Wenn Computer sprechen lernen

Jedes Mal, wenn wir unserem Smartphone ¨¹ber Siri oder ein ?hnliches Programm Fragen stellen oder Auftr?ge erteilen, kommunizieren wir mit k¨¹nstlicher Intelligenz. Nur: Diese Intelligenz ist begrenzt. Verglichen mit menschlicher Intelligenz ist Siri sogar ziemlich dumm, meint Ryan Cotterell, seit Februar 2020 Professor an der ETH Z¨¹rich. Der Informatikprofessor wurde im Rahmen der Medientechnologie-Initiative berufen und verbindet Linguistik, automatisierte Sprachverarbeitung und k¨¹nstliche Intelligenz. ?Siri funktioniert nur deshalb, weil die Fragen und Befehle, die die Menschen ihrem Smartphone stellen, meist sehr einfach sind?, so Cotterell.

Man d¨¹rfe an KI nicht die gleichen Erwartungen stellen wie an menschliche Intelligenz, betont der Forscher. Jeder Mensch erlerne m¨¹helos seine Muttersprache, und jeder Deutschsprachige erkenne intuitiv grammatikalisch fehlerhafte S?tze im Deutschen. F¨¹r ein Computerprogramm sei es aber immer noch schwierig zu erkennen, ob ein deutscher Satz grammatikalisch korrekt ist. Ein sprachverarbeitendes Programm funktioniert auch ganz anders als ein menschliches Gehirn: ?Kein ?bersetzer hat jemals so viele W?rter lernen m¨¹ssen, wie n?tig sind, um ein ?bersetzungsprogramm zu trainieren?, sagt Cotterell.

Herausforderung Schweizerdeutsch

Moderne ?bersetzungsprogramme arbeiten im Big-Data-Bereich. Sie trainieren mit Millionen von Satzpaaren. Doch jeder ?bersetzer kann problemlos mehrere Alternativen f¨¹r einen ¨¹bersetzten Satz vorschlagen. ?bersetzungsprogramme geben nur eine L?sung an. Das m?chte Cotterell ?ndern. ?Wir m?chten, dass der Nutzer nicht nur einen Satz als Ergebnis erh?lt, sondern mehrere M?glichkeiten. Der Nutzer k?nnte dann den Satz aussuchen, der in den spezifischen Zusammenhang am besten passt.? Daf¨¹r einen brauchbaren Algorithmus zu entwickeln, sei aber kompliziert. Ein Problem sind auch gute ?bersetzungsprogramme oder Sprachassistenten f¨¹r Sprachen, die nur von kleineren Gruppen genutzt werden. ?Wenn es nicht so viele Daten in einer Sprache gibt, ist es sehr schwierig, ein gutes System zu entwickeln?, sagt Cotterell. Beeindruckt ist er von einem Programm, das am Media Technology Center an der ETH Z¨¹rich entwickelt wurde ¨C einem Sprachassistenten, der Schweizer Dialekte spricht.

Dies ist anspruchsvoll, nicht nur, weil es viele regionale Varianten gibt, sondern weil Schweizer Mundarten gesprochene Sprachen ohne standardisierte Schreibweisen sind. Seit 2019 spricht der Sprachassistent fliessend ?B?rnd¨¹tsch?. Ziel ist, ihn auf weitere Dialekte auszudehnen. Die Forschenden entwickeln den Schweizerdeutsch-Assistenten mit dem Schweizer Radio und Fernsehen als Partner. Technologien, die Hochdeutsch auf Schweizerdeutsch ¨¹bersetzen oder die lokalen Nachrichten und Wetterprognosen im Dialekt aussprechen k?nnen, k?nnten auch automatisch gesprochenen Texten eine regionale Authentizit?t verleihen.

Computergenerierte Medienwelt

Die Sprachenvielfalt der Schweiz und Europas schafft Forschungsbedarf. Denn Sprachverarbeitungssysteme, auch solche, die f¨¹r den Einsatz in Medien geeignet sind, stammen meist aus dem englischen Sprachraum. ?Deshalb l?sst sich das, was amerikanische oder englische Medien in Sachen computerisierte Sprachverarbeitung vormachen, nicht einfach hier anwenden?, sagt Cotterell. So plant er mit Unterst¨¹tzung von NZZ und TX Group ein ?bersetzungssystem, das Qualit?tsartikel vom Deutschen ins Franz?sische ¨¹bersetzen soll. Severin Klingler, Gesch?ftsf¨¹hrer des Media Technology Center, erkl?rt: ?Wir m?chten Technologien, die f¨¹r den englischen Sprachraum existieren, auch f¨¹r andere Sprachen verf¨¹gbar machen.?

Die neue Medienwelt schafft eigene Herausforderungen. Zum Medienalltag geh?ren heute auch Filter Bubbles und Fake News. L?sst sich dagegen mit KI etwas unternehmen? Am Media Technology Center setzt man sich auch damit auseinander. In einem Projekt geht es darum, der Filterblase entgegenzuwirken, indem das System nach Inhalten mit Gegenargumenten zu einem Thema sucht: Anti-Empfehlungs-System f¨¹r Nachrichten (Anti-recommendation Engine for News Articles) nennt sich das Projekt. Ein weiteres Projekt dient dazu, Kommentare maschinell nach inhaltlichen Kriterien zu sortieren. ?Man k?nnte so die Meinungsvielfalt sichtbarer machen?, hofft Klingler.

Allerdings: Die gleichen Methoden k?nnen auch eingesetzt werden, um Filter Bubbles und Fake News zu erzeugen. Im Fr¨¹hsommer machte ein neues sprachverarbeitendes KI-System namens GPT3 der kalifornischen Firma OpenAI Schlagzeilen. ?Die Dimensionen dieses Systems sind so gross, dass wir in den Hochschulen so etwas weder bauen noch testen k?nnen?, sagt Cotterell. In die Schlagzeilen schaffte es das System unter anderem wegen des Risikos KI-generierter Fake News: GPT3 schreibt nach wenigen News-Beispielen glaubw¨¹rdig erscheinende Nachrichtentexte auf Englisch. Auf Ryan Cotterell und seine Mitforschenden am Media Technology Center wartet noch viel Arbeit.