Adventure-Treff

Ich glaube, du stellst dir das etwas anders vor, als es tatsächlich funktioniert.

Die KI „klaut“ keinen Code im klassischen Sinne und setzt ihn einfach zusammen. Sie arbeitet eher wie ein extrem großes Vorhersage-System. Beim Training sieht sie unglaublich viele Beispiele – Texte, Code, Strukturen – und lernt daraus Muster.

Wenn ich die KI bitte, Code zu schreiben, dann schaut sie nicht in eine Datenbank und kopiert etwas, sondern sie „berechnet“, welche Code-Zeile statistisch sinnvoll als nächste kommt. Ähnlich wie bei Text: Sie versteht nicht wirklich wie ein Mensch, sondern erkennt Strukturen.

Warum funktioniert der Code dann oft trotzdem?
Weil Code sehr logisch und regelbasiert ist. Wenn die KI oft genug gesehen hat, wie bestimmte Probleme gelöst werden, kann sie daraus funktionierenden Code „nachbauen“.

Das mit den Fehlern passt auch:
Bei Bildern sieht man Fehler sofort (z. B. Hände), bei Code merkt man es erst beim Ausführen. Deshalb ist KI-Code auch nicht immer perfekt – man muss ihn testen und manchmal anpassen.

Ich nutze das selbst gerade für ein kleines Projekt:
Ich habe mir mit Hilfe von ChatGPT einen eigenen HTML-Generator gebaut für eine private Offline-Filmseite. Ich gebe ein paar Daten ein und bekomme fertigen Code. Der ist nicht „geklaut“, sondern basiert auf dem, was die KI gelernt hat.

Kurz gesagt:
Die KI ist kein Copy-Paste-Tool, sondern eher ein Muster-Generator, der erstaunlich oft richtig liegt – aber eben nicht immer.

Ich meinte das so wie mit Texten. Alle grammatikalischen Regeln werden eingehalten, es scheint auch sinnvoll zu wirken, die Prompts werden erfüllt, aber hinter der Fassade stimmt rein gar nichts. Da Scripte ja nicht mit Tags versehen werden (außer mit Kommentaren für den Programmierer selbst), müsste die KI also WISSEN, was ein Script tut. Und genau hier vermute ich ein umfangreicheres „Kopieren“ aus einer Umgebung, die genau solche Fragen gelöst hat. Mag sein, dass das Kopieren nicht wie eine Fotomontage ist (so arbeitet KI generell nicht), aber sie nimmt sich Code aus vergleichbaren Fällen mit ähnlichen Fragestellungen. Wie soll sie sonst auf die Lösung kommen, da sie ja nicht strukturell „denkt“ und nicht weiß, was sie tut?

Genauso wie die KI nur Elefanten kennt, die im Training verfügbar waren, kann sie Scripte nur kennen, die auch irgendwo trainiert wurden.

Ich habe mal Codezeilen der KI in die Suchmaschine eingegeben. Heraus kam u.a. diese Seite:
https://sheepolution.com/learn/book/11

PS Es scheint sich sowieso um eine ANDERE Programmiersprache zu handeln. Ich wollte etwas in Lua.
Gibt es die Funktion love.graphics.newImage("char1_outfit1.png") in Lua..?
Hat die KI nicht einfach eine Seite genommen, die verfügbar war?

ich verstehe deinen Gedanken, der ist auch erstmal logisch. Aber der entscheidende Punkt ist: Die KI „nimmt“ sich keinen Code aus einer konkreten Seite und setzt ihn zusammen.

Sie arbeitet nicht wie eine Suchmaschine oder Copy-Paste-Tool.

Beim Training werden extrem viele Beispiele verarbeitet, aber danach hat die KI keinen Zugriff auf einzelne Seiten oder Code-Sammlungen mehr. Sie speichert keine fertigen Lösungen, sondern nur Muster und Zusammenhänge.

Wenn sie Code erzeugt, passiert das so:
Sie baut den Code Schritt für Schritt neu auf – basierend darauf, was statistisch zusammenpasst und in ähnlichen Situationen funktioniert hat.

