AI Talk Series, Episode 2: The Pros and Cons of AI

by Lilt  Han Mai, Associate Director, Demand Generation  ·  Security

KI-Talk-Serie, Folge 2: Die Vor- und Nachteile von KI

Willkommen zurück zu unserer KI-Talk-Serie, in der wir KI-Erkenntnisse und Vorhersagen von den Mitbegründern und Experten von LILT teilen. Wenn Sie sich die Episode 1 nicht ansehen konnten, finden Sie hier einen Link zum Artikel. Diese Woche besprechen wir die Vor- und Nachteile von KI für Unternehmen und die Lokalisierungsbranche. 

Ein paar Hintergrundinformationen zu unseren Experten: Die Gründer von LILT, Spence Green und John DeNero, lernten sich bei Google kennen, während sie am Programm von Google Translate arbeiteten.  Als Forscher an den Universitäten Stanford und Berkeley haben beide Erfahrung darin, Informationen mithilfe von Technologie für natürliche Sprache für alle zugänglich zu machen. Sie waren erstaunt zu hören, dass Google Translate nicht für Unternehmensprodukte und -dienste im Unternehmen verwendet wurde, und gründeten ihr eigenes Unternehmen, um diesem Bedarf nachzukommen – LILT. 

Die KI-Technologie von LILT ähnelt ChatGPT und Google Translate, bevor unsere patentierte kontextbezogene KI, der Connector-First-Ansatz und das Feedback vom Menschen angepasstem Feedback vorliegen. Wir haben uns mit Spence und John zusammengesetzt, um mehr über große Sprachmodelle und ihre Gedanken zu KI zu erfahren.

Was sind die Hauptvorteile und Nachteile von generativer KI?

John: Beginnen wir mit der Definition von generativer KI. Generative KI ist, wenn ein Computer etwas erstellt – oft von Grund auf neu oder anhand einer Eingabeaufforderung. Das Erstellen einer Übersetzung ist also eine generative KI, aber sie kann auch Bilder, Videos und andere Medienformate erstellen. Das ist schwierig, weil diese Dinge, die generiert werden, komplex sind. Sie treffen nicht nur eine einzige Entscheidung.

Spence: Einige der maschinellen Lernsysteme, mit denen die Leute vielleicht vertraut sind, dienen der Beschriftung von Bildern oder Sätzen, bei denen Sie nur die Dinge kategorisieren. Hier generieren Sie strukturierte Objekte von Grund auf auf auf der Grundlage einiger Eingaben, und die Übersetzung ist offensichtlich ein Beispiel dafür.

John: Und Menschen sind so gut darin, Sprachen zu generieren, dass wir nicht unbedingt wissen, wie viele Möglichkeiten es gibt. Wenn Sie einen langen Satz haben, gibt es nur eine lange Liste von Möglichkeiten, wie etwas nicht stimmt. Und das ist es, was generative KI schwer macht und warum es eine Weile dauerte, bis die Durchbrüche erzielt wurden, die wir heute sehen. Es gibt tausend verschiedene Faktoren, die Sie bei jedem Satz richtig machen müssen: Wortwahl, Zustimmung, Reihenfolge und ob Sie das richtige Maß an Spezifität oder Mehrdeutigkeit haben. Und jetzt haben wir Systeme, die all diese Dinge auf einmal verarbeiten können, was ziemlich erstaunlich

ist.Der Hauptvorteil ist, dass weltweit viel mehr Generationsarbeit erledigt werden sollte, als die Menschen wirklich tun können. Die Übersetzung ist ein hervorragendes Beispiel, da es so viele Inhalte gibt, die in so viele Sprachen in Publikationsqualität übersetzt werden sollten – die Erfahrung der Menschen also nicht beeinträchtigt, wenn sie sie in einer anderen Sprache lesen. Aber nicht alle Inhalte werden übersetzt, da es weltweit nur so viele Übersetzer gibt, die die Arbeit übernehmen. Und die Kosten sind so, dass es einfach nicht passiert.Das

ist wirklich schade. Ich denke, dass das Versprechen der generativen KI darin besteht, mehr in der Welt zu erledigen und sicherzustellen, dass alle wichtigen Arbeiten, die das moderne Leben ermöglichen, stattfinden, indem die Menschen mit den professionellen Fähigkeiten ausgestattet werden, um diese Arbeit mit KI zu erledigen. 

Welche Versprechen und Chancen bietet KI, die sich auf die täglichen Abläufe von Unternehmen auswirken können? 

