Kategorie: Allgemein

KI ist immer noch das Thema der Stunde und weil inzwischen in Social Media viele Leute ihre Theorien auf Grundlage von KI-Auswertungen aufbauen, habe ich ein kleines Experiment gewagt. Ich habe eine eigene KI geschrieben.

Der ein oder andere wird denken, jetzt bin ich komplett durchgedreht. Aber nein, so schwer war es nicht. Es war vor allen Dingen Mathematik und Programmierung und ein relativ schmales Script wirft relativ schnell irgendetwas aus. Das Ergebnis – hier im Bild zu sehen – mag euch nicht davon überzeugen, dass ich das wirklich getan habe, aber lasst mich kurz erklären, warum das wirklich so ist:

Zunächst: So etwas wie künstliche Intelligenz gibt es nicht. Noch nicht. Was ihr hier seht bei mir und was ihr bei vielen dieser KI-Dienste seht, sind sogenannte Large Language Modells (LLMs). Das sind Modelle, welche de facto nur auf zwei Dingen basieren: Statistik und Stochastik. Ich habe dieses ganze Projekt angefangen, weil ich dieses Prinzip bis zu Ende verstehen wollte. Und das ist mir gelungen. Lasst es mich kurz erklären:

Zunächst: Ich bin sehr limitiert in den Sprachen, die ich schreiben kann. Daher habe ich mich zunächst gefragt, ob es möglich ist, so etwas wie ein LLM auch in PHP zu schreiben. Und ja, das ist es. Es gibt einige Dinge, die uns da beschränken: PHP wird auf der CPU ausgeführt. Die Verteilung von Prozessen geht da nicht. Ich kann also die ganze Zeit, wenn ich mein Skript laufen lasse, lediglich einen Kern dauerhaft mit meiner Aufgabe betrauen, weswegen alles, was ich da tue, unfassbar lange dauert. Aber das ist erst einmal egal, denn wichtig war, den Prozess, der in einem LLM abläuft, transparent zu machen. Ich habe mir also verschiedene Papers angeschaut, wie sowas eigentlich funktioniert und dann ein schnelles Script gebaut.

Dieses Scirpt besteht genau genommen nur aus acht Dateien. Der Kern ist eine stochastische Matrix, gesteuert wird das Ganze durch eine Modellklasse, die bei mir MiniLLM heißt. Ich habe ein paar Bilder angehangen, um das mal zu zeigen, wie das aussieht. Diese ganzen Dateien haben ein Gesamtgewicht von 35 KB. Das ist winzig. Aber das ist der ganze Zauber. Auf dieser Grundlage habe ich dann, mit nicht viel mehr Aufwand, zwei Dateien geschrieben: Die eine Datei trainiert mein Modell, die andere entwickelt Ausgaben. Soviel dazu erst einmal.

Was aber macht mein Modell? Das ist eigentlich ganz einfach erklärt: Zunächst einmal lernen. Und das geht wie folgt:

Damit ein Sprachmodell überhaupt etwas „kann“, muss es zuerst lernen. Dieses Lernen funktioniert nicht wie bei einem Menschen, sondern eher wie bei einer riesigen Statistikmaschine. Das Modell versteht keine Bedeutung, keine Wahrheit und keine Zusammenhänge. Es merkt sich nur, welche Zeichen und Wörter in welchen Situationen häufig zusammen vorkommen. Mehr passiert nicht.

Am Anfang ist das Modell völlig leer. Es weiß nichts über Sprache, Grammatik oder Sinn. Es kennt nur viele Zahlen, die zufällig gesetzt sind. Dann bekommt es Trainingsdaten. In meinem Falle 75 KB des kommunistischen Manifests. Das ist ein Witz, denn Trainingsdaten sind eigentlich mehrere Gigabyte oder gar Terrabyte groß. Dass mein LLM also nichts kann, ist nicht verwunderlich. Es ist Folge von zu wenig Training.

Der Lernprozess läuft immer gleich ab, in meinem Falle skizziere ich es mal im Training auf Char-Level (also einzelne Zeichen). Möglich ist ein Training aber auch auf Subword-, Word- oder Byte-Level, was alles seine Vor- und Nachteile hat und zu mehr oder minder großen Datenmengen führt. In meinem Falle verbleibt es allerdings in einer Skizze:

Der Text wird in kleine Teile zerlegt, in meinem Falle, wie gesagt, in einzelne Zeichen. Das Modell sieht also bspw. nicht „Hallo Welt“, sondern „H“, „a“, „l“, „l“, „o“, “ „, „W“, ….