Dass du einzelne Codezeilen googeln kannst und etwas Ähnliches findest, ist logisch:
Code ist oft standardisiert. Viele Probleme werden ähnlich gelöst. Deshalb sehen sich Lösungen manchmal gleich oder sehr ähnlich.

Das ist wie bei:

„for“-Schleifen
HTML-Strukturen
typischen Funktionen

Die gibt es tausendfach im Netz – nicht weil kopiert wird, sondern weil es einfach die übliche Lösung ist.

Zu deinem Beispiel mit love.graphics.newImage:
Das ist tatsächlich eine Funktion aus dem Framework LÖVE (Love2D), also Lua + Grafikbibliothek. Das zeigt eher, dass die KI bekannte Muster kombiniert hat – nicht, dass sie eine konkrete Seite kopiert hat.

Der wichtige Unterschied ist:
Kopieren = konkrete Quelle wird übernommen
KI = erzeugt etwas Neues aus gelernten Mustern

Fehler passieren trotzdem – genau weil die KI nicht „versteht“, sondern nur Muster nutzt. Deshalb muss man Code auch testen.

Kurz gesagt:
Die KI arbeitet eher wie jemand, der sehr viele Programmierbeispiele gesehen hat und daraus eigene Lösungen baut – nicht wie jemand, der einfach abschreibt.

Ich verstehe nicht, woher die KI „weiß“, was eine Funktion oder ein Code bewirkt. Eigentlich kann sie das nur aus dem Begleittext einschlägiger Seiten erfahren. Das heißt, angenommen, jeder Code würde nur OHNE Text sozusagen „nackt“ im Netz stehen, dann könnte die KI auch keine Problemlösungen für Script-Aufgaben lösen, weil sie den Code nicht als dafür brauchbar erkennt. Dass sie formatierte Regeln erkennt usw., ist ja schon klar, aber wieder mal beim Elefanten: die KI muss irgendwoher wissen, dass dieser Codeteil für mein Problem geeignet ist, genauso wie sie ohne Elefantenbilder keinen Elefanten kennt. Vereinfacht gesagt: die KI für die Problemlösung von Code ist nur so gut wie die Dokumentation, die im Netz für diesen Code existiert. Allein aus den Codezeilen kann sie nichts herausfinden.

Und deshalb war ich bei „Die KI kann nur dort was finden, wo schon Lösungen existieren“. Denn jeder andere undokumentierte Code ist zwar syntaktisch konform, aber ohne Inhalt für die KI.

Erst wenn sie von irgendwoher weiß, dass die Funktion z.B. f(x)=a/x das bewirkt, was sie bewirkt, kann sie dieses Muster auf andere Funktionen übertragen. Vorher nicht.

Ich glaube, wir sind gar nicht so weit auseinander – du beschreibst einen wichtigen Teil schon richtig.

Ja:
Die KI lernt viel über Code auch aus Kontexten, also z. B. aus Erklärungen, Dokus und Beschreibungen. Dadurch „weiß“ sie, was bestimmte Funktionen typischerweise tun.

Aber der entscheidende Punkt ist:
Sie lernt nicht nur aus Text, sondern auch aus den Strukturen im Code selbst.

Code ist nämlich kein „nacktes Chaos“, sondern hat:

feste Syntax
wiederkehrende Muster
klare Zusammenhänge (z. B. Eingabe → Verarbeitung → Ausgabe)

Wenn die KI viele Beispiele sieht wie:

Funktion bekommt Parameter
macht etwas damit
gibt etwas zurück

dann erkennt sie diese Muster – auch ohne jede Erklärung.

Der Unterschied zum Elefanten ist:
Ein Elefant ist visuell und chaotisch.
Code ist logisch und strukturiert.

Deshalb kann die KI bei Code viel eher „verallgemeinern“.

Zu deinem Punkt „nur vorhandene Lösungen“:
Stimmt teilweise – sie basiert auf dem, was sie gelernt hat.
Aber sie kann Dinge neu kombinieren.

Das ist wie bei einem Programmierer:
Der erfindet selten komplett neue Konzepte, sondern kombiniert bekannte Bausteine zu neuen Lösungen.