Spence: Für die Übersetzung haben wir diese Systeme entwickelt, in denen Sie KI verwenden, um die Generierung der Inhalte zu verbessern. Außerdem hilft es Ihnen, das Problem zu lösen, dass Sie bei Übersetzungsaufgaben ein neues Dokument erhalten, das übersetzt werden muss und nur eine leere Seite zur Verfügung steht – und da fangen Sie an. Im Gegensatz zu jetzt können Sie mit der besten Vorhersage des Computers beginnen, was diese Übersetzung ist. Und dann verfeinert es die Vorhersagen im Laufe der Zusammenarbeit. Ich denke, dass die Ausweitung dieser generativen KI-Technologie auf andere Arten von Arbeit ausgedehnt werden wird, sei es das Schreiben von Marketingartikeln oder die Erstellung von Schulungsdokumentationen.

Ich denke, dass es viele Möglichkeiten für die Erstellung von Informationen gibt, die normalerweise mit einem leeren Cursor oder einer leeren Leinwand in Photoshop begannen. Hier können Sie jetzt mit einer Maschinenvorhersage beginnen, die Sie in Bewegung bringt. Dadurch werden Sie bei der Arbeit noch effizienter.

John: Ja, genau. Ich glaube, dass jeder in einem Geschäftsumfeld weiß, dass es wichtige Dinge gibt, die immer wieder verzögert werden, weil es einfach nicht die Fähigkeit gibt, alles zu tun, was getan werden sollte. Interessant ist die generative KI, dass sie manchmal aufgefordert wird, ein Dokument zu generieren, und sie macht das wirklich gut, und dann verpasst sie manchmal etwas Wichtiges. Manchmal geht es nur um das falsche Thema oder es wird nicht die Hauptidee erfasst, die Sie vermitteln

wollten.Daher gibt es eine Rolle für die Menschen, die herausfinden müssen, ob es das Richtige war. Und das könnte sehr schnell gehen. In einigen Fällen lesen Sie die ersten Sätze und sehen, dass ein ganzer Abschnitt perfekt ist. Aber dann gehen Sie nach unten und sagen: „Oh, eigentlich wollte ich etwas anderes für diesen anderen Teil.“

Und Sie müssen es neu schreiben. Das ist nur ein Teil der Arbeit mit einem generativen KI-System und der Erstellung eines Plans, um herauszufinden, wie die Ausgabe validiert und überarbeitet werden kann. Das ist die Art von Sachen, die Sie mit dem richtigen Prozess lösen können. Bei LILT haben wir einen umfangreichen Prozess, um sicherzustellen, dass es keine Probleme mit den tatsächlichen endgültigen Übersetzungen gibt, selbst wenn es in der ursprünglichen generativen KI-Ausgabe

gab.Dieser Validierungsprozess ist wirklich kritisch und gilt für andere Dinge. Wissen Sie, besonders in Spence: Wenn wir über die Generierung von Marketinginhalten oder Schulungsinhalten sprechen, müssen die Leute Teil des Prozesses der Überwachung der KI und der Korrektur der Arbeit sein, wie Sie es mit einem Junior-Mitarbeiter tun würden.

Spence: Total. Es ist das gleiche Konzept wie ein Redakteur im Newsroom oder ein Senior Partner, der die Arbeit eines Junior-Partners in einer Anwaltskanzlei überarbeitet oder überprüft. Die gleiche Idee. Erst jetzt ist der Junior-Partner ein KI-System und kein Mensch.

Was sind einige Probleme mit GenAI, vor denen wir uns hüten sollten? 

John: Das größte Risiko, das ich sehe, ist, dass Sie wissen müssen, wie man es verwendet. Ich glaube, dass es nicht wie bei einem Junior-Mitarbeiter ist, dass man ihm umfassende Anweisungen geben kann, und sie werden es herausfinden, weil es sich um ein KI-System handelt, nicht um eine Person. Daher reagiert es sehr empfindlich auf die Eingaben und Eingaben, die Sie bereitstellen. Es ist wirklich viel Sorgfalt in die Technik und das Design zu investieren, damit Sie nützliche Ergebnisse erhalten, mit denen Sie arbeiten können.

Das ist ein neuer Zweig der angewandten künstlichen Intelligenz – wir finden heraus, wie wir ein großes generatives System verwenden und es tatsächlich dazu bringen können, die nützlichsten Ergebnisse zu erzielen, damit es eine höhere Effizienz ermöglicht. Die Idee, dass Sie einfach jede Frage stellen können und immer das Richtige tut, ist die falsche Denkweise. Stattdessen müssen Sie wirklich große Sorgfalt darauf achten, das System zu veranlassen, um die richtigen Ergebnisse zu erzielen.