Jedes Zeichen wird in Zahlen übersetzt. Das Modell arbeitet nicht mit Buchstaben, sondern mit Zahlenlisten, die diese Buchstaben repräsentieren.

Das Modell bekommt ein Stück Text und soll das nächste Zeichen vorhersagen. Zum Beispiel sieht es „Hall“ und soll raten, dass als nächstes „o“ kommt.

Es berechnet nun eine Wahrscheinlichkeitsliste. Es sagt nicht „Das nächste Zeichen ist o“, sondern: o: 60%, a: 5%, l: 10%, Leerzeichen: 20%, usw.

Das Modell vergleicht seine Vorhersage mit dem echten nächsten Zeichen.
Wenn es falsch lag, wird ein Fehlerwert berechnet. Auf dieser Grundlage passt das Modell seine inneren Zahlen minimal an, damit es beim nächsten Mal etwas besser liegt. Das passiert hunderttausende Male oder millionenfach.

So lernt das Modell nach und nach, welche Zeichen in welchen Situationen wahrscheinlich sind. Es versteht nicht, was es da lernt – es erkennt nur Muster. Gut oder schlecht? Das kann es im logischen Sinne nicht bewerten. Nur anhand der Zahlenwerte, die das Training verursacht hat.

Wenn das Modell fertig angelernt ist, kann es Text erzeugen. Auch das passiert rein statistisch. Du gibst einen Starttext ein, zum Beispiel: „Es war einmal ein“

Das Modell wandelt diesen Text wieder in Zahlen um und berechnet, wie wahrscheinlich jedes mögliche nächste Zeichen wäre. Es wählt ein Zeichen aus, entweder das wahrscheinlichste oder zufällig gewichtet nach Wahrscheinlichkeit. Dieses Zeichen wird an den Text angehängt.

Der neue Text wird wieder ins Modell gegeben, und der Prozess beginnt von vorne. So entsteht Zeichen für Zeichen ein Text, der oft erstaunlich sinnvoll wirkt – aber nur, weil die Statistik gut gelernt hat, wie Sprache typischerweise aussieht. Das Modell denkt nicht. Es versteht nicht. Es weiß nichts. Es berechnet nur Wahrscheinlichkeiten.

Aber halt, Thomas, wie kannst du das sagen. Dein LLM da in den Screenshots, das generiert ja gar keinen Text. Stimmt. Tut es nicht. Weil es ein Modell ist, was ich nur mit 75kb Daten trainiert habe. Ich meine, sorry, ich hab den Mist in PHP geschrieben. Um Datenmengen umzusetzen, wie es ein LLM normalerweise zum Training braucht, würde mein Script Jahrhunderte brauchen. Und selbst das Training auf PHP ist irgendwann Sackgang, so dass ich das Modell zu Trainingszwecken schließlich noch mal auf Python umgesattelt habe.

Das Geheimnis hinter jedem LLM ist nichts anderes als das Folgende: Du brauchst Unmengen (Unmengen!!!) von Daten, mit dem du es trainierst. Und du verteilst das Training auf Unmengen von gleichzeitigen Threads, die auf der Maschine ausgeführt werden. Im Training braucht allein mein Modell (was nahezu alles kann, was ein anderes LLM auch kann, nur halt auf meinem lokalen Rechner läuft) für 75kb Textdatei nicht weniger als 23 Milliarden Rechenoperationen pro Epoche, um diesen Text zu behandeln. Was eine Epoche ist? Ein Trainingslauf des LLMs. Davon hatte mein Modell 10. Normal sind 100 und aufwärts.

Also, rein technisch habe ich nun also ein Modell hergestellt, was alles kann, was große Modelle können. Aber es limitiert mich eins: Ich habe nur meinen Rechner. LLMs laufen im Training auf Supercomputern. Sie führen unglaublich viele Operationen pro Sekunde durch und werden so geschaffen. Und irgendwann kommt dann der Punkt, wenn ein neues Modell an den Markt gebracht wird, dass wir unfassbar beeindruckt sind von dem, was es leistet. Aber in Wirklichkeit liegt die ganze Wahrheit in ein paar Kilobyte Code und unfassbaren Datenmengen, die damit verarbeitet werden.