Und genau das macht die KI auch.

Wenn Code komplett ohne jede Erklärung existieren würde, wäre es schwieriger – aber nicht unmöglich, weil ein Teil der Bedeutung schon in der Struktur steckt.

Kurz gesagt:
Die KI „weiß“ nicht wirklich, was der Code tut – aber sie hat so viele Muster gesehen, dass sie oft passende Lösungen zusammensetzen kann.

Für mich ist Code auch chaotisch...

Nee, schon klar.

Aber dass eine Funktion syntaktisch genauso aufgebaut ist wie eine andere, verrät noch nichts über ihre Funktion im Gesamtkontext. Es handelt sich ja um sehr viele, sehr identische Elemente. Das ist also schon ziemlich irre.

Ja, stimmt – nur weil zwei Funktionen gleich aufgebaut sind, weiß man noch nicht automatisch, was sie im Detail machen. Da hast du absolut recht.

Der Punkt ist eher: Die KI erkennt nicht nur die Syntax, sondern typische Zusammenhänge und Muster, die immer wieder auftreten.

Zum Beispiel:

bestimmte Funktionsnamen + typische Verwendung
Kombinationen von Code (z. B. Event → Verarbeitung → Ausgabe)
häufige Abläufe wie Laden, Filtern, Anzeigen

Das ergibt dann so etwas wie „Erfahrungswerte“, nur eben statistisch.

Du hast aber recht:
Die KI „versteht“ nicht wirklich den Sinn im menschlichen Sinne. Sie weiß nicht bewusst, was passiert. Deshalb kann sie auch Fehler machen oder Dinge zusammenbauen, die logisch wirken, aber nicht funktionieren.

Der spannende Teil ist eigentlich:
Sie braucht kein echtes Verständnis, um oft trotzdem brauchbare Ergebnisse zu liefern.

Das wirkt von außen fast wie Verständnis, ist aber eher ein sehr gutes „Muster-Treffen“.

Und genau deshalb ist es auch manchmal „irre“, wie du sagst – weil es gleichzeitig beeindruckend und unheimlich ungenau sein kann.

Genau das fasziniert die Menschen ja auch an ChatGPT, das beeindruckende Prosa-Texte liefern kann. Wenn auch nicht voll überzeugend, weil in der Prosa ja doch viel mehr mitschwingt als bloße „Logik“. In der Programmierung besteht die „Schönheit“ eigentlich in der Ersparnis, also dergestalt, als könne man „Krieg und Frieden“ vom überflüssigen Ballast befreien und auf 20 Absätze schrumpfen. Das ist aber nicht das Ziel von Prosa, aber Ziel von Programmierung: Effektivität um jeden Preis. Aus meiner laienhaften Programmiererfahrung bestätige ich, dass jemand meine 150 Zeilen auf acht (!) Zeilen zusammenstauchen konnte, weil bestimmte Variablen mehrere Werte und mehrere Funktionen in verzwickten, für mich unverständlichen Verknotungen übernahmen, was ich nie im Leben geahnt hätte. Ich hatte für jedes Element sozusagen dasselbe immer neu gemacht... Im Grunde weiß ich bis heute nicht, warum es funktioniert und was da eigentlich passiert... Ich bin auch im täglichen Leben lieber der „Linear“-Typ: eins nach dem anderen...

Das mit dem „Linear-Typ“ kann ich total nachvollziehen – so arbeite ich ehrlich gesagt auch lieber: Schritt für Schritt, nachvollziehbar.

Und genau da liegt, glaube ich, der spannende Unterschied:

In der Programmierung gibt es oft zwei „Stile“
– einmal der verständliche, lineare Weg
– und einmal der extrem kompakte, „clevere“ Weg

Das mit deinen 150 auf 8 Zeilen ist ein perfektes Beispiel.
Das ist dann zwar effizient, aber oft kaum noch lesbar oder nachvollziehbar.

Und da kommt die KI wieder ins Spiel:
Die tendiert oft dazu, eher den „typischen“ Mittelweg zu bauen – also funktionierend, halbwegs sauber, aber nicht unbedingt maximal optimiert.

