d9c275fabe69a03f87605642980fb0a9
Künstliche Intelligenz weinfach erklärt. Mit vielen Beispielen und einem #DIY-KI-Spiel #KI #Wissenschaft #Edutainment #LitWiss
Digital Humanities

Künstliche Intelligenz und Literatur(wissenschaft)

Computer, die Literatur schreiben, Algorithmen, die uns im Alltag helfen, ja ganze Robotermenschen, die mit uns kommunizieren und den Alltag erleichtern können – mit dem Begriff “künstliche Intelligenz” (KI) verbinden wir viele abgefahrene und teilweise utopische Ideen und Mythen. Was davon eigentlich realistisch ist und wie einige Aspekte von KI uns auch in der Literaturwissenschaft weiterbringen können, das erfährst du heute hier. Außerdem habe ich, ganz am Ende des Artikels, noch ein Spiel für dich!

Artikel als Podcast hören

Was ist künstliche Intelligenz?

Das Problem bei Erklärungsversuchen der künstlichen Intelligenz ist, dass es sehr, sehr unterschiedliche KI-Anwendungen gibt. Aber alle diese KI-Anwendungen haben gemeinsam, dass sie in irgendeiner Form maschinelles Lernen einbeziehen. Denn das ist einer der Kernpunkte unserer(menschlichen) Intelligenz. Unser Gehirn kann sich immer neu anpassen und neue Fähigkeiten entwickeln (Ertel, 2016). Auf diese Weise erreichen wir ständig neues Wissen, können logisch Denken und argumentieren; drei Fähigkeiten, die u.a. für das Forschungsfeld der KI besonders relevant sind (Seising and González, 2011). Nun imitieren aber KI-Anwendungen gar nicht unbedingt immer die Art und Weise wie wir lernen, sondern sind auch mal ganz allgemein problemorientiert (Ertel, 2016). Was aber z.B. vom menschlichen Denken übernommen wird, ist die Fähigkeit zum Lernen aus Beispielen (Lämmel, 2012). Das heißt Computer lösen am Ende Probleme, die wir Menschen auch lösen könnten, aber anders.

(Fiktive) künstliche Intelligenz in Literatur und Kultur

Ich habe ja eingangs schon erwähnt, dass es über KI viele Mythen gibt und natürlich findet man diese auch in kulturellen und literarischen Erzeugnissen wieder. Künstliche Intelligenz kann also nicht nur Ursache von Literatur oder Kunst sein, sie ist auch nicht selten Gegenstand von Geschichten. Zwei aktuelle Beispiel dafür finden sich in der noch relativ neuen filmischen Serie “Picard”. Hier ist eine der Hauptfiguren ein “Android”, also ein Computermensch. Dieser Android scheint sich in fast nichts von einem Menschen zu unterscheiden. Wie brisant das Thema ist, sieht man aber auch in Büchern wie Ian McEwans Roman “Maschinen wie wir”. Natürlich gibt es noch viel, viel mehr Beispiele fiktiver KIs, die einfach faszinierend und erwähnenswert sind. Aber wir wollen uns hier ja hauptsächlich die tatsächlichen Anwendungen näher anschauen.

KIs als Kulturschaffende

Mit künstlicher Intelligenz kann man einfach tolle Sachen machen, was aber durchaus auch etwas beängstigend sein kann. Denn wenn Algorithmen heute nicht nur Muster erkennen können, sondern auch aus diesen Mustern Neues konstruieren, werden sie dann bald nicht nur einfache Aufgaben für uns übernehmen, die wir nicht machen wollen, sondern auch das, was wir als innersten Ausdruck unseres tiefsten Selbst begreifen? Werden Computer Kunst, Musik, Literatur schaffen können?