Warum aber das Ganze, warum schreibe ich das? Ein Sprachmodell ist keine Wahrheitsmaschine und kein denkendes Wesen. Es ist ein Werkzeug, das gelernt hat: „Wenn vorher X stand, ist Y statistisch wahrscheinlich.“ Es ist einfache Mathematik. Die Architektur meines LLM ist die gleiche wie bei großen Modellen – nur kleiner und mit weniger Daten.
Der Unterschied zwischen meinem Modell und einem riesigen LLM ist nicht die Technik, sondern nur: wie viele Daten es gesehen hat, wie viele Parameter es hat, wie lange es trainiert wurde. Mehr ist es nicht.

Und genau deshalb finde ich es extrem problematisch, wenn Menschen, die das System hinter einem LLM nicht verstanden haben, ihre Überzeugungen und Weltansichten mittlerweile auf Systemen aufbauen, die mit einfach reproduzierbaren Scripts von Statistik und Stochastik die vermeintliche Antwort liefern. Also bitte: Lasst das.

PS: Eines habe ich noch vergessen: Wenn alles auf Statistik und Stochastik beruht, dann ist der erste Fingerzeig für das System, in welche Richtung es antworten soll, deine Nutzereingabe. Du kommst bereits mit einer Bias zum LLM. Folglich wird es genau daran analysieren, wie es dir antworten soll. Erwartest du beispielsweise bereits in deiner Frage, dass ein Text zum Beispiel übersetzt worden ist, dann wird das LLM auf der Grundlage der ihm vorliegenden Daten mit hoher Wahrscheinlichkeit in genau diese Richtung antworten. Wenn du verhindern willst, dass ein LLM einseitig in eine Richtung arbeitet, musst du ihm Optionen anbieten. Und auch diese sind bereits biased, weil du selbstverständlich gedanklich eine Vorauswahl triffst. Nun ja. Es ist nicht einfach. Aber seien wir vorsichtig, uns auf solche Modelle zu verlassen.

PPS: Wenn man den Textkorpus übrigens vergrößert und bereinigt und dann in jedem Schritt noch ein paar mehr Badges mitgibt, dann rechnet das Modell zwar etwas länger im Training, aber dafür kriegt man sehr früh schon Fragmente, die irgendwie doch an die deutsche Sprache erinnern. In diesem Falle sieht das dann nach 96.000 Sequenzen so aus:

PPPS: Eines noch, damit das nicht missverstanden wird: Mein Modell verwendet die gleiche Architektur wie große LLMs. Es wird aber niemals in der Lage sein, gleiches zu generieren wie ein solches LLM. Es wird an natürlicher Sprache Scheitern, auch wenn es sich immer mehr dem annähert. Warum? Weil mein LLM „from scratch“ limitiert ist in den Ressourcen. Sowohl ist mein zugrunde gelegter Corpus viel zu klein, als auch sind die Rechenkapazitäten für mein Modell auf meinem Rechner begrenzt. Ich komme an das tote Ende, wenn ich lokal Folgendes versuche:

embed_size = 192
hidden_size = 768
num_blocks = 8
max_seq_len = 512

Mehr schafft mein Rechner nicht und das mit 32 gleichzeitigen Badges. Moderne LLMs skalieren komplett anders. Wir reden nicht über doppelt oder dreifach, wir reden über Faktoren. Damit steigt die Größe der Weightings-Parameter im Übrigen exorbitant an. Spielen wir nur leicht an den Zahlen, kann ein Vielfaches der Dateigröße herauskommen. Und damit können sich am Ende nur noch Serverfarmen beschäftigten. Die Frage ist also: Wie schaffen wir die Demokratisierung dieser Technologie? Die Produktionsressourcen zur Schaffung eines einzigen Modells werden wir nicht akkumulieren können auf kleinen Einheiten. Wir können nicht darauf vertrauen, fremde Modelle zu verwenden und diese umzutrainieren, denn das wird nicht aufgehen. Wie schaffen wir Modelle „from scratch“, die genau das tun, was wir von ihnen erwarten? Das ist die Frage der Zukunft und die Frage an die Open-Source-Community. Wir können uns auf alles, was wir bekommen, nicht verlassen. Wie schaffen wir also demokratisch Neues? Und diese Frage will ich mit euch beantworten. 🙂

