Künstliche Intelligenz: ein spannendes Feld mit vielen Weiterbildungsmöglichkeiten

Wegfallende Jobs, ethische Bedenken, Verbotsdrohungen: Die Schlagzeilen zur Künstlichen Intelligenz sind in letzter Zeit eher alarmierend als erfreulich. KI ist aber nicht zwangsläufig eine Bedrohung, sondern auch eine Chance. Über die Weiterbildungsmöglichkeiten in diesem zukunftsweisenden Bereich an der Universität Bern.

Beitrag: Neslihan Steiner, 2023

ChatGPT und Künstliche Intelligenz im Allgemeinen werden kontrovers diskutiert, da sie sowohl faszinieren als auch Unbehagen auslösen können. Gemäss Medienberichten sollten wir uns alle überlegen, ob wir bald überflüssig und ersetzbar werden, da KI unsere Jobs übernimmt. Länder wie Italien verbieten deren Nutzung, Bildungsinstitutionen analysieren den Einfluss auf Forschung und Lehre und in der Arbeitswelt stehen etliche Berufsfelder vor tiefgreifenden Veränderungen. Auch an der Universität Bern wird das Thema intensiv diskutiert, zuletzt an der Tagung „Interaktive Sprachmodelle: Lehre und Forschung mit ChatGPT & Co“ vom 21. April 2023. Als Volluniversität verfügt die Universität Bern über viel Knowhow aus allen Fachgebieten, um dieses Thema aus allen Blickwinkeln zu beleuchten. Befähigt werden nicht nur Studierende und Lehrende, sondern auch hochqualifizierte Erwerbstätige, die sich an der Universität Bern in diesem Bereich weiterbilden möchten.

generiert mit MidJourney durch Petra Müller

Weiterbildungen im Bereich der Künstlichen Intelligenz

Mit der wachsenden Bedeutung von KI und maschinellem Lernen in verschiedenen Branchen gibt es eine steigende Nachfrage nach Fachleuten mit spezifischen Kenntnissen. Unternehmen suchen nach Expertinnen und Experten, die in der Lage sind, KI-Technologien einzuschätzen und anzuwenden, um ihre Prozesse zu verbessern und Erkenntnisse aus unstrukturierten Daten zu gewinnen.

„Künstliche Intelligenz erhält Einzug in sämtliche Berufsfelder: von der Routenplanung der Müllabfuhr bis zur Applikationsentwicklung und sehr komplexen Arbeiten. Es ist sehr wichtig, dass man Chancen dieser Technologie versteht, aber auch ihre Grenzen beurteilen kann“, so Petra Müller vom Mathematischen Institut der Universität Bern. Ihr Profil zeigt anschaulich, dass Künstliche Intelligenz in allen Bereichen Auswirkungen hat und nicht nur etwas für Personen der IT-Branche ist. Die Psychologie-Doktorandin arbeitet derzeit als Assistentin am Mathematischen Institut. Ihr Interesse fürs Programmieren wurde im Studium aus einer Notwendigkeit heraus geweckt: „In vielen Forschungsprojekten stösst man mit klassischer Statistik an Grenzen. Deshalb habe ich während des Masterstudiums den CAS Applied Data Science absolviert, was mir sehr viel Spass gemacht hat.“ Ob CAS Applied Data Science, CAS Advanced Machine Learning oder der neue CAS Natural Language Processing: An der Universität Bern werden diverse Weiterbildungsstudiengänge im Bereich der Künstlichen Intelligenz angeboten. Je nach Hintergrund und Vorkenntnisse eignen sich unterschiedliche Weiterbildungen.

Künstliche Intelligenz im Alltag

Wie begegnet uns Künstliche Intelligenz im Allgemeinen und Natural Language Processing im Besonderen im Alltag? Petra Müller führt Beispiele auf: „Künstliche Intelligenz ist seit geraumer Zeit in unserem Leben: Sie identifiziert beispielsweise Gesichter auf unseren Smartphone-Fotos und markiert darauf Personen automatisch, bereinigt unser E-Mail-Postfach von Spam oder hilft unserem Roboterstaubsauger, die Wohnung korrekt zu messen und zu saugen. Oft nutzen wir KI-Algorithmen, ohne es zu merken oder zu hinterfragen“, fügt sie an.

Natural Language Processing ist ein weniger geläufiger Begriff, aber auch hier gibt es bekannte Beispiele aus dem Alltag, die alle kennen: Autovervollständigung auf dem Smartphone, maschinelle Übersetzung, Grammatikkorrektur oder Chatbots sind nur einige wenige Anwendungsbeispiele von Natural Language Processing (auf Deutsch natürliche Sprachverarbeitung, im Folgenden NLP genannt). Als Teilgebiet der künstlichen Intelligenz ermöglich NLP den Dialog zwischen Mensch und Maschine: Das Ziel von NLP ist es, Computer so zu programmieren, dass sie menschliche Sprache verstehen, interpretieren, produzieren und sogar generieren können, wie im Fall von ChatGPT und anderen interaktiven Sprachmodellen.

