Thomas Kahle
Manon Bischoff
Manon Bischoff ist wieder da und wir sprechen über das Heidelberg Laureate Forum. Das ist ein Treffen von mit Preisen dekorierten Wissenschaftler*innen mit der nächsten Generation, welches jährlich in Heidelberg stattfindet. Manon war dabei und bemerkt, dass sich auch hier sehr viel um KI dreht. Einige Laureates hatten uneingeschränkt positive Einstellungen dazu. Wir hinterfragen diese und kommen dann auf die Auswirkungen von LLMs auf Forschung und Bildung zu sprechen.
- Heidelberg Laureate Forum
- Geschichten aus der Mathematik Folge zu Atiyahs großer HLF-Ankündigung
- Catching crumbs from the table – Essay von Ted Chiang (2000)
- Workslop
- Nachweis der Existenz von Schmüdgen’s theorem
- Wissenschaftspodcasts.de
Feedback gerne auf Mastodon @Eigenraum@podcasts.social, an feedback (bei) eigenpod.de oder in die Kommentarspalte auf der Episodenseite.
Automatisch generiertes Transkript (nicht geprüft)
Thomas Kahle
Okay, dann sage ich hallo zusammen. Ich begrüße euch alle hier beim Eigenraum.
Wir haben Folge 54 und heute bin ich wieder nicht allein beim Eigenraum,
sondern Manon ist wieder dabei, Manon Bischoff von Spektrum der Wissenschaft. Hallo Manon.
Manon Bischoff
Hi Thomas.
Thomas Kahle
Und wir haben uns verabredet, weil wir ein bisschen über das Heidelberg Laureate Forum sprechen wollen.
Das ist ja eine Veranstaltung in Deutschland, wo du Manon auch dabei warst.
Manon Bischoff
Genau, ja, das ist in Heidelberg, also sehr praktisch für mich,
weil hier auch der Verlag Spektrum der Wissenschaft ist.
Thomas Kahle
Genau, ich habe das bisher nur so ein bisschen von außen verfolgt.
Also mein Eindruck ist, das ist ein Treffen, wo sehr prominente Wissenschaftlerinnen
und Wissenschaftler, die schon mit Preisen, also Laureates, schon mit Preisen ausgezeichnet wurden,
so mit der jüngeren Generation zusammentreffen sollen, um ja Kreativität und
Inspiration irgendwie zu transportieren.
Kann man das so zusammenfassen?
Manon Bischoff
Ja, so würde ich es auf jeden Fall zusammenfassen. Also es sind auch nicht nur
Laureates da, es sind auch ein paar eingeladene GastwissenschaftlerInnen auch
dort, die auch an Vorträgen teilnehmen.
Viele Leute von der Presse, also deswegen war auch ich dort.
Und genau, wie du gesagt hast, sonst junge Studierende von überall auf der Welt.
Also auch viele Leute aus Afrika, Südamerika, Asien, was ich auch sehr schön finde.
Thomas Kahle
Und wie kommt man da hin? Braucht man da eine Einladung?
Manon Bischoff
Ja, man kann sich als Student bewerben, als Young Researcher und wird dann eingeladen.
Thomas Kahle
Und wie viele Leute sind denn da so?
Manon Bischoff
Uff, das ist eine gute Frage.
Thomas Kahle
Naja, findet das im Uni-Hörsaal statt, oder?
Manon Bischoff
Das findet, ja genau, im Uni-Hörsaal statt. Also da sind schon so,
ich würde jetzt mal ganz grobe Schätzungen, vielleicht so 600 Leute oder so schätzen.
Thomas Kahle
Und irgendwie so ein bisschen in eurem Geschichten aus der Mathematik-Podcast
hattet ihr doch auch schon mal eine Folge darüber, dass da auch manchmal so
ein bisschen kuriose Vorträge passieren, wo irgendwelche Leute dann was berichten
über ihre neuesten Gedanken. Oder war das auch das Heidelberg Laureate Forum?
Manon Bischoff
Ja, genau. Also die Laureaten, die da ja teilnehmen, sind teilweise auch nicht mehr ganz jung.
Also es sind ja Leute, die zum Beispiel mit dem Abelpreis ausgezeichnet werden
oder den Turing Award bekommen haben.
Also da sind so Leute wie Martin Hellman, Whitfield Diffie.
Ja, genau. Und Michael Atiyah war zum Beispiel auch, als er noch gelebt hat dort.
Und gerade die Leute, die jetzt schon teilweise über 80 Jahre alt sind,
die machen nicht immer noch aktive Forschung, sondern teilen dann eher ihre
Ideen und ihre Visionen und ihre Erfahrungen halt mit jungen Researchern.
Thomas Kahle
Okay, so und wer war denn jetzt so da? Also das ist das jährliche als jedes Jahr, oder?
Manon Bischoff
Das ist jedes Jahr. Das Programm ist auch immer so ein bisschen unterschiedlich.
Und dieses Jahr war irgendwie ein sehr harter Fokus auf KI.
Also einige der jungen Wissenschaftler, mit denen ich gesprochen habe,
haben halt auch gesagt, sie hatten ein bisschen das Gefühl,
auf einer KI-Konferenz zu sein, weil es waren auch viele Leute von Google DeepMind
dort oder halt einige der Laureaten und einige der eingeladenen WissenschaftlerInnen,
die dort gesprochen haben.
Waren halt auch solche, die einen starken KI-Fokus in ihrer Forschung halt haben.
Thomas Kahle
Das Thema ist einfach nicht wegzukriegen. Überall ist es und es ist jetzt auch
in der Wissenschaft angekommen.
Und ein Problem, das man immer hat, ist eben, finde ich, diese Trennung von
dem Hype und der wirklichen Technologie.
Und also wenn man jetzt wirklich eine Exploration machen will,
was kann eine neue Technologie machen? Wie verändert die die Wissenschaft?
Wie verändert die unser Leben?
Dann schwingt ja immer noch diese ganzen kommerziellen Interessen und das ganze
Medieninteresse drumherum schwingt ja immer mit.
Ist das da gelungen?
Ist es dann auf einer technischen Ebene eher so diskutiert worden?
Es gibt diese ganzen Science-Fiction-Erzählungen, die uns in der Wissenschaft
nicht so gut zu Gesicht stehen, da immer mitzuerzählen oder so große Hoffnungen
reinzuprojizieren, sondern vielleicht anzuschauen, was wirklich ist und was wirklich geht.
Kannst du vielleicht an so einem Beispiel mal sagen, was für Beiträge da so kamen zu dem Thema?
Manon Bischoff
Ja, es war sehr unterschiedlich. Also mir hat auch so ein bisschen,
wenn ich ehrlich bin, eine kritische Stimme gefehlt.
Es waren schon, ja, die Leute waren schon eher so KI-Enthusiasten,
die dazu gesprochen haben. Das hat man halt gemerkt.
Gut, die Leute von Google DeepMind, das ist ja klar, das ist ja denen ihr Beruf.
Die haben das natürlich hart gepusht, haben ihre Vision so ein bisschen erzählt,
was sie glauben, wo es jetzt hingeht.
Haben halt vor allem auch erzählt, dass sie wollen quasi die neuen KI-Algorithmen,
was mir auch gar nicht so klar war, dass sie gar nicht mehr nur von menschlichen
Daten lernen, Trainingsdaten, sondern von KI aufbereitete Daten bekommen.
