Fügen Sie ein Wort hinzu und ein neues Gedicht wird generiert. Das Keimwort muss im originalen Kalevala-Epos gefunden werden. Die Maschine schlägt dir verschiedene Kalevala-Wörter vor, wenn du anfängst, das Wort zu schreiben.
Sie können den KI-Textgenerator auf der Website von Helsingin Sanomat ausprobieren: Syötä HS:n Kalevala-koneeseen sana – saat tekoälyn kirjoittaman runon
Wie bei allem maschinellen Lernen und jeder künstlichen Intelligenz basiert die Textgenerierung grundsätzlich auf dem Erkennen von Mustern in den Daten. Das neuronale Netz sagt einfach das nächste Wort basierend auf dem vorherigen Kontext voraus, und dieser Prozess wiederholt sich immer und immer wieder. Das bedeutet, dass unser neuronales Netz zwar Texte generieren kann, die poetisch und überzeugend aussehen, der Algorithmus aber kein Verständnis für Konzepte wie die Handlung von Kalevala oder die Beziehung zwischen den Figuren in der Geschichte hat. Derzeit gibt es für einen Algorithmus keine Möglichkeit, eine Geschichte mit sinnvoller Handlung und Charakteren zu generieren. Diese Art von Kreativität lässt sich nicht auf eine Aufgabe des maschinellen Lernens reduzieren, zumindest noch nicht.
Obwohl die Erstellung wirklich kreativer und aufschlussreicher Geschichten derzeit außerhalb der Reichweite von KI liegt, sind die jüngsten Fortschritte bei der Verarbeitung natürlicher Sprache erstaunlich. Betrachten wir zum Beispiel die Arbeit von OpenAi (https://blog.openai.com/better-language-models/). Der von ihrem maschinellen Lernmodell generierte Text scheint so authentisch zu sein, dass die Forscher die Arbeit nicht vollständig für die Öffentlichkeit freigeben, da sie "Bedenken haben, dass große Sprachmodelle verwendet werden, um irreführende, voreingenommene oder missbräuchliche Sprache in großem Maßstab zu erzeugen". Das Modell von OpenAI funktioniert genauso wie unseres – es ist darauf trainiert, das nächste Wort vorherzusagen, das im Text vorkommt. Bei genügend Trainingsdaten kann es lernen, sehr überzeugende Texte für Kontexte zu generieren, die in den Trainingsdaten gut dargestellt werden. Dennoch ist es in dem Sinne begrenzt, dass es kein semantisches Datenmodell oder Ontologien gibt.