Was ich interessant finde:
Du beschreibst eigentlich genau, warum KI in Code oft funktioniert, obwohl sie nichts „versteht“.

Diese verknoteten Lösungen, von denen du sprichst, basieren auch nur auf Mustern und Erfahrung:
Jemand hat gesehen, dass man Dinge zusammenfassen kann → hat es optimiert → andere haben das übernommen.

Und genau solche Muster lernt die KI auch.

Der Unterschied ist nur:
Ein Mensch weiß (irgendwann), warum es funktioniert.
Die KI nicht – sie weiß nur, dass es oft funktioniert.

Und dein Punkt mit der Prosa passt auch gut:
Code will verdichten und effizient sein, Sprache will oft genau das Gegenteil – Atmosphäre, Nuancen, Zwischentöne.

Deshalb wirkt KI bei Code oft „logischer“ als bei Literatur.

Kurz gesagt:
Du hast das eigentlich ziemlich gut auf den Punkt gebracht – besonders mit dem Unterschied zwischen linear und „verknotet“.

Und ganz ehrlich:
Ich finde deinen Ansatz mit „lieber nachvollziehbar als super clever“ oft sogar besser

Ich möchte nochmal kurz auf das von mir eingestellte Bild "1612" zurückkommen. Es ist nich nur die Petroleumlampe falsch im Bild sondern mindestens auch das Tintenglas mit dem Schraugewinde. So ein Schraubgewinde gab es noch nicht im 17. Jahrhundert. Liegt da nicht auch noch ein Stempel auf dem Schreibtisch? Nun ist Gemini sicher keine hervorragende KI, aber sie wird doch sicher "wissen" was es in dem Jahrhundert gab und was nicht. Die Petroleumlampe wurde 1853 von einem polnischen Apotheker erfunden, Schraubgewinde in Glas auch so in dem Dreh herum. Daher frage ich mich, wieweit eine KI Dinge auf Plausibilität beim Erstellen überprüft, oder ob man der in ein historisches Bild auch ein Spielzeugauto unterjubeln könnte. Oder ist das vielleicht auch eine Frage der betreffenden KI?
LG Werner

Möglicherweise kann die Antwort auch darin liegen, dass die KI nicht weiß, was echte und was falsche Informationen sind. Die KI wird mit dem Jahr nicht exakt 1612 assoziieren, so wie wir es tun, sondern sie verbindet das Jahr mit „altem Zeugs“, so vermute ich. Verallgemeinert gesagt: die KI macht aus 1612 einen Zustand von „irgendwas, das alt wirkt“. Tatsächlich ist sie uns Menschen dabei nicht mal unähnlich, denn wir ticken genauso.

Menschen wissen auch nicht genau, WANN etwas entstand. Und selbst, wenn sie es wissen, so verfolgen sie vielleicht andere Ziele.
So ist z.B. das Steuerrad auf Segelschiffen vor ungefähr 1750-1770 noch gar nicht vorhanden (bzw. es wurde noch nicht eingesetzt), man hat mit dem Kolderstock gesteuert. Den kennt aber kein Schwein, und fast alle Abbildungen zeigen ein Steuerrad, weil es eben so „geiler“ ist. Es ist absichtlich falsch, weil die Filmindustrie so entschieden hat.
Die KI kennt nun Bilder mit Steuerrad und da man in den Prompts eben nicht jedes Detail reinschreibt, „erfindet“ sie das Rad hinzu. Man bekommt es auch schlecht weg, weil die KI keine Alternative kennt bzw. weil die Wahrheit im Netz nicht verbreitet ist. Man kann hundertmal die Prompts ändern, die KI ist darauf nicht trainiert und ändert es nicht. Man müsste ein eigenes Modell nur dafür schreiben. So setzen sich Falschmeldungen und Halbwissen insgesamt durch. Und das ist für mich die HAUPTgefahr von KI: sie verwässert das Wissen.