Also die KI trainiert sich selbst quasi sozusagen und auch das Reinforcement
Learning, dass dieser Schritt auch mittlerweile nicht mehr von Menschen oder
nicht mehr von menschlichen Beispielen gefüttert wird, sondern halt auch,
dass die KI das selbst übernimmt.
Und die halten das für eine sehr gute Entwicklung und sagen,
dass dadurch noch auch quasi Gedankengänge, wenn man es jetzt so menschlich
ausdrücken will, von der KI dann auch von dem abweichen können,
was Menschen eigentlich haben.
Also es war schon, ging sehr krass in eine Richtung.
Dann gab es aber auch Mathematiker, also Berufsmathematiker,
die sich aber, die an KI halt auch forschen und gucken, wie diese Modelle funktionieren
und ja im Detail auseinandernehmen.
Da hat zum Beispiel auch einer gesagt, dass er sich auch vorstellen kann,
dass jetzt schon sehr, sehr bald viele der Schritte durch die KI übernommen
werden. Also auch dieses Kreative.
Ich finde, ich formuliere eine Vermutung, dass das die KI übernimmt.
Dass dann halt auch der Beweis an sich auch durch die KI geliefert wird,
die dann durch einen Beweisprüfer kontrolliert wird, der Beweis.
Und dann am Ende noch die KI das Paper schreibt.
Und dann sich so ein bisschen die Frage stellt, wo der Platz des Menschen ist.
Und da hat sich halt auch so bemerkbar gemacht unter den Young Researchern,
dass da halt echt Unmut geherrscht hat und das für viele Diskussionen nach den
Sessions auch gesorgt hat.
Und die dann auch in den Fragerunden dann Fragen gestellt haben wie,
ja, lohnt es sich für uns überhaupt noch, so eine aufwendige Sprache wie Lean
zu lernen, also mit dem man diesen Beweisprüfer betreibt?
Oder lohnt es sich schon gar nicht mehr, weil die KI das ja bald automatisch
übersetzen wird, also unsere Beweise in Lean?
Thomas Kahle
Ja, also das bezieht sich jetzt auf LLMs.
Wurde das irgendwie getrennt, dass sozusagen diese ganze KI,
dass das nochmal aufgelöst wird, in was ist hier LLMs und was ist andere Arten von Machine Learning?
Also wenn man jetzt an die Erfolge von DeepMind denkt, dann sind das ja Durchbrüche,
die nicht durch LLMs erzielt wurden, sondern eben durch Deep Learning als Technologie.
Also das fängt ja beim Go-Spielen an und dann auch diese Nobelpreisarbeit zu den Proteinfaltungen.
Aber jetzt ist ja durch diese Medienaufmerksamkeit KI ja fast schon synonym
für LLM-Nutzung und naja,
also ich meine, ich habe mich ja da auch so schon ein bisschen informiert und
zu geäußert, dass eben Mathematik vielleicht, weil es irgendeine formalisierte Sprache ist,
die ja fast wie eine Programmiersprache ist und jetzt mit Lean auch überprüfbar
wird, da eben doch ein Anwendungsfeld von LLMs sein kann. bei all ihren Halluzinationen.
Also wurde das irgendwie so unterschieden oder meinten die sowieso alle LLMs?
Manon Bischoff
Es wurde teilweise auch unterschieden und ich habe dann auch noch Interviews
mit einigen der Forschenden dann auch geführt im Nachgang.
Und da wurden auch also,
Viele haben auch gesagt, aktuell sind halt LLMs der heiße Scheiß,
sage ich jetzt mal, von dem jeder redet und wo es sehr viel gibt.
Aber das heißt ja nicht, dass die auch weiterhin das dominieren werden.
Und auch neuronale Netze. Die sind aktuell, das funktioniert,
also LLMs basieren ja auch auf neuronalen Netzen.
Aber das muss nicht heißen, dass das auch weiterhin in der Zukunft das Wichtige sein wird.
Also man hat ja auch in der Vergangenheit gesehen, dass sich KI da ja weiterentwickelt hat.
Und ich habe auch mit einer Forscherin gesprochen, die zum Beispiel am CERN arbeitet,
also ist jetzt nicht Mathe, aber die ja auch ganz viele verschiedene Arten von
KI-Tools verwendet und wo sie auch meinte, also in der Vergangenheit,
seit den 90ern benutzt das CERN ja KI-Systeme, also die waren ja so Vorreiter,
sage ich mal, die das benutzt haben.
Und da sind nicht nur LLMs dabei, da sind auch nicht nur neuronale Netze dabei,
aber sie meint auch klar, sie profitieren auch von den neuesten Entwicklungen
und testen das und gucken, welche Use Cases es gibt und wo das halt hilfreich ist.
Thomas Kahle
Und gab es jetzt irgendwelche Erfolgsstories? Also so ein bisschen ist es ja
so eine Science-Fiction-Erzählung auch.
Man sieht, es gab eine rasante Entwicklung, also LLMs sind halt natürlich irgendwie
überraschend und ja, eine neue Technologie, die die Leute begeistert und fasziniert.
Aber dann steckt ja da immer so eine Extrapolation dahinter.
Man denkt, diese Entwicklung geht jetzt so weiter.
Und wenn diese Entwicklung so weitergeht, dann passiert irgendwas.
Und dann redet man darüber, was dann passieren könnte.
Aber sind da konkrete Erfolge vorzuweisen?
Also so ein bisschen kommen die Geschichten ja jetzt rein.
Manon Bischoff
Ja, also es gab auch eher dann so anekdotische Geschichten. Das sind ja die,
die man teilweise so ein bisschen hört.
Also jemand möchte zum Beispiel wissen, gibt es schon ein Resultat dazu, zu Frage XY?
Sucht bei Google, sucht bei Google Scholar, wo auch immer man halt sucht,
macht eine Literaturrecherche, findet nichts,
fragt dann irgendwann mal ChatGPT, unterhält sich ein bisschen mit ChatGPT,
fragt immer wieder nach, bis dann die KI dann auf einmal sagt,
ah ja, da gab es doch dieses obskure Paper aus den 70ern, was keiner kennt.
Und wenn man hier dieses Theorem nimmt und da die Zahlen einsetzt,
dann kommt genau das raus, was dich interessiert.
Also solche Sachen habe ich jetzt schon mehrmals gehört, habe ich auch eben
gerade noch eine Geschichte zugehört von einem befreundeten Mathematiker von mir.
Also ich glaube, so als Literaturrecherche, gerade für Paper,
die kaum gelesen wurden oder die irgendwie nie zitiert wurden,
da kann das offenbar sehr hilfreich sein.
Dann wurden noch Geschichten erzählt von Vermutungen, die mithilfe von KI aufgestellt wurden.
Dass man wirklich ein konkretes, also dass ein KI-Tool einen neuartigen Beweis
für was Interessantes alleine gefunden hat,
da waren sich auf der Konferenz alle einig, dass es das noch nicht wirklich
gab, vor allem nicht für irgendwas Wichtiges.
Also klar, es wurden jetzt irgendwie Matheaufgaben oder so aus der Mathe-Olympiade
oder sowas, was natürlich schwierig ist, wurden gelöst, aber das ist ja jetzt
nicht was super relevantes.
Was ich noch mit am spannendsten auch fand, hat sich ein bisschen hinter den
Kulissen abgespielt und zwar, weil einer der Forscher, der da anwesend war,
das ist ein Fluid-Dynamiker, wenn man so will, also der Arbeit an Differenzialgleichung
und der Arbeit unter anderem am Navier-Stokes-Problem.
