Ehret Prompt Engineering für die Sekundarstufe 1+2

Ein praxisnaher Leitfaden für Lehrpersonen
1. Auflage 2024
ISBN: 978-3-7583-3573-0
Verlag: BoD - Books on Demand
Format: EPUB
Kopierschutz: 6 - ePub Watermark

E-Book, Deutsch, 128 Seiten

Künstliche Intelligenz revolutioniert unsere Welt - auch im Bildungsbereich. Dieses Buch bietet einen praxisnahen Leitfaden für Lehrpersonen der Sekundarstufen 1 + 2 zum Einsatz von KI im schulischen Alltag. Folgende Fragen werden beantwortet: - Wie kann KI das Lernen und Lehren unterstützen? - Welche KI-Tools eignen sich für den Unterricht und die Prüfungsvorbereitung? - Wie formuliert man effektive Prompts für ChatGPT und andere KI-Assistenten? - Welche ethischen und rechtlichen Aspekte müssen beim KI-Einsatz beachtet werden? - Wie verändert KI die Anforderungen an Maturaarbeiten und an andere schulische Leistungsnachweise? Das Buch bietet: - Grundlegendes Wissen zu KI-Systemen wie ChatGPT, Claude und anderen - Über 50 konkrete Anwendungsbeispiele für den Einsatz von KI im Unterricht - Tipps zur Erstellung von Custom GPTs und Mega-Prompts - Kritische Reflexion zu Chancen und Risiken von KI in der Bildung Dieses Werk richtet sich an: - Lehrpersonen, die KI-Tools verstehen und deren Einsatz im Unterricht bewusst steuern möchten - Schüler, die KI für effizienteres Lernen und Prüfungsvorbereitung nutzen wollen - Bildungsverantwortliche, die sich mit den Auswirkungen von KI auf unser Schulsystem auseinandersetzen Mit diesem Leitfaden sind Sie gerüstet, um das Potenzial der künstlichen Intelligenz zu nutzen und gleichzeitig deren Grenzen zu erkennen. Über den Autor: Boris Ehret, Jahrgang 1962, ist Romanist und seit fast zwei Jahrzehnten als Französischlehrer an der Kantonsschule Alpenquai in Luzern tätig. Als Übungslehrer begleitet er angehende Lehrkräfte auf ihrem Weg ins Gymnasium. Seine Leidenschaft für innovative Lehrmethoden spiegelt sich in der von ihm entwickelten und betreuten Lernplattform www.borisehret.ch wider. Seit der Einführung von ChatGPT im November 2022 widmet sich Boris Ehret intensiv der Erforschung der Auswirkungen künstlicher Intelligenz auf den gymnasialen Unterricht. Seine Expertise in diesem Bereich hat er in zahlreichen Weiterbildungsveranstaltungen an Lehrkräfte und Bildungsverantwortliche weitergegeben. Mit diesem Buch teilt er seine Erkenntnisse und praktischen Erfahrungen zum Einsatz von KI im Bildungskontext.

Boris Ehret, Jahrgang 1962, ist Romanist und seit fast zwei Jahrzehnten als Französischlehrer an der Kantonsschule Alpenquai in Luzern tätig. Als Übungslehrer begleitet er angehende Lehrkräfte auf ihrem Weg ins Gymnasium. Seine Leidenschaft für innovative Lehrmethoden spiegelt sich in der von ihm entwickelten und betreuten Lernplattform www.borisehret.ch wider. Seit der Einführung von ChatGPT im November 2022 widmet sich Boris Ehret intensiv der Erforschung der Auswirkungen künstlicher Intelligenz auf den gymnasialen Unterricht. Seine Expertise in diesem Bereich hat er in zahlreichen Weiterbildungsveranstaltungen an Lehrkräfte und Bildungsverantwortliche weitergegeben. Mit diesem Buch teilt er seine Erkenntnisse und praktischen Erfahrungen zum Einsatz von KI im Bildungskontext.

Autoren/Hrsg.

Ehret, Boris

Leseproben

Kapitel 4 - Halluzinationen: Ursachen und Lösungsansätze

Die Anwendung grosser Sprachmodelle wie ChatGPT hat sich als effektives Instrument zur Generierung flüssiger und kohärenter Texte erwiesen. Sie sind in der Lage, eine Vielzahl von Themen abzudecken und Antworten in nahezu menschlicher Qualität zu liefern. Trotz aller Fortschritte neigen diese Technologien jedoch dazu, sogenannte „Halluzinationen” zu produzieren, also Aussagen, die entweder von den Fakten abweichen oder in sich widersprüchlich sind.

