Sollte ChatGPT eine Pizza erfinden können?!

Muss sie auch nicht können. Auch du kannst bei einem Rezept einschätzen, ob du es mögen könntest, ohne es zu kochen, und ohne deinen Geschmacks- oder Geruchssinn zu verwenden. Die KI hat unzählige Rezepte gelesen, daraus kann sie einfach statistisch ermitteln, welche Zutaten oft zusammen auftauchen. Die kann sie dann wiederum verschieden kombinieren. Die KI braucht keinen Geschmack, wenn sie genügend Infos darüber bekommt, was Menschen mögen.

das ist richtig, wie auch beim Menschen. Heutige KIs sind lang nicht so komplex wie das Gehirn, aber sie holen schnell auf. Von einer AGI sind wir evt. noch 1-2 Jahre entfernt und es spricht auch nichts gegen ein Bewustsein einer KI. Der Mensch ist nichts so besonderes wie viele immer denken, unser Gehirn ist ein neurales Netz mit der gleichen Funktion wie die einer KI (bzw. künstliche neurale Netze sind unseren neuralen Netzen nachempfunden). Die modernsten KIs haben in IQ Tests (allerdings nur in ihren spezialisierten Bereichen) den Menschen inzwischen im Schnitt überholt (GPT-4o), bei einer AGI wird es ähnlich laufen bei vielen Aufgaben.

stattet man eine KI mit geschmackssensoren aus und gibt ihr genug trainingsmaterial kann diese das auch.

Auch du kannst bei einem Rezept einschätzen, ob du es mögen könntest, ohne es zu kochen, und ohne deinen Geschmacks- oder Geruchssinn zu verwenden

Aber auch nur weil Du einen Geschmacks- und Geruchssinn hast.
Du erinnerst dich daran, wie die Zutaten schmecken und ggf. wie sie zusammen wirken, also "errätst" Du, wie das ergebnis schmecken könnte.

Eine KI kann das nicht.
Ja, theoretisch kann man statistiken wälzen, aber das heißt noch lange nicht, dass das Ergebnis auch gut schmeckt.

Eine KI kann das nicht.

habe es zwar nie gehört, aber was sollte dagegen sprechen. Sensoren für viele Geschmacksnerven gibt es schon und sie werden auch immer genauer

https://de.wikipedia.org/wiki/Elektronische_Zunge

Das Grundprinzip ist bei jeder KI das gleiche wie auch im menschlichen hirn, man gibt einen Input rein und holt einen Output raus. Spannend wäre es dort ob die KI fähig ist einen eigenen Geschmackt zu entwickeln oder ob man ihr vorgaben machen muss was jetzt gut schmeckt und was nicht. Ersteres wäre sehr erstaunlich weil es ja kein konkretes Ziel ist (wie z.B. beim Spiel lernen) sondern sehr subjektiv.

Von einer AGI sind wir evt. noch 1-2 Jahre entfernt

*100-200 Jahre

Wir sind noch sehr sehr sehr weit davon entfernt. Was wir aktuell KI nennen, ist ziemlich gut im imitieren, aber mehr auch nicht. Sobald man sich ausführlicher damit befasst, fallen die Lücken auf.

Ganz besonders das Verstehen von einer Aufgabe ist effektiv noch gar nicht vorhanden, merke ich immer wieder, wenn ich mir weniger Mühe gebe, jedes Detail der Aufgabe ausführlich zu beschreiben.

wie auch im menschlichen hirn, man gibt einen Input rein und holt einen Output raus

Und genau das ist es nicht ;) Unser Gehirn ist aber ungleich viel komplexer.
Zum Einen haben unsere Gehirne keinen klassischen In- und Output, wie derzeitige KI-Systeme, auch sind die Verknüpfungen kreuz und quer, es gibt keine klare Richtung. Und zum Anderen sind es nicht nur die Neuronen, die aneinander hängen, auch die Hormone spielen eine große Rolle. Und bestimmt gibt's noch mehr, wovon ich jetzt nichts weiß.