Spence: Ja. Eines der Dinge, über die ich nachgedacht habe, ist, dass es jetzt einige Produkte gibt, die E-Mail-Ketten oder ein Meeting zusammenfassen – und diese Arten von Arbeitsprodukten werden verwendet, um Entscheidungen zu

treffen.Und ich denke, dass es zunehmend KI-generierte Texte, Memos, Präsentationen und Zusammenfassungen geben wird, die als Grundlage für die Entscheidungsfindung dienen. Menschen haben diese Vorurteilung, die als Algorithmus-Aversion bezeichnet wird, was bedeutet, dass sie einen höheren Standard für Maschinen haben als für Menschen.

Wenn eine Person also einen Fehler macht, versteht sie das. Wenn Maschinen jedoch Fehler machen, haben die Menschen einen viel höheren Standard. Dies war beispielsweise eine der Herausforderungen bei selbstfahrenden Autos. Es gibt viele Autounfälle auf der Straße. Und jeder weiß, dass Menschen Fahrfehler machen und Unfälle haben, aber sobald eine Maschine beschädigt ist, steht sie auf der

Titelseite.Ich frage mich, ob diese Systeme in die tägliche Entscheidungsfindung und das Geschäft einbezogen werden – und es wird sicherlich eine Art Randfall sein –, ob diese Fehler in irgendeiner Weise verstärkt werden, weil es sich um eine maschinengesteuerte Entscheidung handelt. Ich frage mich, wie Unternehmen das bewältigen werden.

John: Das ist ein großartiger Punkt. Ich denke, dass die Menschen diesen Systemen sehr kritisch gegenüberstehen werden, wenn sie Probleme verursachen – selbst wenn diese Probleme möglicherweise mit Menschen und ohne die Technologie existierten. Und ich finde das toll. Ich denke, dass wir mit KI am Ende bessere Entscheidungen treffen sollten, als wir ohne KI getroffen haben.

Ebenso sollte es bei selbstfahrenden Autos meiner Meinung nach sein, dass es in Zukunft viel weniger Unfälle auf der Straße geben sollte als heute. Dasselbe gilt für die Übersetzung. Die Ergebnisse sollten sein, dass die Übersetzungsqualität mit KI-Unterstützung konsistenter und besser ist – was wir bei LILT beobachten.

Was passiert, wenn Sie Menschen coachen, ihre Arbeit im Laufe der Zeit besser zu machen? Jede Person kann nur so viele Zusammenfassungen schreiben oder so viele Entscheidungen treffen. Sie können also nicht wirklich 50 Jahre in die Ausbildung investieren, nur damit sie ein Jahr lang einen Job erledigen können. Aber mit KI, weil sie so skalierbar ist, können Sie sie nach der Erstellung viele Autos steuern oder viele Sätze übersetzen lassen. Es ist sinnvoll, viel in die Qualität der Erzeugnisse zu

investieren.Deshalb gibt es LILT. Wir können unser Fachwissen darauf konzentrieren, wie Übersetzungen reibungslos funktionieren. Wir haben hier ein großes Forschungsteam, um dies zu tun, was viel mehr ist, als Sie investieren würden, wenn Sie nur eine kleine Gruppe von Übersetzern trainieren

würden.Denn sobald wir das System erstellt haben, können wir es für viele Inhalte verwenden. Das ist gut berechtigt. Und ich glaube, dass es sich um die gleiche Geschichte handelt, die mit der Zusammenfassung einhergeht. Es gab eine unglaublich große Anzahl von Forschern und Arbeiten, die daran gearbeitet haben, herauszufinden, wie ein Dokument in einer kurzen Beschreibung zusammengefasst werden

kann.Aber das ist alles sinnvoll, denn sobald diese Technologie funktioniert, Es kann so breit gefächert immer wieder verwendet werden, dass es die Investition in den Aufwand rechtfertigt.

Also ja, ich denke, es ist in Ordnung, diese Systeme auf einen wirklich hohen Standard zu stellen. Ich denke, das sollten wir von ihnen erwarten, aber wir sind jetzt nicht in jedem Fall da. Die Leute sollten sich nur bewusst sein, dass es etwas Fachwissen erfordert, damit das System das tut, was sie möchten.

* * *



Danke für das Gespräch, Spence und John! Da Unternehmen die Veränderungen und die Chancen nutzen, die vor uns liegen, wird es für globale Teams und Führungskräfte immer wichtiger, in KI-Technologien zu investieren, um wettbewerbsfähig zu bleiben. Sehen Sie sich die nächste Folge unserer KI-Serie an, um mehr über KI, große Sprachmodelle und ihre Auswirkungen auf die Übersetzungsbranche zu erfahren.