ChatGPT ist beliebt. Wenn Sie vermeiden möchten, durch KI ersetzt zu werden, müssen Sie über die Fähigkeit zum „Meta-Lernen“ verfügen.

Vor einiger Zeit wurde ChatGPT im gesamten Internet populär. ChatGPT ist ein intelligentes Chatbot-Programm, das von OpenAI, einem amerikanischen Forschungsunternehmen für künstliche Intelligenz, entwickelt wurde. Es kann die menschliche Sprache lernen, wie Menschen chatten und verschiedene Fragen beantworten.

Kurz darauf wurden auch Baidus Wenxin Yiyan und Alibabas Tongyi Qianwen zu Testzwecken eingeführt.

Dank der Intelligenz von ChatGPT werden viele einfache und sich wiederholende Aufgaben ersetzt und für Unternehmen wird die Verwendung von ChatGPT weniger kostspielig.

Bildquelle: Tuchong Creative

Wie können wir als „berufstätige Menschen“ vermeiden, durch KI ersetzt zu werden?

Eine wichtige Fähigkeit, die wir besitzen müssen, ist die Fähigkeit, lebenslang zu lernen. Mit anderen Worten: Wir müssen eine gute Lernmethode beherrschen und diese Lernmethode weiterhin nutzen, um unser ganzes Leben lang neues Wissen aufzunehmen und uns neue Fähigkeiten anzueignen.

Wie entwickeln wir also unsere Lernfähigkeit? Wir können uns von einem Konzept des maschinellen Lernens inspirieren lassen: Meta-Lernen.

Meta-Learning ist die grundlegende Lernlogik von Maschinen

Meta-Learning ist eine Richtung, die sich in den letzten Jahren im Bereich der künstlichen Intelligenz entwickelt hat. Einfach ausgedrückt geht es beim Meta-Learning darum, Maschinen das Lernen beizubringen.

Ob Single-Task-Learning, Multi-Task-Learning oder Transfer-Learning: Die Maschine wird darauf trainiert, eine oder mehrere vorgegebene Aufgaben zu erledigen. Durch Training verfügt die Maschine über die Fähigkeiten, eine Aufgabe „sofort“ zu erledigen.

Meta-Learning soll Maschinen durch Training zu guten Lernfähigkeiten befähigen. Auf diese Weise kann die Maschine bei Auftreten einer neuen Aufgabe die Aufgabe zwar momentan nicht gut erledigen, aber wenn man ihr ein wenig Zeit zum Trainieren gibt, kann sie diese neue Aufgabe sehr gut erledigen.

Beispielsweise kann ein Bildklassifizierer, der mit einem Trainingsset ohne Katzen trainiert wurde, nach dem Meta-Learning erkennen, ob auf einem neuen Foto eine Katze zu sehen ist, nachdem er einige Katzenfotos gesehen hat. Durch Meta-Learning kann ein Roboter, der nur auf ebenem Boden trainiert wurde, eine bestimmte Aufgabe an einem Hang schnell erledigen. Durch Meta-Lernen kann eine spielespielende KI schnell lernen, wie man ein Spiel spielt, das sie noch nie zuvor gespielt hat.

Analog zur Ausbildung von Menschen liegt der Fokus bei der Ausbildung eines Menschen mittels Meta-Learning nicht darauf, ihn bestimmte spezifische Fähigkeiten erlernen zu lassen, sondern darauf, ihn durch den Prozess des Erlernens dieser spezifischen Fähigkeiten eine gute „Lernmethodik“ erlernen zu lassen.

Unter Lernmethodik versteht man die Methoden, Denkmodelle und Vorgehensweisen, die eine Person beim Lernen anwendet.

Beispielsweise gibt es derzeit eine Aufgabe, bei der eine Person ein Programm in einer Programmiersprache schreiben muss, die sie noch nicht gelernt hat. Verschiedene Personen erledigen diese Aufgabe auf unterschiedliche Weise.

Manche Leute gehen so vor, dass sie sich ein Buch über die Sprache suchen, es von Anfang bis Ende lesen und dann die Übungen am Ende des Buches machen. Nachdem sie mit der Sprache vertraut sind, beginnen sie, das Programm entsprechend der Aufgabe zu schreiben.