Technologie hinter interaktiven Sprachmodellen

Die Fähigkeit von ChatGPT, menschenähnliche Antworten in natürlicher Sprache zu generieren, ist eng mit NLP verbunden. ChatGPT basiert auf dem Prinzip des maschinellen Lernens und speziell auf der Technologie des Deep Learning. Deep Learning ist wiederum ein Teilbereich des maschinellen Lernens, der sich auf künstliche neuronale Netze und tiefe Architekturen konzentriert. Es geht darum, Computermodelle zu trainieren, um Muster in grossen Datenmengen zu erkennen und Vorhersagen zu treffen.

Das Prinzip hinter Deep Learning basiert auf dem Aufbau von Schichten von künstlichen Neuronen, die miteinander verbunden sind. Diese Neuronen bilden ein Netzwerk, das Informationen von einer Schicht zur nächsten weiterleitet und dabei Muster in den Daten erkennt. Das Netzwerk wird trainiert, indem es viele Beispiele von Daten erhält und die Gewichte der Neuronen so anpasst, dass es in der Lage ist, genaue Vorhersagen für neue Daten zu treffen.

Deep Learning hat in den letzten Jahren zu unzähligen Durchbrüchen geführt. Es ermöglicht, komplexe Muster in grossen Datenmengen zu erkennen und kann von Medizin, Robotik, Marketing bis hin zum Finanzwesen und weiteren Bereiche eingesetzt werden. „KI ist weder die Lösung für all unsere Probleme noch die grösste Gefahr für die Menschheit“, stellt Petra Müller klar. Dennoch findet sie Weiterbildungen in diesem Bereich höchst ratsam. „Jeder sollte verstehen, warum es diesen Hype gibt, egal ob Berufstätige in der Privatwirtschaft oder Forschende. KI kommt nicht, sondern ist schon da. Wenn man sich jetzt weiterbildet, schafft man es, auf den Zug aufzuspringen“, betont sie.

Shutterstock

Von schwindenden und entstehenden Jobs

Warum lohnt es sich, sich in diesem Bereich weiterzubilden? „KI-Tools brauchen menschlichen Input und auch menschliche Oversight“ betont Petra Müller und fügt an: „Sprache verändert sich ständig. Tonalität und Stil sind für NLP-Modelle schwierig und müssen länger trainiert werden – das bedeutet nicht nur erhebliche Ressourcen von Geld und Energie sondern auch einen enormen menschlichen Arbeitsaufwand. Zudem müssen nicht nur KI-Modelle trainiert werden, man muss damit auch interagieren. Das ist eine Fähigkeit, die früher so nicht gefragt war“, erklärt Petra Müller.

Unter Prompt-Crafting versteht man im Kontext von NLP Textbeispiele, Anregungen, Aufgaben und Fragen an das KI-Modell, die es lernen soll, zu interpretieren oder generieren. Künstliche Intelligenz verändert viele Berufe, kreiert aber auch neue, wie eben beispielsweise den Prompt Crafter oder Engineer, der quasi als Übersetzer zwischen Mensch und Maschine fungiert. Vom KI-Entwickler zur Ingenieurin bis hin zum Data Scientist: Job-Bezeichnungen für Personen, die neue KI-Modelle entwickeln oder bestehende Modelle optimieren und trainieren, indem sie Daten analysieren, neue Algorithmen implementieren oder das Modell an neue Anforderungen anpassen, gibt es einige.

Auch sind es echte Menschen, die daran arbeiten, den KI-Modellen diskriminierende oder politisch unkorrekte Formulierungen abzugewöhnen. Diese neue Tätigkeit ist vergleichbar mit der Arbeit eines Social Media Content Moderators, der händisch unangebrachte und (ver-)störende Bilder und Beiträge auf Social Media Plattformen löscht, die der Algorithmus nicht identifizieren konnte. Diese belastenden Inhalte gehören zu den Schattenseiten dieser neuen Jobs. „Es ist ein ziemlich weiter weg von einem Problem bis zu einer KI-„Lösung“ die dann auch so funktioniert, wie sie soll“, stellt Petra Müller fest.

CAS NLP: Interdisziplinäre Weiterbildung für breite Zielgruppe

Einen neuen Studiengang aufzubauen bedeutet neben viel Arbeit auch Herzblut. NLP ist ein interdisziplinäres Fachgebiet, das sich aus Linguistik, Informatik, Psychologie und vielen anderen Disziplinen zusammensetzt, weshalb der Studiengang sehr vielseitig aufgebaut ist und auf unterschiedliche Aspekte eingeht, wie auch die manchmal vernachlässigten philosophischen und ethischen Aspekte des NLP. Der CAS NLP gibt einen Überblick über den Bereich der natürlichen Sprachverarbeitung mit Schwerpunkt auf den jüngsten Entwicklungen (Deep Learning-Modelle) und praktischem Lernen. Somit eignet er sich für alle Praktikerinnen und Praktiker sowie Forschende mit einem Abschluss an einer Universität oder Fachhochschule. Erste Kenntnisse in Bereichen wie maschinellem Lernen, Statistik, Datenanalyse und Programmierung sind erwünscht, aber auch Einstiegskurse werden angeboten.

Nächste Durchführung August 2024

Interessierte können sich noch bis zum 1. August 2024 für den ersten Durchgang im August 2024 anmelden. Weitere Informationen: Factsheet CAS Natural Language Processing

Zur Autorin

Neslihan Steiner ist Mitarbeiterin der Stabsstelle Kommunikation des Zentrums für universitäre Weiterbildung ZUW.