Und die haben ja schon vor, ich glaube 2023 war das, mithilfe von neuronalen
Netzen auch einen Fortschritt gemacht.
Und das haben die jetzt, also gerade als ich auf der Konferenz war,
kam ein Preprint raus, wo sie halt eine systematische Methode entwickelt haben, mithilfe von KI.
Um halt nach diesen explodierenden Lösungen, also nach Singularitäten in den
Navier-Stokes-Gleichungen zu suchen.
Wobei, in Fluid-Dynamik-Gleichungen, in der Via-Stokes-Gleichung haben sie nichts gefunden.
Sonst hätten sie ja das Millennium-Problem geknackt.
Aber die haben zum ersten Mal so einen systematischen Weg entwickelt.
Das war aber natürlich halt, sie haben in einem bestimmten Schritt ein KI-System verwendet.
Aber natürlich steckt ganz viel Mathematik und sowas drin.
Und das ist auch mein Eindruck, den ich jetzt hatte, als ich eben auch mit meinem
bekannten Mathematiker gesprochen habe.
Der meinte, dass er in seiner alltäglichen Arbeit sehr viel KI-Systeme benutzt
und seine Kollegen teilweise auch, aber dass sie sich alle einig sind,
dass man sehr viel Hintergrundwissen und sehr viel Mathematikfachwissen braucht,
um das auch verwerten zu können,
um halt zu sehen, okay, da halluziniert das System da nicht oder dass man halt
auch den Chatbot auch anleitet und sagt, hey,
ah, das ist interessant, aber mach doch nochmal das und mach doch nochmal hier.
Also es ist nicht so, dass man sagt, beweise mir das und dann kommt das Richtige raus.
Thomas Kahle
Das ist komplett meine Erfahrung. Also diese Momente, man findet diesen einen
Link, den Missing Link, irgendeine, wie du sagst, verlorengegangene Literatur
oder so, das ist schon eine...
Das ist mir auch schon passiert. Also es gibt einfach diese neue Suche,
neuartige Form von Suchen.
Aber so wie es ans irgendwie Formulieren geht oder so, habe ich da,
also meine persönliche Erfahrung ist, dass es einfach unglaublich viel Neues ist.
Also man verschwendet halt sehr viel Zeit, damit sich mit der KI zu unterhalten,
die eben sehr gesprächig ist und eben auch lange Antworten zurückgibt,
die sehr überzeugend formuliert sind.
Aber wenn man dann versucht, ein Argument durchzugehen, sieht man,
dass einfach Riesenlücken in dieser Argumentation sind.
Und also ja, gerade Argumentationen, stringente Argumentationen kriege ich aus
den zumindest so mir kommerziell verfügbaren Modellen nicht wirklich raus.
Es ist immer so sozusagen so Links, Ideen, was man noch probieren könnte.
Auf der anderen Seite ist natürlich so Mathematikforschung, man braucht auch,
wenn man alleine forscht, braucht man einfach viel Zeit.
Dass jetzt Zeit verschwendet wird, sich irgendwie dieses Zeug von der CKI ausgegeben
hat oder das LLM ausgegeben hat durchzulesen, ist vielleicht dann doch auch
wenig im Vergleich zu den Zeiten,
die die Mathematikerinnen und Mathematiker früher in der Bibliothek hätten verbracht,
um irgendwie Paper zu lesen, die alle nicht relevant sind.
Aber vielleicht sind sie ja dann irgendwann später nochmal relevant.
Das ist ja dieses so, die KI hat eben alle Paper gelesen. Wie viel Paper lese ich komplett durch?
Also echte Mathe-Paper, man ist so langsam, wenn man ein Mathe-Paper wirklich
verstehen will und wie die Methoden und die Beweise funktionieren.
Davon lese ich nicht fünf im Monat, weniger.
Ja, also das ist einfach so, man hat nicht genug Zeit und Energie,
um so viel aufzunehmen und da ist natürlich die Hoffnung auch,
dass sozusagen für diese Suche in diesen ganzen Texten da was drin steckt.
Und das kann man ja auch umdrehen.
Also man kann ja auch sozusagen die Hoffnung haben, dass, also wenn ich so wenig
lese, dann liest ja auch niemand meine Sachen.
Das ist ja die traurige Konsequenz daraus, also dass wir so wenig Paper lesen
in der Mathematik. Wir schreiben natürlich auch nicht so viele,
aber dann liest wenigstens irgendwann.
Also sozusagen auch meine Paper,
die wenig gelesen werden, können dann wenigstens in die KI eingehen.
Und vielleicht, wenn sie dann sozusagen in 200 Jahren irgendwann mal gebraucht
werden, dann findet das LLM den Link zu meiner Arbeit.
Das ist so ein bisschen vielleicht eine Hoffnung, die man noch haben kann.
Manon Bischoff
Ja, das auf jeden Fall. Und ich habe auch, was ich interessant fand,
ich habe dann auch bei vielen von den Mathematikern, mit denen ich mich jetzt
in letzter Zeit unterhalten habe, halt auch gefragt,
ob sie glauben, dass schon jetzt quasi die KI-Tools einen Mehrwert bieten in
der alltäglichen Arbeit eines Mathematikers.
Also ich finde, bei einigen, wenn man rumfragt, sagen, nee, die benutzen es gar nicht.
Manche sagen so ein bisschen und dann kommen so prominente Personen wie Terence
Tao oder andere und sagen, ja, also das ist so das, was sie,
ja, was sie sehr viel verwenden, kann jetzt schon super hilfreich sein.
Ich habe das Gefühl, dass.
Wenn man so mediale Berichterstattungen sich anguckt, da halt einfach ein ganz
anderes Bild vermittelt wird, als in der alltäglichen Mathematikerarbeit.
Und deswegen hat mich diese Frage auch interessiert. Und fast alle waren sich
einig, dass es schon jetzt auf jeden Fall einen Mehrwert bieten kann.
Genau, aber dass man sich halt so ein bisschen reinfuchsen muss und dass man
halt auch wissen muss, wie promptet man, was schreibt man genau.
Und wie du ja sagst, es kommen lange Antworten, da muss man vielleicht nochmal
nachfragen, da muss man nochmal irgendwas sagen.
Also es ist nicht so, ich übergebe nur eine Anfrage und habe direkt das perfekte
Ergebnis oder habe dann direkt eine Präsentation oder direkt eine Simulation
von meinen Ergebnissen, die ich gerne hätte,
sondern man muss da schon auch nochmal mehr Effort reinstecken.
Aber ich finde es ganz interessant, dass es so ein neues Tool ist,
was angeblich zumindest wohl sich schon als hilfreich erweisen kann.
Also wie sind da so deine Erfahrungen oder mit deinen Kollegen?
Thomas Kahle
Also es gibt, würde ich sagen, schon eine Ablehnung, die ja auch wohl begründet ist.
Also es gibt einfach einen großen Schaden, muss man jetzt auch mal sagen,
den das Ganze, den die Existenz von LLMs im Bildungssystem und in der Uni angerichtet
hat und jeden Tag anrichtet,
weil es für zum Beispiel Studierende…,
viel einfacher ist, sich selbst zu schaden.
Es ist einfach durch diese Omnipräsenz, durch diese Verfügbarkeit von personalisierten
Schummelmethoden oder Abkürzungen für das Studium,
ist jetzt schon in der Bildungslandschaft ein riesiger Schaden entstanden.