Der Ansatz anderer ist: Machen Sie sich zunächst mit der Syntax der Sprache allgemein vertraut, suchen Sie dann im Internet nach Code mit ähnlichen Funktionen wie die Aufgabe, beginnen Sie mit dem Lesen des Codes und schreiben und debuggen Sie auf der Grundlage dieses Codes. Wenn Sie auf etwas stoßen, das Sie nicht verstehen, schlagen Sie einfach direkt die Syntax der Sprache nach.

Dies sind zwei unterschiedliche Lernmethoden. In diesem Beispiel lässt sich die erste Art der Vervollständigung als „Erst lernen, dann üben“ und die zweite Art der Vervollständigung als „Learning by Doing“ zusammenfassen. Ein guter Programmierer wählt normalerweise den zweiten Weg, um die Aufgabe zu erledigen.

Wir können sehen, dass es zwei Unterschiede zwischen „Fähigkeiten“ und „Lernmethodik“ gibt.

Der erste Unterschied ist der Zeitpunkt der Fokussierung. Der Schwerpunkt „Fähigkeiten“ liegt auf der „Gegenwart“ und der Schwerpunkt „Lernmethodik“ auf der „Zukunft“. Wenn Sie über die entsprechenden Fähigkeiten verfügen, können Sie bei einer bestimmten Aufgabe sofort mit der Aufgabe beginnen. Wenn Sie jedoch die Methodik erlernt haben, können Sie nicht sofort mit der Aufgabe beginnen, sondern müssen zunächst eine Zeit lang lernen. Wer die Lernmethodik beherrscht, kann die Aufgabe jedoch mit wenig Übung gut bewältigen.

Der zweite Unterschied liegt in der Vielseitigkeit. „Fähigkeiten“ sind normalerweise auf eine bestimmte Aufgabe beschränkt, während „Lernmethoden“ auf mehrere verschiedene Aufgaben angewendet werden können.

Im obigen Beispiel vermitteln Berufsbildungseinrichtungen im Vergleich zu Hochschulen und Universitäten Fähigkeiten, und Personen, die an Berufsbildungseinrichtungen ausgebildet wurden, können sich in der Regel unmittelbar nach ihrem Eintritt in das Unternehmen mit der Arbeit vertraut machen. Allerdings legen Hochschulen und Universitäten nicht viel Wert auf die Entwicklung „sofort anwendbarer Fähigkeiten“, sondern konzentrieren sich eher auf die Vermittlung einer guten „Lernmethodik“. Nachdem die Studierenden die „Lernmethodik“ beherrschen, können sie diese problemlos meistern, unabhängig davon, welchen Beruf sie später ausüben werden, ob sie die relevanten spezifischen Arbeitsinhalte verstanden haben oder nicht, solange sie nur eine kurze Lernzeit haben.

Wie kann man beurteilen, ob eine Person Potenzial hat?

Wir können es auch aus zwei Perspektiven messen: „Zeitpunkt des Fokus“ und „Universalität“.

Möchte ein Unternehmen beispielsweise einen potenziellen Mitarbeiter im Rahmen eines Vorstellungsgesprächs einstellen, sollte es nicht nur darauf achten, wie sich die Person bei der Beantwortung der Fragen im Vorstellungsgespräch verhält. Wenn Sie Leute nur auf Grundlage ihrer Leistung bei Interviewfragen einstellen, stellen Sie normalerweise Mitarbeiter ein, die aktuell über bestimmte Fähigkeiten verfügen. Wenn Sie einen potenziellen Mitarbeiter einstellen möchten, gibt es eine sehr einfache Methode: Geben Sie dem Bewerber eine Probezeit. Geben Sie ihm während dieser Zeit mehrere Aufgaben, die er noch nie zuvor gesehen hat. Lassen Sie ihn diese selbst erkunden und sehen Sie sich schließlich seine Gesamtleistung an.

Eine Person mit guten Gesamtleistungen muss eine gute Lernmethodik beherrschen. Mit Hilfe der Lernmethodik kann er bereits nach kurzer Lernzeit mehrere unterschiedliche Aufgaben relativ gut bewältigen. Er hat mehr Potenzial als jemand, der nur im Vorstellungsgespräch eine gute Figur macht.