Das Gehirn ist ein sich selbst permenanent stimulierendes System, jeder Bereich stimuliert seine Nachbar-Bereiche, Hormone machen das flächendeckend. Das ist nicht vergleichbar damit, wie wenn Du eine KI in eine Endlosschleife setzt und sich selber antworten und ein Ziel verfolgen lässt.
Meiner Theorie nach ist auch das der Grund, warum wir sowas wie Intuition oder "echte" Kreativität haben.

Außerdem muss unser Gehirn nicht aktiv quasi manuell trainiert werden, es trainiert sich permanent bei jeder Aktion immer rund um die Uhr selber. Sowas ist in dem Umfang technisch noch gar nicht möglich, für die Imitation einer vergleichbaren Intelligenz aber zwingend notwendig. Viele unserer kognitiven Fähigkeiten sind die Folge von eben diesen indirekten Lernprozessen und unseren Erfahrungen über viele Jahre hinweg. Du kannst ja nicht nur das, was Du irgendwann vorher Mal explizit geübt hast, sondern erinnerst dich auch an etwas, was Mal jemand erzählt hat und denkst dann intuitiv an eine Tätigkeit, die Du irgendwo Mal gesehen hast und hast die Idee, wie man beides zusammen nutzen könnte. Du hast die Idee, probierst sie aus, scheiterst, versuchst es erneut und lernst dabei.

Sowas können derzeitige KI-Systeme noch nicht Mal nur halb, genau das ist es aber, was über die letzten 100.000en Jahre unser entscheidender Vorteil gegenüber anderen Lebewesen war. Ein paar Lebewesen (Affen, Krähen, etc.) tun was ähnliches, aber nicht so umfassend.

Ach ja, noch eine sehr wichtige Fähigkeit von unserem (oder generell allen) Gehirn(en): Generalisieren und Verallgemeinern, KI kann das derzeit nicht in der Form. Wenn Du dich tagelang mit einem Menschen unterhältst, wird der sich mehr oder weniger an alles erinnern, was Du gesagt hast, aber nicht an jedes Detail. Wenn Du mit einer KI redest, wird die irgendwann Nachrichten vom Anfang "vergessen" und nur das Aktuellste noch genau wissen, das ist für die meisten Situationen aber ein Problem, es hilft daher, regelmäßig einen neuen Chat aufzumachen und die neuen Erkenntnisse mit zu nehmen.

Und dann sind KI-Systeme immer noch extrem ineffizient - aus technischer Sicht. Die Rechenzentren, in denen solche Systeme laufen, fressen unmengen Strom, Tendenz steigend, weil neue KI-Versionen meistens auch mit mehr Parametern kommen, die ebenfalls alle berechnet werden müssen. Vergleich das Mal mit einem Gehirn.

Die modernsten KIs haben in IQ Tests (allerdings nur in ihren spezialisierten Bereichen) den Menschen inzwischen im Schnitt überholt

Der IQ-Test sagt 0 darüber aus, wie gut eine Intelligenz tatsächlich ist, das gilt natürlich auch für uns Menschen.

Im Fall von KI heißt das nur, dass unsere technische Hardware mittlerweile genug Leistung bietet, den enormen Rechenaufwand so einer KI bei einem IQ-Test schnell genug zu bewältigen, um einen Menschen zu schlagen.

habe es zwar nie gehört, aber was sollte dagegen sprechen. Sensoren für viele Geschmacksnerven gibt es schon und sie werden auch immer genauer

Und woher weiß die KI jetzt, was wie schmeckt und wie zusammen wirkt? Ausführliche Trainingsdaten gibt es nicht, also womit willst Du die KI trainieren, sodass sie am Ende auch vernünftig funktioniert?

Unsere Sinne dienen dazu, Informationen über unsere Umwelt wahrzunehmen. Egal, ob Sehen, Hören, Riechen, Schmecken oder Fühlen. Die Aktivierung unserer Sinne resultiert stets in einer Information.

Diese Information können wir als Erinnerung speichern, abrufen, oder auch weitergeben.