Okay, ich wollte unbedingt nen Klappi haben. Keine Ahnung, warum, aber es ist ja sowas wie das Signature-Bike von Mifa gewesen. Denkt man an Mifa, denkt man ans Klappi. Denkt man im Osten an Klappi, denkt man an den Hustle, den man hatte, das Ding irgendwo in den Zug zu schleppen und so zu verstauen, dass es nicht bei voller Fahrt aufgeht. Eberhard Jennrich schrieb in seinem Buch „Mein Fahrrad“ von 1987: „Insgesamt: Klappfahrräder lassen sich gut transportieren – sonst bieten sie keine weiteren Vorteile.“ Ein hartes Urteil.

„Neuaufbau: Mifa Modell 903 von 1987“ weiterlesen

Vor ein paar Wochen bin ich durch Zufall auf etwas aufmerksam geworden, was wie ein Mifa Modell 207 aussah. Allerdings gab es einige Abweichungen, die mich verwundert haben. Die Preisvorstellungen des Vorbesitzers klangen jedoch vernünftig, wenn man sie mit den vorhandenen Bildern abgeglichen hat. Also nichts wie los und anschauen.

„Neuaufbau: Mifa Modell 207 von 1988“ weiterlesen

Martin Fuchs und ich kennen uns von der Arbeit. So einfach kann man es zusammenfassen. Er ist nicht weniger als der profilierteste Social-Media-Berater für politische Kommunikation im Land. Und ich hab ihm versprochen, ihn niemals wieder Cyber-Experte zu nennen. Mach ich auch nicht. Wir laufen uns relativ regelmäßig über den Weg und das ein oder andere Mal hat er lobende Worte für die Arbeit gefunden, die wir als sächsischer Landesverband der LINKEN im Bereich Social Media machen. Er ist sogar so tollkühn gewesen, uns öffentlich auf einer CSU-Veranstaltung zu loben und allein dafür möchte man den Hut ziehen. Todesmut kann er.

Vor ein paar Tagen – ich war gerade im Urlaub – hat er allerdings etwas gemacht, was er sonst nicht macht. Er hat gelobt. Uns. Öffentlich. Für das, was wir online machen. Und ehrlich gesagt: Ich war ein wenig sprachlos. Ich lasse ihn deshalb hier einfach mal selbst zu Wort kommen:

Es gibt fast keine deutsche Landespartei, die bei den Interaktionsraten, Reichweiten und der Communitygröße auf Facebook mithalten kann. Die Anzahl der Facebook-Fans ist allein dreimal so hoch, wie die Anzahl der Mitglieder der Partei in Sachsen. Hammer!

In den meisten Landesparteien liegt die Zahl der Fans weit unter der Anzahl der Mitglieder. Sie haben es also erfolgreich geschafft Sympathisanten weit über das eigene Klientel hinaus an die digitale Partei zu binden. Das ist meines Erachtens eine der Herausforderungen für die Zukunft der Parteiarbeit. Und diese Community ist sehr aktiv, eine digitale Hausmacht, die nicht nur in Sachsen zu überdurchschnittlicher Sichtbarkeit führt.

Partisanin ist online. Endlich. Was Partisanin ist? Unsere Wahlkampf-App. Ja, ja, Apps sind gerade ganz beliebt, jeder macht Apps und schmeißt die auf den Markt. Hauptsache, das Parteilogo blinkert im App-Store. Manche sind nicht mehr als bessere Newsreader, andere nur bessere Formulare. Meistens geht Kommunikation nur in eine Richtung und der tatsächliche Mehrwert für die UserInnen steht mindestens in Zweifel.

Unsere App will da anders sein. Wir hatten nicht das Ziel, irgendeine App zu entwickeln. Im Gegenteil. Bereits vor Jahren gab es, nach dem Aufkommen der mobilen Endgeräte in der Smartphone-Klasse, die Idee, eine Karte zum Registrieren von aufgehängten Plakaten zu realisieren. Es gab einige Proof-of-Concepts, letztlich wurde das mangels Zeit und Ressourcen erst einmal verworfen. Erst später erfuhren wir, dass die Piraten genau die gleiche Idee gehabt haben. Und umgesetzt haben. Dafür auch heute noch mal ein aufrichtiges „Chapeau“. „Partisanin: A long story short“ weiterlesen

Ich bin kein Freund der Medienschelte, im Gegenteil. Bei jeder sich bietenden Gelegenheit werbe ich darum, zu verstehen, dass JournalistInnen keine Pflicht haben, die Dinge so zu sehen wie wir. Dass wir ihnen also das Recht auf eine andere Meinung gefälligst zuzustehen haben. Das ist meine Haltung als Pressesprecher.