Auch mein Betreuer während meiner Postdoktorandenzeit nutzte diese Methode zur Rekrutierung von Doktoranden. Er gibt einem Studierenden, der die Grundvoraussetzungen erfüllt, ein Forschungsthema und ein bis zwei Wochen Zeit, um relevante Literatur zu lesen, selbst zu recherchieren und schließlich einen Forschungsbericht zu verfassen. Dies dient auch dazu, das wissenschaftliche Forschungspotenzial eines Studenten zu erkennen. Wie findet und entwickelt man also eine Lernmethode, die zu einem passt? Auch das Trainingsmodell des Meta-Learnings kann uns inspirieren.

Das traditionelle Trainingsmodell für maschinelles Lernen zeichnet sich durch „weniger Aufgaben und mehr Trainingsdaten“ aus. Damit ein Modell eine bestimmte Aufgabe erfüllen kann, muss es mit einer großen Menge aufgabenbezogener Daten trainiert werden.

Das Trainingsmodell des Meta-Learnings ist gekennzeichnet durch „viele Aufgaben und wenige Trainingsdaten“. Der Grund, warum es „viele Aufgaben“ gibt, liegt darin, dass wir durch Training eine allgemeine „Lernmethodik“ erlangen möchten, die auf mehrere Aufgaben anwendbar ist, und nicht spezifische Fähigkeiten, mit denen nur eine bestimmte Aufgabe erledigt werden kann. Der Grund für die „wenigen Trainingsdaten“ liegt darin, dass wir von dieser Lernmethode erwarten, dass sie mit nur einer kleinen Menge an Trainingsdaten bessere Ergebnisse erzielt.

Beim Meta-Learning-Training wird üblicherweise zunächst eine anfängliche „Lernmethode“ vorgegeben und anschließend werden bestimmte Strategien verwendet, um die Lernmethode basierend auf ihrer Leistung bei verschiedenen Aufgaben kontinuierlich anzupassen und schließlich eine Lernmethode zu finden, die im Durchschnitt für alle Aufgaben am effektivsten ist.

Wir können sehen, dass die Merkmale des Meta-Lernens im maschinellen Lernen, „viele Aufgaben und wenige Trainingsdaten“, dem intensiven Lernmodus von College-Studenten vor ihren Abschlussprüfungen sehr ähnlich sind.

An der Universität müssen manche Studenten, die im Unterricht nicht aufpassen, in der Regel mehrere Prüfungsfächer in nur ein oder zwei Wochen vor der Prüfung schnell abschließen. Um dieses Ziel zu erreichen, müssen Sie eine gute Lernmethode beherrschen. Wenn ein Student allein durch intensives Lernen in den zwei Wochen vor der Prüfung in vielen Kursen, die er nicht sorgfältig besucht hat, hohe Punktzahlen erreichen kann, dann verfügt er in der Regel über eine starke „Lernmethodik“. Diese Lernmethode ist auf viele verschiedene Kurse anwendbar und ermöglicht es ihm, die wichtigen Konzepte eines Kurses in kurzer Zeit zu verstehen und zu beherrschen und sie miteinander zu verknüpfen, um die Kernpunkte und Schwierigkeiten des Themas zu erfassen. Durch die Schulung konnte ich mir die Kursinhalte gut aneignen.

Der Grund, warum Universitäten so viele Kurse anbieten, liegt möglicherweise nicht nur darin, dass sie den Studierenden umfangreiche Kenntnisse und einige grundlegende Fähigkeiten vermitteln möchten, sondern auch darin, dass sie sich durch das Studium dieser verschiedenen Kursarten eine gute und universelle „Lernmethodik“ aneignen möchten.

Es ist nicht so einfach für Maschinen, dich zu ersetzen

Natürlich findet das Feld des maschinellen Lernens durch Datentraining allmählich eine gute „Lernmethode“, und wir Menschen haben viele effektive „Lernmethoden“ zusammengefasst.

Jeder kann diese Methoden ausprobieren und wenn sie für Sie funktionieren, können Sie sie sofort verwenden.

Der Artikel wurde vom Science Popularization China-Starry Sky Project (Erstellung und Kultivierung) erstellt. Bei Nachdruck bitten wir um Quellenangabe.

Autor: Liu Xuefeng, außerordentlicher Professor und Doktorvater an der Universität für Luft- und Raumfahrt in Peking

Gutachter: Deng Qingquan, Außerordentlicher Professor, Fakultät für Mathematik und Statistik, Central China Normal University