Und da sind natürlich Leute einfach auch traurig und bestürzt,
wie einfach es geworden ist, sich selbst der Lernerfahrung zu berauben.
Also das sind so verschiedene Themenkomplexe, das könnte ich jetzt auch noch
viel ausweiten, was das für die Lehre und die Bildung bedeutet.
Und da ist es halt, glaube ich, noch deutlich negativer zu sehen,
als wenn jetzt Expertinnen und Experten, die schon jahrelang durch dieses Training
gegangen sind, sich damit auseinandersetzen auf einer kritischen Ebene.
Was kann diese Technologie für mich tun?
Also würde ich diesen Bildungsteil jetzt mal weglassen, aber der beeinflusst natürlich auch das,
wie die Leute das, ob die das überhaupt ausprobieren für ihre Forschung,
ja, wenn sie davon die ganze Zeit nur auf der einen Seite so Hype-Berichterstattung
hören und dann auch vielleicht Politikerinnen und Politiker, die sagen irgendwie,
ja, das ist, alle müssen das jetzt machen und das kommt so von außen,
wird das so reingedrückt in alles,
dann besteht erstmal eine Grundablehnung.
Okay, dann gibt es die Leute, die sich dagegen verfestigen können und die sagen,
naja, okay, es gibt dieses Ganze, aber ich ignoriere das und ich schaue mir
das einfach mal an und ich will wissen, was kann das für mich, was kann das überhaupt?
Also das ist eben diese kritische Forschungsperspektive, die man auf jede neue
Sache haben kann, die in der Welt irgendwie ist.
Wir wollen das erforschen. Was macht das?
Und da, ich meine, es gibt schon immer wieder überraschende Erlebnisse.
Also das ist eigentlich das, dass die Leute, die sich damit wirklich auseinandersetzen
und nicht so gleich nach dem ersten Mal, die KI gibt irgendwie Quatsch aus, sich...
Auf das Lachen darüber zurückziehen, die kommen dann auch irgendwann an Punkte,
wo sie überrascht sind. Das ist eigentlich meine Erfahrung.
Also jede Person, die sich damit ernsthaft auseinandersetzt,
kann irgendwo überrascht sein, was da rauskommen kann.
Also auch im positiven Sinne. Natürlich, man ist immer wieder,
ich weiß nicht, hast du dieses mit den Seepferdchen mitbekommen?
Das ist jetzt irgendwie der letzte Trend.
Also wenn du einfach deine KI, deines Vertrauens fragst, gibt's ein Seepferdchen-Emoji?
Manon Bischoff
Ja.
Thomas Kahle
Dann kriegt die so eine existenzielle Krise. Also jede, jede.
Also kannst du ein chatGPT machen, kannst du mit Gemini machen.
Dann sagt die, ja klar, hier ist eins und dann kommt ein Fisch.
Und dann sagt sie, oh Moment, das ist ja gar kein Seepferdchen,
das ist ja ein Fisch. Und dann sagt sie, hier ist das Richtige, kommt ein Drache.
Und dann geht es seitenlang, seitenlang kriegt ihr so eine Existenzkrise.
Moment, ich will doch das Seepferdchen ausgeben.
Dann geht die den UDF-8-Code durch und ja, also solche Sachen passieren dann
immer wieder und man muss dann so fokussiert bleiben, ja.
Also wenn man wirklich was erreichen will, ist es eben doch noch schwer,
dann immer wieder dieses zu überwinden, dieses Abgestoßensein von dem Quatsch, der da rauskommt.
Und so, dass ich mir für mich jetzt auch mal so ein bisschen so dann so KI-freie
Tage, aber ich sage trotzdem, also meinen Doktorandinnen und Doktoranden sage
ich auch, probiert es doch mal aus sozusagen.
Also die jungen Leute, das Heidelberg-Laurier-Forum, das ist eigentlich eine,
da sind wir jetzt doch wieder bei der Bildung, eine entscheidende Frage,
was geben wir jungen Leuten auf den Weg mit?
Und also da zu sagen, es ist sinnlos, Mathematik zu lernen, das ist sinnlos.
Denke ich falsch. Es ist genauso sinnlos, wie zu sagen, es ist sinnlos,
programmieren zu lernen.
Also die Informatik, auch die praktische Informatik, das Programmieren,
die, es kann halt eben sein, dass die jetzt durch Vibe-Coding oder so sich der
nächsten Generation berauben.
Also, dass es jetzt einfach dann nicht mehr weitergeht, weil übersehen wird,
dass diese produktive KI-Nutzung eben darauf basiert, dass man Vorkenntnisse
hat, die man erworben hat in einem Zeitalter, als es das noch nicht gab.
Ja, und also da gab es dann eigentlich bei dem Heidelberg-Lauret-Forum auch
Leute, die gesagt haben,
nur Leute, die die Expertise hatten, konnten dieses System bauen und nur Leute,
die die Expertise, die Fachexpertise über Mathematik oder Physik oder Chemie
hatten, konnten damit produktiv arbeiten.
Also diese Idee, wir brauchen nichts mehr machen, die lehne ich in dem Sinne immer noch ab.
Also ich sehe es immer noch als ein Werkzeug, das für bestimmte Sachen gut ist,
aber diese ganze Integration, also genau diese Fantasie, die du vorhin beschrieben
hast, dass die KI sozusagen am Ende noch das Paper schreibt, das sehe ich nicht.
Also ich, wenn es so kommt, keine Ahnung, aber ich sehe es nicht.
Das halte ich für Science Fiction.
Manon Bischoff
Ja, das war auch, also man muss sagen, das war jetzt nicht das Fazit von allen zum Glück.
Das war so das Extremfazit von vor allem einem Forscher, was ich ein bisschen krass fand.
Vor allem, also der hat nicht gesagt, dass wir kein Mathe mehr machen müssen.
Sondern der eine meinte, ja gut, die Frage ist ja, falls es zu diesem Szenario
käme, was wäre unsere Rolle so als Mensch?
Also, dass man darüber ja auch mal nachdenken kann, was ich gar nicht verkehrt finde.
Und er meinte, naja, aber vielleicht nehmen wir dann so eine kommentierende
Rolle ein, so wie ja auch für Leute, die englische Literatur studieren und dann
halt kein Shakespeare mehr schreiben, aber halt einfach die Werke kommentieren,
neu einordnen und sonst irgendwas.
Also das war so ein bisschen seine Extremvision, die er meinte,
wo er meinte, er weiß nicht, ob das eintreffen wird.
Aber was ich eigentlich ein bisschen, ja,
was ich krasser tatsächlich fand, war halt wirklich, dass sich ein Laureat auch
wirklich hingestellt hat und gesagt hat, auf die Frage, müssen wir denn überhaupt
noch Lean lernen, dass er ganz klar Nein gesagt hat.
Und dann hat einer seiner Kollegen noch so gesagt, naja, schon noch ein bisschen wahrscheinlich,
weil klar, es ist kompliziert und ja, für Menschen ist es nicht intuitiv oder
so, aber wir haben noch keine KI, die das lückenlos kann und auch dann,
man muss ja überprüfen, ob das überhaupt stimmt und so. Also man sollte das
ja schon irgendwie lesen können.
Und dann hat der Laureat wieder eingehakt und hat gesagt, also er ist ja trotzdem
der Meinung, dass nein, muss man nicht. Und ich fand das...
Krass, also generell, wenn man so eine Überzeugung hat und so eine harte Meinung,
finde ich das immer ein bisschen schwierig und ja, das jungen Forschenden der
heranwachsenden Generation so mitzugeben.