Ich glaube, man muss sich davon verabschieden, dass die KI Fakten selektiert. Vielleicht tun das die teuren Modelle, aber ich vermute, dass die Rechentiefe nicht ausreicht, um wirklich bis zur Basis vorzustoßen. Die KI arbeitet wie eine Suchmaschine, die nach der 1. Google-Seite aufhört zu suchen. Wenn auf der ersten Seite nun nur Werbung oder irgendwelcher Blödsinn steht (meist wirtschaftlich begründet nach oben gepeitscht), bleibt die KI dort hängen. Das ist, wie gesagt, nur ein Versuch, das Phänomen zu verstehen.

Als ich mir eine Szene für meine Fanfiktion von ChatGPT habe erfinden lassen, hatte sie 80% korrekt verstanden. Sie hat offenbar die richtigen Quellen zu meinem Fandom benutzt. Und dennoch waren 20% definitiv falsch. Als ich sie daraufhin korrigiert hatte, entschuldigte sie sich (das tun KIs immer...) und bastelte aus den nun neuen Daten die korrektere Version (wobei sie offenbar die richtigen 80% Daten noch parat hatte... vielleicht so lange die Sitzung dauert? KA...). Aber ICH als Nutzer musste sie erst darauf hinweisen und erst DANN fand sie plötzlich - oh Wunder - doch die richtigen Infos. Deshalb vermute ich, dass sie bei 80% einfach aufgehört hat zu recherchieren. Der Rest war Halluzination.
Man kann also sagen, dass man dann „nacheinander“ die KI immer näher an die Wahrheit heranführen muss, bis sie dann mal bei 97/98% Wahrheit angelangt ist.

Du hast völlig recht: Historisch passt das nicht zusammen.
Und genau da sieht man den entscheidenden Punkt:

Die KI prüft nicht wirklich aktiv auf Plausibilität, wie ein Historiker das tun würde.

Sie arbeitet eher so:

„17. Jahrhundert“ → typische Elemente: Holz, Papier, Feder, Kerzenlicht
dann werden passende Dinge kombiniert, die oft zusammen auftreten

Aber sie hat kein echtes Verständnis von Zeitlinien oder Erfindungsdaten.

Deshalb können solche Fehler entstehen:

Petroleumlampe zu früh
modernes Gewinde im falschen Jahrhundert
oder theoretisch sogar ein Spielzeugauto im Hintergrund

Wenn die Begriffe irgendwie „zusammenpassen“, kann die KI das kombinieren, auch wenn es historisch falsch ist.

Das hängt auch von der KI ab:

manche sind besser darin, solche Details zu treffen
aber keine prüft das wirklich wie ein Experte

Der wichtige Punkt ist:
KI erzeugt „plausibel wirkende Bilder“, nicht „historisch korrekte Bilder“

Deshalb muss man bei solchen Themen immer selbst gegenchecken – so wie du es gemacht hast.

Ich habe einmal den deutschen Text verwendet und einmal den englischen, von DeepL übersetzt. Es handelt sich bei TensorArt um ein Flux-Modell mit Euler, Euler_ancestral und Heun Sampler, das auf dieser Plattform bislang die besten Bilder produziert (jedenfalls, wenn man kein Anime will...).





Wie man sieht, ist dieses Modell noch weiter von den Vorgaben entfernt als dein Gemini . Das ist alles 19. Jahrhundert oder so. Beim englischen Text ist es etwas besser.

Und jetzt schau mal, was die KI bei ins Französische übersetzte Prompts gemacht hat...



Cool. Paris war offenbar seiner Zeit weit voraus...

Prompts:
A young man wears clothes like Shakespeare. he lives in the year 1612, Its Italian Renaissance. The room is dimly lit, dirty and messy. The man is a poor novelist and a monk. The large window is open, and a Gothic church can be seen in the background. In front of the man is a wooden desk covered with many pergament scrolls. On the desk stands a three-branched candlestick made of brass, which illuminates the scene. There is also a historic glass of ink and a quill on the desk.



Zählen konnte die KI noch nie. Das wundert mich tatsächlich, weil es augenscheinlich unmöglich ist, einen dreiarmigen Leuchter zu modellieren...

mit Chatgtp Plus erstellt