Denk wie ein Modell: Großes Sprachmodell

Ablauf der Lektion

1. 1

   Einführung

   Schritt 1: Einstieg

   Zeige diese drei kurzen, unvollständigen Sätze:

   1. „In der Prüfungswoche bleiben viele Schüler*innen bis spät auf, um zu …“
   2. „Als der Algorithmus nur Katzenfotos zu sehen bekam, begann er, alle Tiere als … zu bezeichnen.“
   3. „Das Modell sagte das fehlende Wort voraus: ‚Das Mitochondrium ist das … der Zelle.‘“

   Lass die Schüler*innen für jede Lücke ihre Vorhersage aufschreiben. Anschließend vergleichen sie ihre Antworten mit einer anderen Person aus der Klasse.

   Frage: „Wo hat dir dein Vorwissen geholfen? Wo hat dich die Formulierung der Aufgabe zu einer bestimmten Antwort gelenkt?“

   Betone, dass jede Vorhersage auf Mustern beruhte, die die Schüler*innen schon einmal gesehen haben. So funktioniert auch die Vorhersage des nächsten Tokens bei großen Sprachmodellen (LLMs).

   Überleitungsfrage: „Wenn ein Computer viele Vorhersagen macht und jedes Mal Rückmeldung erhält, wie könnte er sich dann verbessern?“

2. 2

   Schritt 2: Erkunden

   Nutze das Speichern und Wiederholen von Farben durch Ozobot als vereinfachten Vergleich mit der Datenverarbeitung in einem großen Sprachmodell. Das ist kein echtes Modelltraining: Bei diesem Ablauf überprüft der Roboter keine Vorhersagen und verbessert sein Verhalten nicht. Lass die Schüler*innen den Roboter verbinden und das Programm in OzoBlockly ausführen. (Freigabecode: k9bgp3)

   Die Schüler*innen werden feststellen, dass Ozobot am Ende des Labyrinths das Farbmuster, dem er gerade gefolgt ist, ausspricht und anzeigt.

   Lass die Schüler*innen auf Arbeitsblatt 3 die Fragen zum Verhalten von Ozobot und zu den verwendeten Blocktypen beantworten. Lass sie auch die Blöcke der Funktion learnColorPattern auf den Arbeitsblättern 3 und 4 erklären.

3. 3

   Schritt 3: Erklärung

   Besprich, inwiefern das Verhalten des Roboters bei der Erkundungsaufgabe der Art ähnelt, wie große Sprachmodelle trainiert werden und Muster verarbeiten.

   Erkläre, dass das Labyrinth Trainingsdaten darstellt und jede Farbe im Labyrinth einem Token entspricht. Bitte die Schüler*innen vorherzusagen, welches Token oder welche Farbe als Nächstes kommt.

   Besprich die Gemeinsamkeiten mit großen Sprachmodellen und der Art, wie sie Muster verarbeiten.

   Betone den Unterschied: Ozobot speichert Farben und wiederholt sie; die Schüler*innen sagen die nächste Farbe voraus. Ein Fehler beim Wiederholen ist für sich genommen kein Beispiel für eine Grenze von KI. Besprich anhand des Beispiels mit ausschließlich Katzenfotos, wie sich einseitige Daten auf das Ergebnis auswirken und wie das mit Verzerrungen zusammenhängt.

4. 4

   Schritt 4: Vertiefung

   Sage voraus, wie eine Geschichte weitergeht, und programmiere eine passende Route.

   1. Die Schüler*innen schreiben einen kurzen Anfang einer Geschichte mit 2–3 Sätzen.
   2. Lass sie ihre Geschichtenanfänge mit einer anderen Person aus der Klasse austauschen.
   3. Lass sie vorhersagen, was als Nächstes passiert – ähnlich wie ein großes Sprachmodell.
   4. Lass sie Ozobot so programmieren, dass er die Vorhersage darstellt. Beispiel: In einer Geschichte jagt ein Hund einem Ball hinterher → Programmiere Ozobot so, dass er den Ball „verfolgt“, indem er zu einem auf Papier gezeichneten Ball fährt und sich dreht, wenn er ihn „fängt“.
   5. Rückblick: Besprich, wie die Schüler*innen Muster und Hinweise aus dem Kontext genutzt haben, um den Fortgang der Geschichte vorherzusagen. Inwiefern ähnelt das dem Verhalten eines großen Sprachmodells?
5. 5

   Evaluation

   Schritt 5: Rückblick

   Besprich die folgenden Fragen in kleinen Gruppen oder mit der ganzen Klasse.

   1. Was zeigt das Speichern von Farben über die Datenverarbeitung, und warum ist das noch kein Modelltraining?
   2. Welche Daten speichert Ozobot?
   3. Wie kannst du vorhersagen, welche Farbe als Nächstes kommen könnte?
   4. Inwiefern ähnelt das der Art, wie große Sprachmodelle vorhersagen, welches Token als Nächstes kommt?