Naja, klar, das machen sie ja schon (Wagener, 2020). Die interessantere Frage ist also, ob sie es irgendwann so machen werden, dass sie die derzeitig schaffenden Menschen ersetzen könnten? Wenn du meinen Artikel zum Thema Mensch vs. Maschine gelesen hast, weißt du, dass ich nicht an eine feindliche Übernahme glaube. Statt dessen glaube ich eher daran, dass wir langsam anerkennen sollten, dass nicht nur Künstler, Schriftsteller, Tänzer u. Ä. kreativ sein können, sondern auch Programmierer oder Entwicklerteams. Denn ohne Zweifel ist die KI-Forschung zur Kreativität ein aktives und hochspannendes Feld (wie z.B. diese Studien zeigen: (Scholz-Nauendorff, 1987; Stubbe, Lutze and Ferdinand, 2019; Wagener, 2020)). Am Ende bleibt sie in meinen Augen aber auf der menschlichen Seite der Anwendung, zumindest bisher. Aber wie können diese Anwendungen genau aussehen?

Deep Fake

Ein Beispiel für KI-Entwicklungen, das mich im Moment besonders fasziniert, ist der sogenannte “Deep Fake”. Darunter versteht man unterschiedliche Programme, die vom Austauschen von Gesichtern in Videos – sehr häufig betrifft es Gesichter von Frauen in pornografischen Videos ​(Floridi, 2018)​ – bis hin zu beeindruckenden Video-Reproduktionen von, ich nenne sie mal, real-fiktiven Künstler-Personas wie Marylin Monroe oder Dali ​(Lee, 2019)​ gehen.

Hier gelingt es mit Hilfe von Deep-Learning-Algorithmen – also solchen, die sehr viele Lernaspekte kombinieren – Simulationen dieser Persönlichkeiten zu erstellen. Das Programm lernt dann z.B. Sprachgebrauch, Mimik, Gestik einer Person, sodass diese in einem Video wie lebendig erscheint. Das Problem bei Deep Fake ist natürlich, dass der Grad zwischen krimineller Persönlichkeitsverletzung gegenüber lebenden Personen oder propagandistischer Manipulation ​(‘Software macht Deepfake-Video aus nur einem Foto’, 2019)​ und einer neuen Art der Remix-Kunst sehr schmal ist.

Wenn man selbst keine Berührungspunkte mit dieser Technik hat, ist es schwierig, künstliche Intelligenz wirklich zu verstehen. #KI #Wissenschaft #Edutainment #LitWiss

Künstliche Intelligenz in der Literatur(wissenschaft)

Zwischen der KI-Forschung und der Literaturwissenschaft gibt es (mindestens) drei Anknüpfungspunkte:

  1. Ansätze aus der Literaturwissenschaft als konzeptionelle Basis von Implementierungen künstlicher Intelligenz
  2. Ansätze aus der KI-Forschung und Implementierungen von KI als Unterstützung literaturwissenschaftlicher Analysen
  3. Nutzung von KI durch digitale Geisteswissenschaftler*innen, um z.B. schriftstellerischen Stil zu imitieren und Literatur zu erschaffen

Diese drei Varianten schauen wir uns jetzt noch einmal kurz genauer an.

Literaturwissenschaftliche Konzepte als Basis von künstlicher Intelligenz

Eine literaturwissenschaftliche Forschungsrichtung, die für die Entwicklung künstlicher Intelligenz besonders interessant ist, ist z. B. die zum “Interactive Storytelling” ​(Koenitz, 2016)​. Ein anderer Ansatz, der schon öfter als Basis für KIs genutzt wurde, stammt aus der erzähltheoretischen Traditionslinie des russischen Formalismus. In Projekten wie “Proppian Fairy Tale Generator” oder “Revised Proppian story Generator (RPG)” ​(A. and G.V., 2011)​, wurden Anwendungen entwickelt, mit denen man sich ein neues Märchen generieren lassen kann. Diese Programme basieren auf Propps “Morphologie des Märchens” ​(Propp, 2010)​, einer Studie, in der die Kernbestandteile – Figuren, Art von Ereignissen u.Ä. – dieser speziellen Form von Erzähltexten strukturalistisch bestimmt werden.