Ja, fand ich irgendwie daneben und damit stehe ich auch nicht alleine da.
Thomas Kahle
Okay, es ist dann hoffentlich in dem Raum irgendwie auch klar geworden,
dass es jetzt vielleicht eine Extremposition ist.
Ich weiß nicht, also genau, wenn dann sozusagen auf so eine Double Down,
auf die Nachfrage, auf das Angebot sich abzumildern sozusagen eine Verhärtung
kommt, dann, ich weiß nicht, ob
die Leute, die können ja auch die soziale Situation dann manchmal lesen.
Ja, kennst du diesen Essay, Catching Crumbs from the Table?
Das ist ein Essay, der ist 2000 in Nature erschienen, ist ganz kurz so eine
Seite, wo so eine KI-Zukunft beschrieben wird für die Wissenschaft.
Und, also wie gesagt, 2000, wo es eben so eine KI gibt oder,
nee, es gibt, glaube ich, die Menschen können sich irgendwie verändern,
die können so eine Gentherapie machen, direkt bei der Geburt,
die kann man nur ganz am Anfang machen und dann wird man irgendwie so ein Superbrain.
Und die normalen Menschen, die können die auch gar nicht mehr verstehen,
also diese superentwickelten Superintelligenzen, die haben halt eine komplett
andere Sprache und die machen ihre eigene Wissenschaft und es gibt aber auch
noch Wissenschaftler bei den normalen Menschen und die versuchen dann immer nur sozusagen zu,
entziffern, was da so runterfällt, so an Brotgruben vom Tisch der Superintelligenzen.
Das werde ich auf jeden Fall mal noch verlinken und schicke dir auch den Link nochmal.
Also, ich weiß nicht, jede Science-Fiction, wenn man überlegt,
wie Science-Fiction geschrieben wird, wie schreibt man gut einen Science-Fiction-Roman,
der muss ja irgendwie so ein bisschen realistisch sein.
Es darf nicht, also, gute Science-Fiction hat ja immer so ein Element von Plausibilität.
Und ein Mechanismus, wie man das macht, ist, dass man am Anfang so in der Backstory,
was gar nicht in der Geschichte passiert, irgendwie so eine große Lüge hat, die Big Fat Lie,
wo irgendeine Entwicklung passiert ist, die komplett unrealistisch ist und danach
ist alles irgendwie realistisch.
Und ein bisschen habe ich das
manchmal bei diesen KI-Erzählungen auch das Gefühl, dass es so passiert.
Also es wird einfach, man macht einfach ganz am Anfang so eine Annahme,
wie das exponentielle Wachstum geht immer weiter.
Manon Bischoff
Ja.
Thomas Kahle
Ja, sozusagen, wir haben, wenn das exponentielle Wachstum immer weiter geht,
Das wird immer schlauer.
Dann können wir uns damit auseinandersetzen.
Also dann können wir uns auseinandersetzen, was damit passiert.
Aber wir wissen, exponentielles Wachstum geht nie immer weiter.
Es gibt einfach immer Saturierungseffekte. Also jedes exponentielle Wachstum,
was immer weitergeht, führt zu einer Katastrophe irgendwann und dann geht es eben nicht mehr weiter.
Es geht nur so lange weiter, wie es weitergeht und dann hört es irgendwann auf. Weil dann...
Das Ding so groß ist, dass etwas anderes passiert, dass es etwas auslöst,
was sein Wachstum begrenzt.
Also sozusagen die Population, die Weltbevölkerung, Club of Rome und so,
diese ganzen Prognosen, alle Prognosen, die irgendwie darauf basieren,
dass man sieht ein exponentielles Wachstum und denkt einfach,
das geht immer so weiter und dann diskutiert man, was dann passiert.
Während man eigentlich diskutieren müsste sozusagen, wo ist der Stopppunkt?
Wo hört das exponentielle Wachstum auf und in was für einem Zustand sind wir dann?
Und irgendwie sehe ich das bei den LLMs und bei der KI auch so ein bisschen.
Also es gab so ein, es war schon ein Sprung.
Also diese Existenz von GPT und den LLMs, das war schon so eine Erfindung wie
die Dampfmaschine oder so.
Und jetzt wird das aber irgendwie so technisch ausdifferenziert.
Also die Dampfmaschine war erfunden und jetzt gibt es irgendwie Eisenbahnen
und es gibt die Firmen, die bauen die Eisenbahnschienen überall.
Aber was kommt dann? Ich meine, die Eisenbahnen, die fuhr dann einfach weiter.
Okay, dann kannst du ja noch einen Speiswagen einbauen.
Aber letztendlich gibt es nicht mehr diesen Sprung, der war eigentlich vielleicht doch nur einmal.
Es gab einmal den Sprung LLMs und jetzt können wir es alles noch schöner machen
und ein bisschen schneller sozusagen. Dann fährt es noch ein bisschen schneller
und verbraucht vielleicht weniger Energie.
Also ich sehe dieses exponentielle Wachstum nicht.
So, jetzt bin ich ein bisschen herummeandert. Wo waren wir davor?
Ach so, die nächste Generation. Also ich habe große Befürchtungen,
wenn man der nächsten Generation solche pessimistischen Botschaften mitgibt und das ist nicht gut.
Also Eigenraum unterstützt es nicht, Eigenraum ist immer positiv,
was man selber lernen kann, soll man lernen, jede Lerngelegenheit hat.
Und wahrnehmen, sich auch mit esoterischen kleinen Problemchen auseinandersetzen
und den Spaß nie verlieren.
Das ist so das, was ich vermitteln will.
Manon Bischoff
Ja, ich glaube, das ist auch das, was sich die Young Researchers dann auch irgendwann
mal ein bisschen gewünscht haben, so wenn man mit ihnen geredet hat.
Das war halt vor allem der Dienstag, war so sehr niederschmetternd,
sag ich mal, was inhaltlich, was das anging.
Und auch montags ging es halt auch relativ viel um KI. Genau und dann aber fairerweise
muss man sagen, dass dann an den anderen Tagen war der KI-Inhalt doch kleiner.
Aber es waren nicht so wahnsinnig viele Mathe-Inhalte einfach.
Und ich glaube, das haben sich auch einige gewünscht, dass es einfach mal wieder
ein bisschen mehr Mathe-Fokus dann gibt fürs nächste Jahr.
Thomas Kahle
Ja, und die Journalistinnen und Journalisten, wie begleiten die das?
Also da würde ich mir ja auch manchmal ein bisschen mehr, also jetzt meine ich
jetzt nicht unbedingt Spektrum der Wissenschaft,
aber so ein bisschen mehr kritische Begleitung wünschen, dass es eben da einfach
kommerzielle Interessen dahinterstehen, hinter diesen Erzählungen,
die KI wird immer besser, die KI kann alles.
Also die dystopische Erzählung, wir Menschen werden sinnlos,
unsere Ideen, unsere Kreativität wird sinnlos, weil die KI das besser kann,
die ist ja, da steht ja ein kommerzielles Interesse dahinter von einer Firma,
die davon profitiert, wenn diese Erzählung weitererzählt wird.
Siehst du das auch so? Oder wurde das dann, also zum Beispiel so ein Heidelberg-Lorret-Forum,
wenn das dann medial sehr gut begleitet wird, ist ja dann auch,
Eine Möglichkeit, sich zu vernetzen
unter den Journalistinnen und Journalisten. Sprecht ihr da auch so?