Halluzinationen bei grossen Sprachmodellen treten auf verschiedenen Ebenen auf und können wie folgt kategorisiert werden:

• Satzwidersprüche: Innerhalb des Modells werden aufeinanderfolgende Sätze generiert, die sich inhaltlich widersprechen. In diesem Zusammenhang sei darauf verwiesen, dass ein Modell beispielsweise die Aussage treffen könnte: „Es regnet heute stark”, gefolgt von der Aussage: „Der Himmel ist klar und sonnig.”

• Widersprüche zum Prompt: In diesen Fällen steht die Antwort des Modells im direkten Widerspruch zur gestellten Eingabeaufforderung. Sofern ein Nutzer beispielsweise die Frage stellt: „Was sind die Vorteile von erneuerbarer Energie?“, und das Modell mit den Nachteilen antwortet, lässt sich ein klarer Widerspruch konstatieren.

• Irrelevante Informationen: Das Modell kann Aussagen generieren, die in Bezug auf den Kontext unsinnig oder thematisch nicht passend sind. Ein Beispiel hierfür ist die Einfügung einer Diskussion über die Merkmale von Wassersportarten in eine Antwort auf eine Frage zur Astronomie.

• Faktische Fehler: Diese Art von Halluzinationen beinhaltet das Erfinden eindeutig falscher Fakten, wie beispielsweise die Aussage, dass das James-Webb-Teleskop die allerersten Bilder eines Exoplaneten ausserhalb unseres Sonnensystems aufgenommen habe6. Richtig ist, dass die ESO (Europäische Südsternwarte) am 10. September 2004 bereits von der direkten Aufnahme eines Exoplaneten berichtet hat. Die Ergebnisse nachfolgender Messungen mit dem Hubble-Weltraumteleskop konnten diese Behauptung im Jahr 2006 lediglich bestätigen.

Die ersten drei der aufgeführten Kategorien von Halluzinationen (Satzwidersprüche, Widersprüche zum Prompt und irrelevante Informationen) kommen bei den fortschrittlichen Sprachmodellen nur noch sehr selten vor und können meistens durch einfaches Durchlesen von Menschen korrigiert werden. Faktische Fehler sind hingegen schwieriger zu erkennen. Die Identifikation dieser Fehlerart erfordert in vielen Fällen eine tiefere Fachkenntnis oder den Einsatz spezialisierter Faktenprüfungstools.

Ein Chatbot ist von seiner grundlegenden Architektur her darauf programmiert, aus den ihm verfügbaren Informationen die statistisch wahrscheinlichste Antwort zu generieren. Dies erfolgt auch bei einer geringen Wahrscheinlichkeit für eine korrekte Antwort. Es ist eigentlich gegen seine DNA, wenn er zugibt, dass er die Antwort auf eine Frage nicht kennt. Diese Tatsache führt jedoch zu dem Problem, dass jeder Chatbot mitunter mit einer grossen Selbstsicherheit Antworten gibt, die inhaltlich falsch oder irreführend sind.

Ursachen für das Auftreten von Halluzinationen

Die genauen Mechanismen, die zu Halluzinationen führen, sind komplex und noch nicht vollständig erforscht. Mögliche Ursachen umfassen:

• Fehler und Verzerrungen in den Trainingsdaten: LLMs lernen aus grossen Datensätzen, die oft Fehler oder irreführende Informationen enthalten können. So kann beispielsweise eine inkorrekte Dateneingabe in einem Trainingsdokument zu falschen Informationen in der Modellausgabe führen.

• Unvollständige Abdeckung aller Themengebiete in den Daten: Nicht alle Themen sind in den Trainingsdaten gleich gut vertreten, was zu Übergeneralisierungen in weniger abgedeckten Bereichen führen kann.

• Verzerrungen durch die verwendeten Generierungsmethoden: Methoden wie die Balkensuche können dazu führen, dass häufigere Wörter und Phrasen bevorzugt werden, was die Wahrscheinlichkeit von ungenauen Antworten erhöht.

• Unklarer oder widersprüchlicher Eingabekontext: Wenn die Eingabeaufforderung des Benutzers unklar oder mehrdeutig ist, kann das Modell Antworten generieren, die nicht den Erwartungen entsprechen.

Ansätze zur Reduzierung von Halluzinationen

1. Was können die Entwickler unternehmen?

Die Entwickler von Sprachmodellen sind bestrebt, diese kontinuierlich zu optimieren und zu erweitern. Ein anschauliches Beispiel hierfür ist der Vergleich zwischen GPT-3.5 und GPT 4. Letzteres wurde mit einer signifikant höheren Anzahl an Parametern trainiert und ist folglich in der Lage, verlässlichere Antworten zu liefern. Bei Aufforderung der kostenfreien Version ChatGPT-3.5, eine Zusammenfassung des sechsten Teils von Goethes „Faust” zu erstellen, erfolgt die Ausführung, ohne zu zögern:

ChatGPT-4 und ChatGPT-4o liefern hingegen die richtige Antwort:

Allerdings darf die Grösse nicht als alleiniges Kriterium herangezogen werden. Es wird nach Wegen gesucht, kleinere und kostengünstigere Modelle zu entwickeln, die eine ähnliche Zuverlässigkeit aufweisen. Ein Beispiel hierfür ist Mistral, ein im Vergleich zu GPT-3.5 deutlich kleineres Sprachmodell, das dennoch in der Lage ist, präzise Antworten zu geben.

