Sprache ist nicht nur ein Transportmittel für Bedeutung. Sie ist ein Fingerabdruck. Die spezifischen Wörter, die ein Mensch wählt, die Komplexität seiner Sätze, der Rhythmus seiner Argumentation: All dies trägt Informationen darüber in sich, wer er ist, woher er kommt und was ihm wichtig ist. Eine wachsende Anzahl von Studien legt nun nahe, dass große Sprachmodelle, wenn sie zur Unterstützung oder Überarbeitung menschlicher Texte eingesetzt werden, diese Fingerabdrücke schleichend abschleifen.
Das ist der Punkt, den die meiste Berichterstattung über KI-Schreibwerkzeuge übersieht. Die Debatte neigt dazu, sich auf Qualität, Geschwindigkeit oder Genauigkeit zu konzentrieren. Die Frage, was dabei verloren geht, erhält weitaus weniger Aufmerksamkeit.
Die Konvergenz, die niemand gemessen hat
Der Forscher Zhivar Sourati fing an, sich diese Frage zu stellen, nachdem er das Buch The Secret Life of Pronouns von James Pennebaker gelesen hatte. Es untersucht, wie persönliche Werte, Hintergründe und Überzeugungen die spezifischen Wörter prägen, die Menschen verwenden, um dieselben Ideen auszudrücken. Als große Sprachmodelle immer breitere Anwendung fanden, begann Sourati sich zu fragen, ob das Durchleiten von Texten durch diese Systeme diese natürliche Variation komprimieren könnte.
Um dies herauszufinden, führte sein Team eine Zeitreihenanalyse durch, die ungefähr 80.000 akademische Arbeiten, 400.000 Nachrichtenartikel und 300.000 Reddit-Beiträge umfasste und dabei Texte verglich, die vor und nach dem Start von ChatGPT im November 2022 entstanden waren. Die Erkenntnis war über alle drei Datensätze hinweg konsistent: Nach der Einführung von KI-Schreibwerkzeugen konvergierte die Variation der Schreibkomplexität hin zu gemeinsamen stilistischen Normen. Dieser Trend hielt unabhängig von der Domain oder dem Publikum an.
Das ist wichtig, weil diese Konvergenz nicht das Resultat davon war, dass Menschen bewusst beschlossen hätten, einfacher oder einheitlicher zu schreiben. Sie entstand als Nebenprodukt davon, dass Texte durch Systeme geschleust wurden, die auf denselben zugrundeliegenden Daten trainiert und auf dieselbe Vorstellung von Klarheit und Korrektheit optimiert wurden.
Identitätssignale, leise ausgelöscht
Souratis Team führte daraufhin ein kontrolliertes Experiment durch. Sie ließen GPT-3.5, Gemini und Metas Llama 3 von Menschen verfasste Texte mithilfe verschiedener Prompts umschreiben. Die Modelle bewahrten die Bedeutung gut. Was sie jedoch reduzierten, war die Variation: Die Schreibkomplexität sank je nach Modell und Prompt um 21 bis 50 Prozent.
Die dritte Phase der Forschung ging noch einen Schritt weiter. Das Team arbeitete mit Texten von Personen, deren persönliche Eigenschaften bereits durch psychologische Fragebögen ermittelt worden waren, darunter Demografie, Persönlichkeit, Empathie und moralische Werte. Nachdem diese Texte durch ein großes Sprachmodell verarbeitet worden waren, wurden statistische Modelle verwendet, um die Eigenschaften der Autoren basierend auf sprachlichen Merkmalen vorherzusagen. Die Vorhersagegenauigkeit sank im Durchschnitt um 6 Prozent.
Diese Zahl verdient einen Moment der Aufmerksamkeit. Ein durchschnittlicher Rückgang von 6 Prozent bedeutet, dass der Text nach dem KI-Feinschliff messbar weniger Informationen über die Person enthielt, die ihn geschrieben hat. Die sprachlichen Signale, die Wörter mit Identität verknüpfen, waren teilweise ausgelöscht worden. Die Ergebnisse fielen nicht einheitlich aus: Verschiedene persönliche Eigenschaften waren auf unterschiedliche Weise betroffen, was darauf hindeutet, dass der homogenisierende Effekt kein zufälliges Rauschen ist, sondern eine strukturierte Veränderung der Art und Weise, wie Identität in Sprache kodiert ist.