Manon Bischoff
Ja, da wurde auch drüber gesprochen, da wurde auch tatsächlich auch öffentlich
drüber gesprochen, also ich
habe ja auch ein paar der Panels auch begleitet und also das eine Panel,
wo es ja da diese sehr fragwürdigen Aussagen gab, das war von einem Redakteur
von Scientific American geleitet,
George Massa und der hat zum Beispiel auch nachgefragt und hat dann halt auch
gemeint, weil irgendwann mal dann auch klar war, Also manche Studierende haben
sich gemeldet und haben auch konkret nachgefragt,
naja, wenn sie jetzt irgendwie Chat-GPT oder sowas benutzen,
dann kriegen die irgendwie nicht so gute Ergebnisse, wie jetzt behauptet wurde
oder Google Gemini und so.
Und dann hat der eine Laureate nachgefragt, so ja, benutzt du die Bezahlversion?
Und dann meinte der Studierende so, nein. Und dann meinte er,
ja gut, dann darf man sich auch nicht wundern, so nach dem Motto.
Und dann kam halt dann auch die Rückfrage von dem Journalisten, naja,
aber tauchen wir dann in eine Welt ein, wo man dann nur gute Wissenschaft machen kann,
wenn man die ganzen Bezahlversionen hat von den Systemen und ja genau,
die sind ja auch gar nicht so günstig und vor allem sind ja die Prognosen auch,
dass die ja wahrscheinlich immer teurer werden, weil die sich ja aktuell wohl
nicht so wirklich rechnen bisher.
Genau, also das ist ja dann auch die Frage, ob man sich jetzt aktuell davon abhängig macht,
von den noch Free-Versionen und dann irgendwann werden Preise aufgeschlagen
und man kann seiner Arbeit oder seiner Forschung nicht mehr so gut nachgehen,
wenn man da halt nicht sehr viel Geld hinblättert.
Also das war auch dann so eine Frage, die sich gestellt wurde natürlich.
Thomas Kahle
Also ich muss sagen, ich benutze schon länger die Pro-Version und ich bin trotzdem enttäuscht.
Also das ist ja auch wieder so ein Narrativ, eigentlich eine komplett kommerzielle
Werbestory zu sagen, also das würde ich mir nie erlauben.
Da machen ja dann Wissenschaftlerinnen, Wissenschaftler oder Journalisten Werbung für diese Modelle.
Also diese Erzählung, da gibt es noch was Geheimes, Besseres,
wenn man mehr Geld einwirft.
Ich meine, natürlich wird das irgendwie
auch stimmen, aber finde ich auch fragwürdig, das weiterzutragen.
Manon Bischoff
Ja, ich finde auch. Also anstatt, ich weiß es nicht, also weil wie du ja auch
schon gesagt hast und meine Erfahrung ist es auch und auch von anderen,
die Erfahrung ist eher, naja, wenn halt man so,
Wir wissen ja, es kommt auch mal Quatsch raus und die Dinger halluzinieren halt.
Das lässt sich auch nicht komplett umgehen.
Aber durch Nachfragen, durch Nachhaken, durch Interaktion oder so kann man dann
manchmal doch noch auf die richtige Lösung kommen. Dafür braucht man aber wie
gesagt auch Fachwissen.
Aber das wäre aus meiner Sicht halt die, ja weiß ich nicht, auch die optimistischere
Antwort gewesen für Studierende.
Weil man dann merkt, okay, ich brauche Fachwissen.
Ich kann diese Tools als Werkzeug benutzen und die unterstützen mich.
Und das ist irgendwie, können wir ja auch lästige Arbeit abnehmen,
was ja irgendwie super wäre in der Zukunft oder auch jetzt schon.
Aber einfach zu sagen, nee, du musst halt Geld hinblättern, dann wird es besser,
finde ich ja auch den falschen Take.
Thomas Kahle
Das ist auch wieder die Werbung der großen Firmen, also gerade Perplexity ist
ja eine von diesen Firmen, die sich auch so gezielt an Studierende richtet mit ihrem Browser,
so dieses get your work done faster, also das ist ja eigentlich schon fast so
eine Art Plagiat as a Service Marketing oder so,
hier ist dein Ghostwriter und es kostet auch nur so und so viel,
jetzt Einstiegsangebot und so, das ist eben was, wo man sich gegen wehren muss.
Und dann ist für einen selbst immer die Frage, also ich glaube,
Studierende, die haben halt auch wenig Zeit.
Das muss man auch anerkennen, dass es einfach viel ist, wenn man jetzt so die
ersten Semester an der Uni ist, viele Eindrücke und so.
Und eben auch, es ist einfach klar, dass sie Zeitmanagement betreiben müssen,
aber wenn das hier Studierende hören, dann ich empfehle, frag doch mal einen
Menschen, frag doch mal, es wird irgendwo eine Dozentin oder einen Dozenten geben,
die man auch mal so im Vertrauen ansprechen kann und da kann man auch Zeitmanagement lernen.
Also statt die Sachen zu überspringen mit der KI, kann man eben auch die Menschen
fragen, wie macht ihr das denn?
Also ich meine, meine Probleme mit Zeitmanagement sind….
Auch nicht klein und ich habe auch Lösungen entwickelt und dann,
ich weiß nicht, wenn man da in so eine ehrliche Diskussion reinkommt und nicht
jeder versucht den anderen irgendwie zu betrügen, die Abkürzung zu gehen.
Da gibt es jetzt diesen neuen Begriff des Work Slop.
Also das ist so eine Untersuchung, die wurde jetzt irgendwie so in Business-Kreisen rumgereicht,
dass bei einigen Firmen oder vielen Firmen eben die KI-Nutzung für die Mitarbeitenden
eben dazu führt, dass die Arbeit eigentlich so eine Art verstecktes Delegieren.
Also man liefert erstmal irgendwas ab, was so aussieht, als hätte man die Arbeit
erledigt, aber die nächste Ebene, die damit weiterarbeiten muss.
Merkt eben ziemlich schnell, wenn sie reinschaut, dass es eben KI generiert
und nicht hilfreich genug ist und muss dann die Arbeit nochmal machen.
Also das ist eigentlich so eine Art Möglichkeit der Delegation und des internen
Reibereien erzeugen und die Arbeit an andere weiterreichen ist,
anstatt die Arbeit zu erledigen.
Und ja, also das ist, ich bin ein bisschen beleidigt.
Also wenn ich sozusagen KI-Sachen bekomme, dann versuche ich dem sozusagen so
wenig wie möglich Aufmerksamkeit zu geben.
Also im Zweifelsfall ignorieren. Also ich habe zum Beispiel jetzt,
das neue Semester fängt an, also ich versuche die Policy zu etablieren,
dass wenn Hausaufgaben abgegeben werden und die sind offensichtlich KI generiert,
dass sie einfach nicht bearbeitet werden.
Also ich will es einfach gar nicht bestrafen oder so, das kann ich auch nicht
und ich habe keine richtige Detektion, aber wenn es offensichtlich ist,
dann wollen wir sozusagen damit nichts zu tun haben.
Ja, also dann kann, soll die Person, die das abgegeben hat, eben selbst mit
einer KI wieder die KI drüber fragen lassen, ob das jetzt eine gute Ausgabe
war oder eine andere KI-Frage oder so.
Also vielleicht ist es dann auch so ein bisschen so ein Selbstverteidigungs-
und Guerilla-Mechanismus.
Aber ich denke, die Botschaft ist, es lohnt sich immer was zu lernen.
