// HEISE ONLINE — INTELLIGENZA ARTIFICIALE
WTF: WTF: Die KI-Hersteller werden beim Datensammeln immer skrupelloser
LLMs brauchen große Mengen an originären Daten für das Training. Um an diese zu gelangen, kennen die KI-Hersteller keine Grenzen.
Während sich Anthropic und OpenAI in der Öffentlichkeit eine Schlacht um das fieseste Hacking-Modell liefern, läuft im Hintergrund ein wahrer KI-Krieg ab – der um die Daten dieser Welt. Von den Methoden her sind die beteiligten KI-Firmen dabei nicht weniger rücksichtslos, als es der PR-mäßig ausgebadete Überfall auf Hugging Face war.
Vieles erinnert an die Schlacht ums kalte Buffet, nur dass die Gierlinge nicht am Buffet Schluss machen. Sondern auch dem Kellner die Lachsplatten aus der Hand reißen, in die Küche stürmen, um das Gefrierfach auszuräumen, und sich noch im Keller um die Paletten mit der Portionsmilch streiten.
Bei der Suche nach den letzten noch verfügbaren Daten kennen die KI-Krieger keine Grenzen. Im Internet ignorieren die Server der Datensammler die Anweisungen der Datei robots.txt, in der Webserver-Betreiber bestimmen, was Crawler nicht durchsuchen sollen. Hallo, hier hat jemand „Nein“ gesagt! Das in der Datengier zu missachten, ist rücksichtslos: Hier will jemand nicht, dass jemand anders einfach in die Küche kommt.
Der neueste Fall: KI-Agenten, die beim Coden helfen sollen, durchsuchen beim Start ungefragt das Git-Projekt des Entwicklers, um datenmäßig sofort alles zu erfassen. Dabei schleppen sie auch gerne mal einen Trojaner mit ein. Hey, netter wäre es gewesen, wenn der Agent vorher fragt, was er machen soll: „Guten Morgen Wolf, soll ich mal schauen, was sich in Deinem Projekt über Nacht getan hat?“ – „Gern, aber bleib hübsch in Deiner Sandbox!“. Man will den Drachen ja nicht gleich in der Früh aus dem Käfig lassen.
KI-Firmen kaufen tonnenweise alte Bücher auf, verschiffen sie über Ozeane, um sie einzuscannen und dann wegzuschmeißen. Viele dieser Bücher sind vielleicht nicht mehr wert, als auf dem Müll der Geschichte zu verenden, aber muss das am anderen Ende der Welt geschehen? Millionen echter Bücher lassen sich nicht per Bittorrent versenden. Und wer stellt sicher, dass nicht die letzte Erstausgabe von Erasmus von Rotterdams „Klage des Friedens“ dabei ist? Auch das ist rücksichtslos: gegenüber der Klimakrise und dem Wissen der Menschheit.
Bücher enthalten zudem Ideen und Figuren, die jemand kreiert hat. Wenn die KI plötzlich niedliche Neinhörner im Stil von Astrid Henn produziert, dann hat sie Astrid Henn eine Idee geklaut. Das LLM soll bitte einen eigenen Stil für Einhörner entwickeln – oder, wenn es das nicht kann, muss es langweilig bleiben und kann eben nicht so niedlich malen wie eine Künstlerin. Nein, sagt das Neinhorn.
Kaum etwas ist rechtlich so gut geschützt wie das Gespräch beim Arzt. Doctolib möchte laut Informationen der Zeit jetzt Inhalte von aufgezeichneten Arztgesprächen für das KI-Training nutzen. Das Unternehmen holt sich zwar im Vorfeld eine Zustimmung, allerdings per App in einem anderen Zusammenhang. Fairer wäre es doch, wenn der Arzt uns Magenverstimmte in der Praxis fragt: „Bevor Sie mir sagen, was Ihnen fehlt – möchten Sie, dass Doctolib unser Gespräch für sein KI-Training nutzt?“ – „Äh… nee“.
Warum die skrupellose Gier? Letztendlich geht es nicht ums Buffet, sondern ums ganze Hotel: Einige der beteiligten Figuren vom Schlag eines Elon Musk oder Peter Thiel haben nicht weniger als die Weltherrschaft im Sinn. Um die zu Lebzeiten noch zu erleben – die Tech-Bros kommen langsam auch ins Rentenalter – kann man halt nicht lange fackeln, und muss alles an sich reißen, was das Buffet noch hergibt.
Nur schade, dass es in dieser Welt keinen Hotelmanager gibt, der die Kindsköpfe aus der Küche schmeißt und dafür sorgt, sich wieder hinten in die Schlange an der Kaffeemaschine einzureihen. Schon lästig, aber fair.