Was ich heute allerdings im Nachgang des Parteitages an Deutungen dieses Ereignisses gelesen habe, ärgert mich dann doch. Ohne personalisieren zu wollen: Da schreibt ein Kollege für tagesschau.de einen Kommentar unter dem Titel „Die Linke lähmt sich selbst“ eindrucksvoll: „Auslandseinsätze der Bundeswehr beenden, eine Vermögenssteuer, das Aus für Hartz IV – das wird mit der SPD nicht zu machen sein. Die Linke ist mehrheitlich nicht fähig zu regieren. Und die Basis will es ganz offensichtlich auch nicht.“ Ein anderer Kollege schreibt auf Spiegel Online unter dem Titel „Game Over“: „SPD-Kanzlerkandidat Martin Schulz sollte jetzt konsequent sein und Rot-Rot-Grün ausschließen, den Gedankenspielen den Stecker ziehen. Game over. Es wird eh nichts mehr, mit dieser Linken ist gegenwärtig kein Staat zu machen.“ Und eine Kollegin des MDR spricht für die Tagesthemen zur Wagenknecht-Rede ein: „Deutlicher kann man einem – wenn auch unwilligen – potentiellen Partner die Tür nicht zuschlagen und dabei en passent die eigene Parteiführung vorführen […] Zehn Jahre nach ihrer Gründung wird sie [DIE LINKE] im Bund aber auf absehbare Zeit Opposition bleiben und die SPD damit weiter in die Vizekanzlerrolle zwingen.“ Drei Kommentare. Drei Kommentare, die mich fassungslos machen. Und das ist nur eine Auswahl.
„Kein vorauseilender Gehorsam“ weiterlesen

Vor zwei Jahren habe ich in einer kleinen Bierrunde mal die Idee gäußert, Sachsen politikwissenschaftlich nach den Maßstäben eines Failed States zu beschreiben und abzuklopfen, inwiefern diese Theorie auf den Freistaat anwendbar wäre. Klar, es war eine Bierlaune und wir haben damals darauf verzichtet, das zu tun. Seit einiger Zeit macht nun das Wort vom „Failed State Sachsen“ oder vom „Failed Freistaat“ die Runde, wie beispielsweise gestern bei SPIEGEL Online. Mancher fordert gar die Anwendung des Artikels 37 GG, des Bundeszwangs, also das Recht Bundesregierung, in ihrer Rechtsaufsicht Über die Bundesländer mit Zustimmung des Bundesrats den Vollzug eines Bundesgesetzes durch ein Bundesland zwangsweise durchzusetzen. Dass der Anwendung des Bundeszwangs selbstverständlich die notwendige Grundlage eines tatsächlichen Organstreits fehlt, ist dabei schon fast egal. Der Artikel 37 verkommt hier zum Bonmot der politischen Auseinandersetzung mit den Verhältnissen im Freistaat. Sei es drum.

„Failed State Sachsen?“ weiterlesen

Foto: Gabriel Esteffan / flickr.com / CC BY-SA 2.0

Ein altbekannter Reflex in der Werberszene: Startet irgendwo eine Social-Media-Butze einen Dienst und hat vielleicht erstaunlich gute Wachstumszahlen, zack, versucht man das Ganze irgendwie in die eigene Kommunikationsstrategie einzubringen. Ein paar Verrenkungen später kann man einen kleinen Coup vermelden, als erstes eine Plattform zur B2C-Kommunikation genutzt zu haben. Und weil sich auch politische Kommunikation mehr und mehr über die allgemeinen Begriffe und Reflexe der Werber definiert, ähnlich nach neuen Produkten und Kommunikationswegen lechzt, wundert es kaum, dass dieser Reflex auch im politischen Raum um sich greift.

„Tinder im Wahlkampf: Lasst das…“ weiterlesen