Künstliche Intelligenz als Tool der Literaturanalyse

In den Literaturwissenschaften werden derzeit viele unterschiedliche Tools genutzt, die in irgendeiner Form maschinelles Lernen nutzen. Oft ist Machine Learning eine Variante für eine Methode, die auch anders durchgeführt, die aber durch maschinelles Lernen stark verbessert werden kann. Das gilt z.B. auch für Named Entity Recognition, also die automatische Erkennung von Eigennamen im Text. Hier kann entweder ein Abgleich der Wörter im Text mit einer vorgefertigten Liste durchgeführt werden oder eben das Tool darauf trainiert werden, die Eigennamen selbst zu erkennen. Am besten funktioniert das Lernen, wenn der Computer sehr, sehr viele Eigenschaften der Kategorie, die erkannt werden soll, auf komplexe Weise kombiniert. Ist das der Fall, so spricht man von Deep Learning.

Ein Beispiel für maschinelles Lernen

Eine Methode für Machine Learning ist z.B. Named Entity Recognition. Dabei kann man eindeutig benannte Elemente (also z.B. Personen, Orte, Organisationen) im Text automatisch erkennen und markieren lassen (Schumacher, 2018). Um das zu erreichen, vergleicht das Named-Entity-Recognition-Tool vorher definierte Worteigenschaften und Kontextinformationen wie z.B. Groß- und Kleinschreibung, Position im Satz, Darstellungsformat (also bei Daten z.B. Tag.Monat.Jahr), Wörter, die häufig vor oder nach einem Wort kommen usw. (Schumacher, 2018).

Im Rahmen meiner Doktorarbeit trainiere ich z.B. ein Tool darauf, Referenzen auf räumliche Aspekte in Erzähltexten aufzuspüren. Dazu muss ich vor allem sehr, sehr viele Beispiele in Texten kennzeichnen, damit mein Computer daraus lernen kann. Eigentlich sind diese Tools eher dazu gedacht, einem Arbeit beim Markieren der Phänomene, die man untersuchen möchte, abzunehmen. Aber es kann durchaus sehr erkenntnisfördernd sein, einen solchen Trainingsprozess genau zu beobachten. Denn dabei kommt man den eigenen Konzepten selber auch näher ​(Schumacher, 2020)​.

Deep Learning

Die Ergebnisse von Machine-Learning-Tools konnten in den letzten Jahren um ein Vielfaches verbessert werden, indem Deep-Learning-Techniken eingesetzt wurden (Samek, Wiegand and Müller, 2017). Der Unterschied zum bisherigen Machine Learning ist, dass hier Schicht- oder Neuronenmodelle genutzt werden (LeCun, Bengio and Hinton, 2015), um eine große Menge an lernbaren Features zu kombinieren. So lernt das Tool beim Erstellen einer jeden Schicht von der vorherigen oder verknüpft unterschiedliche Eigenschaften sehr dicht miteinander, sodass etwas ähnliches wie ein neuronales Netzwerk entsteht.

Der Lernprozess des Computers muss bei Deep Learning noch nicht einmal unbedingt überwacht werden (Ngiam ​et al.​, 2011). Das heißt, dass ich selbst nicht zwangsläufig Beispiele in Texten per Hand auszeichnen muss. Der Nachteil ist aber, dass die so entstehenden Systeme so komplex sind, dass man manchmal nicht einmal mehr erklären kann, warum sie so gut funktionieren ​(Samek, Wiegand and Müller, 2017)​. Beispiele für die Verwendung von Deep-Learning-Technologien gibt es aber nicht nur in der Forschung, sondern z.B. auch in Anwendungen zur automatischen Übersetzung (z.B. bei DeepL) oder bei bildabgleichenden Verfahren z.B. in der Bildersuche von Pinterest ​(‘Pinterest starts using deep learning to recommend Related Pins’, 2017)​.