2. Handlungsmöglichkeiten für Nutzerinnen und Nutzer

Zur Reduktion von Halluzinationen sowie zur Optimierung der Interaktion mit Sprachmodellen können wir folgende Strategien anwenden:

• Mehr Kontext geben: Bei der Vorstellung von ChatGPT im November 2022 war die Eingabe von maximal 2.000 Wörtern im Eingabefeld möglich. In der Zwischenzeit wurden in ChatGPT-4o etwa 80.000 Wörter (sprich 128.000 Tokens) eingegeben, die sogar als PDF-Datei gespeichert wurden. Dies eröffnet gänzlich neue Möglichkeiten. So ist es mittlerweile möglich, mit ChatGPT über ein Buch zu diskutieren, indem der gesamte Text in den Prompt integriert wird. Dadurch kann die völlige Kontrolle über die verwendeten Daten jederzeit gewährleistet werden. Google Gemini hat bereits einen Bot präsentiert, der eine Million Tokens verarbeiten kann. Die Analyse eines 45-minütigen Films wird somit ebenfalls möglich.

• Klare und spezifische Prompts formulieren: Eine präzise Fragestellung hilft dem Modell, den gewünschten Kontext besser zu verstehen und relevante Antworten zu generieren. Zum Beispiel statt zu fragen: "Erzähle mir etwas über historische Ereignisse", könnte man spezifizieren: "Beschreibe die Ereignisse, die zum Fall der Berliner Mauer führten."

• Aktive Abschwächungsstrategien: Einige Sprachmodelle, wie beispielsweise Microsoft Copilot Pro, bieten dem Nutzer die Möglichkeit, die Balance zwischen Kreativität und Faktentreue anzupassen. In der Fachliteratur wird dies als „Temperatur” bezeichnet. Eine niedrigere Temperatur führt zu konservativeren Antworten, die näher an den Trainingsdaten liegen. In der Rubrik „Customize ChatGPT” der Anwendung ChatGPT Plus besteht ebenfalls die Möglichkeit, Einfluss auf die genannten Parameter zu nehmen.

• Middleware-Architektur in Prompts: die Qualität der KI-Antworten verbessert sich durch den Einbau von Zwischenschritten (Middleware) im Prompt selbst. Dieser Ansatz fügt eine Art "Kontrollschicht" zwischen die ursprüngliche Frage und die endgültige Antwort des KI-Systems ein. Diese Zwischenschritte können verschiedene Aufgaben übernehmen:

o Selbstkontrolle: Die KI überprüft ihre eigenen Antworten anhand bestimmter Vorgaben, bevor sie diese ausgibt.

o Schrittweise Bearbeitung: Der Prompt gibt eine Abfolge von Teilschritten vor, um komplexe Aufgaben zu bewältigen.

o Qualitätssicherung: Eingebaute Prüfschleifen verbessern die Richtigkeit und Vollständigkeit der Antworten.

o Transparenz: Bei Unsicherheiten wird die KI angehalten, diese klar zu benennen und um menschliche Überprüfung zu bitten.

Das CustomGPT "La grammaire pour tous7" verfügt zum Beispiel über eine Selbstüberprüfungsschleife, die wie folgt abläuft:

Selbstüberprüfungsschleife: Vor der finalen Antwort, prüfe:

1. Vollständigkeit: Wurden alle Aspekte der Frage behandelt?

2. Quellentreue: Stimmen die Informationen mit den Quellbüchern überein?

3. Kontextverständnis: Wurde der Fragekontext richtig erfasst?

4. Klarheit: Ist die Antwort verständlich formuliert?

5. Sprachniveauangemessenheit: Passt die Erklärung zum vermuteten Niveau des Benutzers?

6. Beispielrelevanz: Sind die Beispiele passend und korrekt?

7. Übungsintegration: Wurde eine geeignete Übung vorgeschlagen?

8. Sprachliche Korrektheit: Ist die Antwort selbst grammatikalisch einwandfrei?

Bei Mängeln korrigiere die Antwort entsprechend. Bei Unsicherheiten kommuniziere dies transparent und verweise auf die Quellbücher zur...