Fehlerhafte Inhalte in KI-gestützten Spracherkennungssystemen: Eine Analyse der Risiken

Eine Studie der Cornell University hat gezeigt, dass das KI-gestützte Spracherkennungssystem Whisper von OpenAI in etwa 1,4 Prozent der Audioaufnahmen Inhalte erfindet, die nicht existieren.

Zwar mögen 1,4 Prozent gering erscheinen, doch die potenziellen Auswirkungen sind enorm, wenn man die weit verbreitete Nutzung der Software bedenkt. Wenn Whisper oder ähnliche Software millionenfach verwendet wird, summieren sich diese Fehler schnell.

Und es ist nicht nur eine Frage der Quantität, sondern auch die Qualität dieser Fabrikationen ist beunruhigend. Die Forscher fanden heraus, dass 38 Prozent der erfundenen Inhalte problematisches Material enthielten, von Gewaltdarstellungen über falsche Zuschreibungen bis hin zu irreführenden Behauptungen von Autorität.

Das Problem mit Pausen

Die Studie nennt längere Sprechpausen als einen Hauptgrund für die Fehler. Wenn es eine Lücke in der Audiodatei gibt, versucht Whisper, die Lücken auf der Grundlage seines allgemeinen Sprachwissens zu füllen – und dabei kann es zu Fehlern kommen.

Dieses Problem betrifft Menschen mit Sprachstörungen wie Aphasie stärker als andere, da sie dazu neigen, häufiger zu pausieren. Die Fehlerrate stieg auf 1,7 Prozent im Vergleich zu 1,2 Prozent bei der Kontrollgruppe. Dies erinnert daran, dass die Vorurteile und blinden Flecken der KI sehr reale Folgen für marginalisierte Gemeinschaften haben können.

Andere Forscher haben laut AP ähnliche Probleme dokumentiert. Ein Forscher der Universität von Michigan fand erfundene Inhalte in acht von zehn Transkripten, während ein Ingenieur für maschinelles Lernen Fehler in etwa der Hälfte der mehr als 100 Stunden an Aufnahmen fand, die er analysierte. Ein anderer Entwickler berichtete, Fehler in fast allen seiner 26.000 Transkripte gefunden zu haben, berichtet AP.

OpenAI räumt diese Einschränkungen ein und rät davon ab, Whisper in „risikoreichen Bereichen wie Entscheidungskontexten einzusetzen, in denen Ungenauigkeiten zu schwerwiegenden Fehlern bei den Ergebnissen führen können“.

Auch das neueste Whisper v3-Modell leidet unter Halluzinationen. OpenAI geht davon aus, dass diese auftreten, „weil die Modelle aufgrund ihres allgemeinen Sprachwissens versuchen, das nächste Wort in einer Audiodatei vorherzusagen und gleichzeitig die Audiodatei selbst zu transkribieren“.

Halluzinationen sind ein universelles Merkmal generativer KI

Die Tatsache, dass audiobasierte KI-Tools wie Whisper genauso sehr halluzinieren wie ChatGPT, ist gut dokumentiert, aber offenbar nicht jedem bewusst, wie der jüngste Hype um KI-generierte Podcasts zeigt.

Tools wie Audio Overviews von NotebookLM können aus kurzen Themen lange Diskussionen spinnen, was noch mehr Raum für Fehler lässt. Und mit natürlich klingenden KI-Stimmen ist es nur allzu leicht, die Ausgabe für bare Münze zu nehmen.

Das bedeutet nicht, dass KI-Podcasts per se schlecht oder nutzlos sind. Sie können zum Beispiel für die Erstellung von Bildungsinhalten nützlich sein, solange das Material gründlich überprüft werden kann. Sich aber auf sie zu verlassen, um neue Informationen ohne Überprüfung zu erhalten, ist eine schlechte Idee.

Die wichtigste Erkenntnis ist, dass menschliche Aufsicht für jede Art von KI-generierten Inhalten unerlässlich ist, egal ob es sich um Texte, Transkripte oder Podcasts handelt. Wir brauchen Experten, die das Thema verstehen, um die Ergebnisse zu überprüfen und zu validieren. Denn mit der aktuellen Technologie ist es ein sicherer Weg, Fehler zu übersehen, wenn man KI-generierten Inhalten blind vertraut, unabhängig vom Format.

Bibliographie

1. https://medium.com/analytics-matters/generative-ai-its-all-a-hallucination-6b8798445044
2. https://outshift.cisco.com/blog/what-are-ai-hallucinations
3. https://www.aporia.com/learn/ai-hallucinations/
4. https://curiousthing.io/blog/what-are-ai-hallucinations
5. https://www.linkedin.com/pulse/yes-even-robots-lie-sometimes-how-spot-handle-ai-josh-dreller-lkhyc
6. https://qz.com/artificial-intelligence-hallucinations-ai-chatgpt-bard-1850429708
7. https://insideainews.com/2024/01/16/generative-ai-models-are-built-to-hallucinate-the-question-is-how-to-control-them/
8. https://www.salesforce.com/blog/generative-ai-hallucinations/
9. https://www.economist.com/science-and-technology/2024/02/28/ai-models-make-stuff-up-how-can-hallucinations-be-controlled
10. https://thereader.mitpress.mit.edu/hallucinating-ais-sound-creative-but-lets-not-celebrate-being-wrong/