Künstliche Intelligenz als Autor?

Dass nicht nur – wie weiter oben beschrieben – Märchen mit Hilfe von KI auseinander genommen und neu zusammen gesetzt werden können, zeigen Projekte wie Botnik. Die Firma hat mit einer KI bereits mehrere “neue” Harry-Potter-Kapitel geschrieben. Besonders fruchtbar ist die Methode bisher aber vermutlich für Lyrik. Vielleicht weil diese verdichtete Form der Literatur den meisten Raum für kreativen und auch ungewöhnlichen Umgang mit Sprache bietet. Jedenfalls wurde 2018 das von einer KI geschriebene Gedicht “Sonnenblicke auf der Flucht” in den Jahresband der Brentano Gesellschaft “Frankfurter Bibliothek” aufgenommen. Und erst kürzlich ist es einem Digital-Humanities-Forscher-Team gelungen, einen Computer aus 10.000 Versen von Hölderlin, dessen Stil lernen zu lassen (Fischer and Orekhov, 2020). Mit Hilfe dieser KI kamen durchaus hölderlinisch klingende Zeilen zustande.

Wie geht das genau? Try it yourself!

Trotz aller Erklärungsversuche und Beispiele ist es schwierig, künstliche Intelligenz wirklich zu verstehen, vor allem, wenn man selbst nur wenig bewusste Berührungspunkte mit dieser Technik oder Technik im Allgemeinen hat. Um eine Ahnung davon zu bekommen, wie Computer überhaupt etwas über Sprache und sogar über literarische Texte lernen können, habe ich im Rahmen meines Seminars “Einführung in das Studium der Literaturwissenschaften” an der Universität Hamburg eine Do-It-Yourself (DIY)- Anleitung entwickelt, mit der du nachempfinden kannst, was es bedeutet, wie ein Computer zu lesen.

Wörter zählen, Wortstellungen beobachten, Wörter neu nach den gelernten Eigenschaften kombinieren – all das kannst du mit dem KI-Spiel selbst ausprobieren. Vielleicht hast du schon einmal davon gehört, dass die Leistung mit der Anzahl der angeschlossenen Systeme steigt. Also spiele ruhig gemeinsam mit Freund*innen oder Komiliton*innen. Natürlich kannst du das Spiel mit jeder*m gemeinfreien Dichter*in ausprobieren. Aber genug der Worte, probiere es doch einfach mal selbst aus:

Und, wie war’s? Natürlich bin ich neugierig und würde mich freuen, wenn du mir einen Kommentar mit deinen Erfahrungen oder sogar deinem KI-Gedicht hinterlässt!

Diesen Artikel zitieren / how to cite: Mareike K Schumacher, "Künstliche Intelligenz und Literatur(wissenschaft)," in Lebe lieber literarisch, Juni 11, 2020, https://lebelieberliterarisch.de/kuenstliche-intelligenz-und-literaturwissenschaft/, [zuletzt geprüft / Access: Dezember 2, 2020].
Abonniere
Lebe lieber literarisch

Blog und Podcast

Wöchentlich News zu den Themen Literatur, Kultur, Digital Humanities und Bloggen für Geisteswissenschaftler*innen

Invalid email address
Probiere es einfach mal aus. Du kannst dich jederzeit vom Newsletter abmelden.Bevor du dich anmeldest, lies bitte sorgfältig meine Datenschutzbestimmungen!