Also sich selbst mit seinem Gehirn auseinanderzusetzen und was zu lernen.
Manon Bischoff
Du hast es ja jetzt mehrmals erwähnt, aber macht sich das auch wirklich bemerkbar
und kriegst du häufiger dann KI-generierte Abgaben oder so?
Thomas Kahle
Ja, es ist extrem.
Es gab natürlich immer schon die Hausaufgaben in der Mathevorlesung,
da gab es immer schon Abschreiben.
Es gab immer schon dann in Internetforen nach der richtigen Lösung suchen.
Es gab dann irgendwann YouTube-Tutorials, da haben die Leute sozusagen statt
der Vorlosung YouTube besucht und es
wird einfach immer leichter und immer effizienter, diese Tools zu nutzen.
Ich meine, wenn ich auf Matheforen nach der Lösung zu meiner Übungsaufgabe suche,
komme ich auch irgendwann zum Ziel,
aber ich muss mich viel mehr damit auseinandersetzen, was ist da vor mir?
Ich muss die Notation, die in dem Forum vielleicht anders ist als in meiner
Übungsaufgabe übersetzen, während jetzt,
eben as a service. Das ist personalisiert. Ich mache einen Screenshot von der
Aufgabe rein und es kommt in der richtigen Notation zurück.
Und du erkennst daran, dass es zu gut ist und dass die Sprache zu ausformuliert
ist. Daran erkennst du die KI.
Es gibt ja auch diesen Witz mit diesen Captures im Internet.
Die Captures, die funktionieren so, du erkennst den Menschen daran, dass er es falsch macht.
Der Mensch, der braucht lange, um da alle Stopp, finde alle Stoppschilder auf
dem Bild und der Mensch braucht lange und vergisst eins.
Daran erkennst du den Menschen beim Capture. Und so ist es auch ein bisschen
bei den Übungsaufgaben.
Du erkennst den Menschen daran, dass so eben da dokumentiert ist,
dass ein Denkprozess stattgefunden hat, während diese KI-Ausgaben eigentlich
leicht zu erkennen sind.
Und eine Änderung, die noch stattgefunden hat, so in dem letzten Jahr,
eigentlich so seit GPT-4, ist, dass es mehr eine Offenheit gibt,
als dass die das auch sagen.
Also die Studierenden, die verstecken das auch nicht mehr.
Manon Bischoff
Okay.
Thomas Kahle
Also es ist eigentlich komplett offen, dass sie mit ChatGPT hauptsächlich arbeiten.
Und naja, dann passieren auch so Sachen. Du hast ja so einen didaktischen Aufbau,
also so lineare Algebra-Vorlesungen.
Weiß nicht, ob du jetzt so den Inhalt einer linearen Algebra-Vorlesung kennst.
Manche Hörenden tun es vielleicht.
Manon Bischoff
Ja, ich erinnere mich noch dunkel. Ja, ja.
Thomas Kahle
Es gibt irgendwann die Determinante. Und die Determinante hilft dir zu überprüfen,
ob eine Matrix invertierbar ist.
Bevor du die aber hast, bevor die drankommt, lernst du auch noch andere Methoden
kennen, zu überprüfen, ob eine Matrix invertierbar ist. und das ist eine Stelle
sozusagen, wo die alle kaputt gehen, weil die die KI nicht dazu kriegen,
nicht dieses Konzept zu benutzen, was sie noch nicht hatten.
Diesen Effekt gab es auch schon bei den YouTube-Videos. Also wenn man sozusagen
einfach mit Google sucht, wie prüfe ich, ob eine Matrix invertierbar ist,
dann kommt immer, dann kommt einfach zu viel Determinante, weil das ist natürlich
dann, nachdem man alles gehört hat, ist es die beste Methode,
aber dass man irgendwie einen didaktischen Weg geht,
der darin besteht, auch Sachen kennenzulernen, die sich später als nicht das
Effizienteste herausstellen, weil es da einen didaktischen Zweck gibt.
Aber das war schon immer so. Also ich meine, die Idee, dass das,
was man abgibt als Hausaufgabe, dass das irgendeinen Wert, dieses Dokument hat,
Das ist einfach eine falsche Vorstellung. Es geht nicht um das Dokument,
es geht nicht um die abgegebene Hausaufgabe.
Ich würde das sogar auf Bachelorarbeiten ausdehnen, vielleicht jetzt ein bisschen,
ich sage es jetzt nur heimlich hier im Podcast.
Der Inhalt der Bachelorarbeit ist auch egal, das Dokument ist egal.
Es geht um den Prozess, also mich damit zu beschäftigen, wie erstelle ich eine
Bachelorarbeit, die ganzen Schritte zu durchlaufen.
Das ist das, worum es eigentlich geht. Das Enddokument ist dann egal.
Manon Bischoff
Aber da habe ich ein bisschen, also das sind ja auch Diskussionen,
die ich häufiger führe, dass dieses Studiumssystem, also in der Bachelorarbeit
oder so, habe ich auch genau diese Erfahrung gemacht, wie die du beschreibst.
Und da habe ich auch diese klaren Denkprozesse und mir auch überlegt, was das alles bedeutet.
Aber ich hatte das Gefühl, dass so im Studiumsalltag mit dem Klausursystem,
das man hat mit der wenigen Zeit und so, dass da ja eher immer abgefragt wurde.
Kannst du das Wissen schnell liefern, kannst du schnell einen Beweis führen,
kannst du schnell was ausrechnen?
Und dass da gar nicht mal so zählt, Ich habe mir auch überlegt,
woher das kommt und ich hinterfrage, warum, keine Ahnung, warum gucke ich mir
einen Vektorraum überhaupt an?
Oder was bedeutet das, wenn ich einen Körper habe? Warum ist das so ein wichtiges Konzept?
Und das sind alles Sachen, die bei mir erst später kamen und auch später auch
teilweise auch dadurch kamen, dass ich YouTube-Videos irgendwann mal geguckt habe oder so.
Also ich hatte dann schon dieses Hintergrundwissen und das Technische ging mir
von der Hand. Aber so dieses Verständnis, dieses Tiefere, das hat mir im Studium,
habe ich das Gefühl, häufig einfach gefehlt.
Vielleicht liegt es auch an mir oder so, aber ich hatte, also auch mit vielen
Kommilitonen hatte ich das, dass es halt so, ja, ich habe auch gute Ergebnisse
erzielt und es hat alles funktioniert, aber ich habe wenig Zeit gehabt,
wirklich zu hinterfragen, warum wir das genau so machen.
Und das ist so ein bisschen schade und da finde ich, sehe ich zumindest so ein
bisschen eine Hoffnung bei so Sachen wie ChatGPT oder so, dass die ja auch das
manchmal auch einfach erklären und sagen, hey, guck mal, deswegen und deswegen
ist halt nicht immer richtig, muss man natürlich aufpassen.
Aber das finde ich manchmal so gern, um so eine Intuition zu schaffen,
warum ist das jetzt überhaupt interessant?
Wenn man es dafür nutzt, kann das vielleicht auch cool sein.
Thomas Kahle
Ja, also ein bisschen würde ich ja so das noch einschränken,
dass so die Erklärungen, also ChatGPT so als Tutor zu benutzen,
auch manchmal so ein bisschen mittelmäßig sind. Das sind eben so Mittelwertbildungen
aus allem, was es so im Netz gibt.
Und da würde ich eben nochmal so ein bisschen auf die Vielfalt der In-Person-Lehre
an einer Universität verweisen.