Dem Pew Research Center zufolge wurde mehr als ein Drittel aller seit dem Start von ChatGPT veröffentlichten Internet-Websites von KI verfasst. Das Ausmaß dieser Verschiebung bedeutet, dass die von Sourati dokumentierte Homogenisierung keine Labor-Kuriosität ist. Sie formt bereits das Gefüge der schriftlichen Kommunikation auf Bevölkerungsebene um.
Warum kognitive Diversität der eigentliche Einsatz ist
Souratis Sorge geht über die Linguistik hinaus. Sein Argument ist, dass sprachliche Vielfalt und kognitive Vielfalt miteinander verbunden sind. Wenn jedermanns Schreiben durch Systeme gefiltert wird, die auf eine gemeinsame Vorstellung davon konvergieren, was glaubwürdig oder sozial angemessen klingt, beginnt sich das Spektrum der Perspektiven, die klar und deutlich ausgedrückt werden können, zu verengen.
Das ist die tiefere Implikation. Es geht nicht einfach darum, dass KI-unterstütztes Schreiben ähnlich klingt. Es geht darum, dass die Werkzeuge die Fähigkeit besitzen, zu definieren, wie eine legitime, gut ausgedrückte Perspektive aussieht, und Texte schleichend auf diese Definition hin umzuformulieren. Sourati beschreibt dies als die Fähigkeit, neu zu definieren, was als glaubwürdige Art und Weise gilt, eine Perspektive zu haben.
Die Bevölkerungsgruppe, die Sourati als am stärksten gefährdet identifiziert, sind Studierende: Menschen, die ihre Argumentationsfähigkeiten noch entwickeln und möglicherweise zu KI-Hilfe greifen, bevor sie die kognitiven Gewohnheiten aufgebaut haben, die unabhängiges Denken ermöglichen. Das Risiko besteht nicht darin, dass sie schlechter schreiben. Es besteht darin, dass sie möglicherweise nie vollständig den inneren Prozess entwickeln, den das Schreiben in seiner ununterstützten Form trainiert.
Sein vorgeschlagener Lösungsansatz besteht nicht darin, diese Werkzeuge aufzugeben, sondern ihre Verwendung sorgfältig zu sequenzieren. Menschen, die bereits wissen, wie man ein Problem durchdenkt, können große Sprachmodelle nutzen, um spezifische Aufgaben zu bewältigen, ohne den zugrundeliegenden Prozess aufzugeben. Die Gefahr entsteht, wenn das Werkzeug die Entwicklung dieser Fähigkeit ersetzt, anstatt sie zu erweitern.
Genau hier wird NAVIONs Einordnung von KI als Verstärkungsebene, und nicht als Ersatz für menschliches Urteilvermögen, strukturell wichtig. Ein Werkzeug, das Volumen und Formatierung übernimmt, während der Mensch das Argumentieren behält, ist etwas anderes als ein Werkzeug, das die Argumentation selbst generiert.
Kurz gefasst
Große Sprachmodelle reduzieren, wenn sie zum Umschreiben oder Polieren menschlicher Texte verwendet werden, messbar die stilistische Variation und erodieren die sprachlichen Signale, die Informationen über die individuelle Identität transportieren. Untersuchungen von Zhivar Sourati, veröffentlicht in Nature Human Behavior, ergaben, dass KI-Umschreibungen die Variation der Schreibkomplexität um 21 bis 50 Prozent verringerten und die Vorhersagegenauigkeit von identitätsbezogenen Merkmalen um durchschnittlich 6 Prozent senkten. Die Sorge ist keine ästhetische. Es ist die Befürchtung, dass homogenisierte Sprache ein homogenisiertes Denken widerspiegelt und verstärkt, und dass diejenigen am stärksten gefährdet sind, die diese Werkzeuge annehmen, bevor sie gelernt haben, unabhängig von ihnen zu denken.
Basierend auf Berichten von Fast Company - Tech.