Bibliografie

  1. A., J. and G.V., U. (2011) ‘An Intelligent Automatic Story Generation System by Revising Proppian’s System’, in Meghanathan, N., Kaushik, B. K., and Nagamalai, D. (eds) Advances in Computer Science and Information Technology. Berlin, Heidelberg: Springer (Communications in Computer and Information Science), pp. 594–603. doi: 10.1007/978-3-642-17857-3_59.
  2. Ertel, W. (2016) Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung. Springer-Verlag.
  3. Fischer, F. and Orekhov, B. (2020) ‘Der digitale Superdichter’, Literarische Welt, p. 29. Available at: http://nevmenandr.net/personalia/holderlin.pdf.
  4. Floridi, L. (2018) ‘Artificial Intelligence, Deepfakes and a Future of Ectypes’, Philosophy & Technology, pp. 317–321. doi: 10.1007/s13347-018-0325-3.
  5. Koenitz, H. (2016) ‘Interactive Storytelling Paradigms and Representations: A Humanities-Based Perspective’, in. doi: 10.1007/978-981-4560-50-4_58.
  6. Lämmel, U. 1956- (2012) Künstliche Intelligenz. 4., aktualisierte Auflage. Edited by J. 1957- Cleve. Hanser. Available at: http://swbplus.bsz-bw.de/bsz365550558inh.htm.
  7. LeCun, Y., Bengio, Y. and Hinton, G. (2015) ‘Deep learning’, Nature, pp. 436–444. doi: 10.1038/nature14539.
  8. Lee, D. (2019) ‘Deepfake Salvador Dalí takes selfies with museum visitors’, The Verge. Available at: https://www.theverge.com/2019/5/10/18540953/salvador-dali-lives-deepfake-museum.
  9. Ngiam, J. et al. (2011) ‘Multimodal Deep Learning’, in. Available at: https://openreview.net/forum?id=Hk4OO3W_bS.
  10. ‘Pinterest starts using deep learning to recommend Related Pins’ (2017) VentureBeat. Available at: https://venturebeat.com/2017/01/12/pinterest-starts-using-deep-learning-to-recommend-related-pins/.
  11. Propp, V. (2010) Morphology of the Folktale: Second Edition. University of Texas Press.
  12. Samek, W., Wiegand, T. and Müller, K.-R. (2017) ‘Explainable Artificial Intelligence: Understanding, Visualizing and Interpreting Deep Learning Models’, arXiv:1708.08296 [cs, stat]. Available at: http://arxiv.org/abs/1708.08296.
  13. Scholz-Nauendorff, C. C. (1987) ‘Kreative Künstliche Intelligenz — Systeme und Ihre Sozialen und Gesellschaftlichen Einflüsse’, in Hoffmann, G. et al. (eds) Mikroelektronik 87: Berichte der Informationstagung ME 87. Vienna: Springer, pp. 442–452. doi: 10.1007/978-3-7091-8940-5_71.
  14. Schumacher, M. (2018) ‘Named Entity Recognition (NER)  forTEXT’, forTEXT. Available at: https://fortext.net/routinen/methoden/named-entity-recognition-ner.
  15. Schumacher, M. (2020) ‘Named Entity Recognition und Reverse Engineering’, Lebe lieber literarisch. Available at: https://lebelieberliterarisch.de/named-entity-recognition-und-reverse-engineering/.
  16. Seising, R. and González, V. S. (2011) Soft Computing in Humanities and Social Sciences. Springer Science & Business Media.
  17. ‘Software macht Deepfake-Video aus nur einem Foto’ (2019) Futurezone. Available at: https://futurezone.at/science/software-macht-deepfake-video-aus-nur-einem-foto/400504297.
  18. Stubbe, J., Lutze, M. and Ferdinand, J.-P. (2019) ‘Kreative Algorithmen für kreative Arbeit?’, in Wittpahl, V. (ed.) Künstliche Intelligenz: Technologie  Anwendung  Gesellschaft. Berlin, Heidelberg: Springer, pp. 255–271. doi: 10.1007/978-3-662-58042-4_16.
  19. Wagener, A. (2020) ‘Künstliche Intelligenz und künstliche Kreativität’, Nerdwärts.de. Available at: https://nerdwaerts.de/2020/02/kuenstliche-intelligenz-und-kuenstliche-kreativitaet/.

Eine Antwort schreiben

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.