte mich heute ein wenig mit den genannten Modellen auseinander gesetzt und eingelesen.

Elicit zum Beispiel ist für KI-gestützte Unterstützung systematischer Literaturrecherche und Evidence Synthesis.
Dabei geht es um Semantic Searches über große wissenschaftliche Datenquellen, um relevante wissenschaftliche Papers der Bildungswissenschaften zu finden; auch ohne exakte Schlagwort-Übereinstimmung. Elicit extrahiert Schlüsselinformationen (z. B. Methodik, Ergebnisse) in tabellarischer Form und hilft, Überblicksdaten zu strukturieren. Gegenüber z. B. ChatGPT liefert Elicit zitierbare, evidenzbasierte Zusammenfassungen statt generischer, potenziell halluzinierter Antworten. Außerdem liefert das AI-Modell automatisierte Datenextraktion und strukturierte Übersichtstabellen, die für systematische Reviews und Metaanalysen essentiell sind und ist speziell entwickelt worden sind für die Forschung, nicht genereller Konversation im eigentlichen Sinn.

SciSpace dient dem Verständnis, Analyse und Interaktion mit wissenschaftlichen Dokumenten.
Ermöglicht das „Chatten mit PDFs“, die Kontextualisierung von Fachbegriffen, Tabellen, Grafiken und Ergebnissen und generiert Zusammenfassungen und kontextbezogene Erklärungen für Abschnitte eines wissenschaftlichen Papers. Gegenüber ChatGPT, meta etc. dient das AI-Modell der direkten Analyse von PDF-Volltexten und automatische Interpretation technischer Inhalte. Weitere Vorteile ist eine strukturierte Hilfe bei komplexen Daten (Tabellen, Abbildungen), was normale Sprachmodelle in Standardform nur sehr eingeschränkt bieten. Der Fokus liegt hierbei auf wissenschaftliches Verständnis und Dokument-Interaktion, nicht nur generelles Texten.

SCite.AI ist für kontextualisierte Zitationsanalyse und Validierung von Forschung entwickelt worden.
Dabei nutzt das KI-Modell „Smart Citations“, die anzeigen, ob Artikel in nachfolgenden Arbeiten unterstützt, neutral oder widerlegt wurden. Außerdem bietet es darüber hinaus einen AI-Assistenten, der z. B. Erklärungen mit echten Literaturverweisen kombiniert. Hinzu kommt, das es ein echtes, verfolgbares Zitationsnetzwerk liefert, um die wissenschaftliche Zuverlässigkeit und Wirkung eines Artikels zu beurteilen. Des Weiteren reduziert es das Risiko von Halluzinationen bei Literaturbelegen im Vergleich zu generischen Antworten ala ChatGPT.

Consensus dient zur schnellen, evidenzbasierten Antworten aus wissenschaftlicher Literatur.
Dieses AI-Modell durchsucht Millionen wissenschaftlicher Artikel, extrahiert kurz die relevanten Kernpunkte zu einer Frage und bietet eine „Konsens-Sicht“ wichtiger Studien. In manchen Fällen zählt es Studien auf, die einem Ergebnis zustimmen oder widersprechen (z. B. Sicherheits- oder Wirksamkeitsfragen). Der Schwerpunkt gegenüber einfachen Sprachmodellen liegt auf Konsens/Beweislage aus Peer-Reviewed-Forschung, nicht auf generativer Erzählung. Dieses AI-Tool ist ideal für Entscheidungsfragen, bei denen die Literaturlage zentral ist.

ERIC ist zwar kein AI-Modell im klassischen Sinn sondern ein etabliertes bibliographisches Repositorium für Bildungsforschung, kein generatives KI-Modell per se. Es ist eine Datenbank akademischer Literatur im Bildungsbereich, die von der U.S. Regierung betrieben wird (nicht identisch mit generativen Assistenzsystemen). In Verbindung mit KI-Technologien kann ERIC als Quelle für Retrieval-Modelle dienen.

Anzumerken ist, das die Nutzung dieser Modelle teilweise mit Kosten verbunden sein können. Viele spezialisierte Forschungs-KI-Tools bieten kostenlose Grundfunktionen, verlangen aber für erweiterte Features oder umfangreiche Recherchen Abonnements. Im Nutzen unterscheiden sie sich erheblich. Kostenlose Varianten eignen sich für Basis-Literatursuche, während kostenpflichtige Versionen größere Datenzugänge, detaillierte Analysen und Zitationsmetriken bieten, die wissenschaftliche Tiefe erhöhen.

Jetzt raucht erst mal meine CPU unter der Schädeldecke.

[Columbo]

Es (be)trifft selbst die Besten .

[BOBO]

Meiner Meinung nach ist die Fehlerquote des Weihnachtsmannes bei einigen Individuen unserer heutigen Gesellschaft auch ohne Einsatz künstlicher Intelligenz recht hoch anzusiedeln.
Stellt sich die Frage, wo die Fehlerquote höher anzusiedeln ist - beim oder bei image.png

Bis'chen Spaß muss sein

image.png