Also zum Beispiel beim Zeitmanagement, wenn die Studierenden sagen,
wir haben zu wenig Zeit und die Vorlesungen sind so langweilig.
Ich stelle mich dem auch und frage mich auch, wie können wir die Bildung so
aufbauen, wie du jetzt beschreibst, wie du sie haben möchtest.
Also Innovationen im Inhalt einer linearen Algebravorlesung gibt es nicht mehr,
weil es ist einfach Standardmaterial und das wird an 50 Unis angeboten.
So was kann ich dann anbieten? Und da ist eben diese Personalisierung,
also Persönlichkeiten kennenzulernen,
also die Person kennenzulernen, auch wie beschäftigt die sich mit Mathematik,
wie setzt die sich mit allgemeinen Entwicklungen in der Welt,
der Existenz von LLMs und so auseinander.
Oder das würde ich auf jeden Fall, also ich versuche es eben in meiner Lehre noch mit anzubieten.
Und da bieten eben die LLMs, glaube ich, die Existenz von LLMs bei all den Problemen,
die sie schaffen, bieten die eben auch so eine ganz brutale Möglichkeit,
einfach uns selbst zu reflektieren.
Ja, also so dieses, wenn du merkst, das kann auch ein LLM machen,
was ich hier anbiete, dann kann die Reaktion darauf eben auch sein,
dann sollte ich das vielleicht nicht anbieten. Dann sollte ich vielleicht was Besseres anbieten.
Also so auf Texte wende ich das an. Also wenn ich irgendwie denke.
Diesen Text, den kann er auch im LLM schreiben, dann ist der Text vielleicht
sinnlos, vielleicht sollte es diesen Text dann gar nicht geben.
Und das ist, ich meine, wir sind in der Mathevorlesung ja schon einen langen
Weg gekommen von, es wird einfach nur vom Dozenten das Lehrbuch an die Tafel geschrieben,
alle schreiben es ab, weil das ist die einzige Möglichkeit, den Text zu bekommen
und dann lernen sie es zu Hause zu ganz anderen Formaten.
Also ich meine, das haben wir so größtenteils hinter uns gelassen,
aber der Prozess geht immer weiter.
Hin zu eben mehr den Lernprozess begleiten, den Lernprozess,
den Verstehprozess anzuleiten, weg von der Produktion von diesem Material.
Also dass die Vorlesung irgendwie dazu da ist, das Material zu erhalten,
das sollte eben nicht so sein.
Manon Bischoff
Ja, ich glaube, das war vor allem mein...
Und es war bei mir ja auch, hat sich sehr unterschieden von Prof zu Prof, den ich hatte.
Aber bei einigen war das genau wie du das schilderst, dass einfach ein Lehrbuch
oder ein Skript halt einfach an die Tafel geschrieben wurde und nicht viel mehr Infos noch kamen.
Und genau, und das mit den Prüfungen halt ist, glaube ich, so meine große Kritik,
wo ich mir denke, also später im Master oder so hat man ja viele mündliche Prüfungen.
Und da merkt man ja, da wird das Verständnis mehr abgefragt.
Da geht es mehr darum, hast du gecheckt, wo es hingeht, die Reise.
Dann ist es nicht so wichtig, wenn ich mich in einem Index vertue,
sondern geht ja darum, ob ich es verstanden habe und das sind dann Sachen,
wo es dann besser ist und wenn man aber leider Pech hat und halt einen schlechten
Tutor oder einen schlechten Prof oder so gerät,
genau, ist halt so meine Hoffnung, dass sowas wie YouTube oder was auch immer
für Hilfsmittel oder ChatGPT oder KI-Systeme das vielleicht einfach ein bisschen
begleiten und unterstützen können, wäre meine Hoffnung.
Wie das jetzt ist, weiß ich nicht, ich studiere ja nicht mehr.
Thomas Kahle
Ja, wir müssen irgendwie so ein bisschen positive rauskommen am Ende.
Also ich würde vielleicht noch mal so Also als Tipp geben, dass man sich an
diesem Menschlichen auch orientieren kann.
Also auch an so einer Uni zu veralteten Vorlesungen, ich sag's jetzt,
geht halt einfach nicht hin.
Also wenn die Vorlesung durch ein LLM ersetzt werden kann, dann braucht man
auch wirklich nicht hingehen, das sag ich auch als Dozent.
Und ja, also ich damals, als ich studiert habe, war das eben noch mehr möglich,
also weil es nicht so strikte Stundenpläne gab und so und das Studium noch so
ein bisschen mehr selbst gestaltet werden konnte.
Aber wir haben immer geguckt, wo sind die coolen Leute?
Also wo sind die Vorlesungen, die irgendwie, wo sind diese Typen?
Also wo sind schräge Leute? Wo sind irgendwelche, die, ich weiß noch,
wie das erste Mal uns klar geworden ist, dass wir Vorlesungen haben,
bei einem nach dem Satz benannt ist.
Das erste Mal Konrad Schmütgen aus Leipzig, ich weiß nicht, ob ihr das jetzt
hier hört, wahrscheinlich nicht. Konrad Schmütgen war der erste Professor, den ich hatte.
Bei dem ich Vorlesungen hatte, nachdem ein Satz benannt wurde.
Es gibt einen Satz von Schmütgen.
Diese Geschichten, ich meine, das ist eben das alles, LLMs reduzieren das eben
auf, hier ist das Wissen, du musst das rein und effizient fertig werden und so.
Aber darum geht es nicht. Es geht darum, die Menschen, die Mathematik machen
und weißt du, der eine Prof, der will immer, dass die Tafel gewischt ist und
wenn die nicht gewischt ist, dann schreibt er einfach drüber,
über was, was da noch steht. So, diese Geschichten, ich meine,
dafür studiert man doch.
Manon Bischoff
Oder?
Thomas Kahle
Das vergisst man dann nie wieder. Und die Leute, die so drauf sind,
wenn die was erzählen, das merkt man sich dann auch, weil das Lernen hat ja
irgendwie eine soziale Komponente.
Und was, was eine Person erzählt, zu der ich eine Beziehung habe,
in einer Situation, die mich irgendwie so engagiert zuhören lässt,
bleibt dann vielleicht auch lebenslang erhalten.
Manon Bischoff
Das stimmt.
Thomas Kahle
Ja, okay. Vielleicht ist das eine positive Note, end on a high note, oder?
Manon Bischoff
Ja, das war ein schönes Abschlusswort eigentlich.
Thomas Kahle
Okay, wunderbar. Also ich danke dir, dass du wieder dabei warst.
Ich hoffe, das können wir auch in Zukunft noch ab und zu machen.
Manon Bischoff
Sehr gerne, danke für die Einladung.
Thomas Kahle
Und dann, ja, schaltet alle wieder ein.
Ich muss noch eine kleine Werbung machen.
Es gibt die coole Seite wissenschaftspodcast.de oder kurz wisspod.de.
Und ich möchte mal euch einladen, euch auf dieser Seite mal so ein paar Podcasts reinzuziehen.
Also es ist ein Verzeichnis von Wissenschaftspodcasts, so aus dem Indie-Bereich
eher und da sind echt einige Perlen dabei.
Ich empfehle jetzt einfach keine einzelne, sondern ich empfehle,
dass man mal wisspod.de besucht und
in dieses weite Feld der Independent Wissenschaftspodcasts mal reinhört.
Okay, das war's Also macht's gut, tschüss, tschüss.