Stellen wir uns vor, ein Mensch wird ohne Geschmackssinn geboren. Auch der wird dir sagen können, dass Zitronen sauer sind, dass Pizza fast jedem schmeckt, und welche Zutaten typischerweise auf Pizzen zu finden sind. Auch wenn er es nicht selbst schmecken kann, haben ihm andere Leute erklärt, dass Zitronen sauer sind, und Pizzen hat er auch schon viele gesehen.

Und genau so funktioniert es mit einer KI. Woher will die KI wissen, wie etwas schmeckt, ohne dass sie einen Geschmackssinn hat? Indem man ihr sagt, wie es schmeckt.

Einerseits kann man wie bereits angesprochen einfach Rezepte analysieren, da könnte man direkt Chefkoch.de benutzen, da hat man direkt noch Kommentare und Bewertungen. Die KI sieht, welche Zutaten wie verarbeitet werden, und erfährt von den Menschlichen Kommentatoren, ob das geschmeckt hat, und eventuell sogar, was sie daran in Detail gut oder schlecht fanden.

Zudem gibt es bereits KIs, die direkt mit Geschmacksdaten arbeiten.

https://www.foodpairing.com/

Auch hier werden die Daten einerseits von Menschen geliefert, andererseits werden auch chemische Informationen verwertet. Denn Geschmacks- und Geruchssinn reagieren letztendlich auch nur auf Moleküle. In der Lebensmittelindustrie gibt es Experten, die geschulte Nasen und Gaumen haben, und einzelne Geschmäcker und Aromen genau unterscheiden können. Deren Erkenntnisse kann man ebenfalls tabellarisch festhalten - und mit KI verwerten.

Natürlich kann auch keine KI ein Rezept zaubern, das jedem schmeckt, da Geschmäcker unterschiedlich sind. Aber auch zu Geschmäckern kann man Statistiken erheben. Und verschiedene Daten und Statistiken zu kombinieren und Muster und Zusammenhänge zu erkennen ist genau das, was KIs sehr gut können.

Geschmack ist kein philosophisches Konzept, der Geschmack eines Lebensmittel ist theoretisch sogar objektiv messbar. Und dass es statisitische Zusammenhänge gibt, welche Geschmäcke Menschen mögen, ist auch ein Fakt.

Aktuelle KIs sind auch nicht mehr oder weniger als Statistik-Tools. Mehr braucht man hier aber auch nicht.

Woher will die KI wissen, wie etwas schmeckt, ohne dass sie einen Geschmackssinn hat? Indem man ihr sagt, wie es schmeckt.

So wird sie aber niemals etwas neues erfinden können. Es gibt massig Zutaten, die alleine für sich ganz toll schmecken, aber zusammen richtig eklig. Das weiß die KI nur, wenn man es ihr sagt, aber wie soll sie dann etwas neues erfinden können, also das worum es hier geht?

Klar, sie kann Zeug zusammen würfeln, was häufig zusammen genutzt wird, aber damit wird sie immer noch nicht beurteilen können, ob das auch schmeckt. Wenn "zusammen würfeln" als "erfinden" gilt, ja, dann kann eine KI etwas erfinden, dann kann auch ein Würfel etwas erfinden. Für mich gehört zum Prozess des Erfindens aber auch noch dazu, dass man das ganze soweit ausbaut/optimiert, bis es für den vorgesehenen Zweck gut geeignet ist, in dem Fall: Bis es gut schmeckt. Genau das kann die KI aber nicht beurteilen, ohne dass man sie vorher damit trainiert.

kp (null ahnung).

ich denke das hauptproblem ist dass du den Mensch idealisierst. Ganz klar, das menschliche Gehirn ist einer KI noch weit vorraus, aber auch wenn es komplexe Wechselspiele gibt (z.B. auch von hormonen oder generell Botenstoffen) ist es nichts anderes was wir auch in einer KI abbilden können. Nehmen wir GPT als beispiel... wir geben diverse Parameter vor wie temprature & co... sieh diese schnittstelle als botenstoffgesteuertes Inputfeld für die einzelnen Neuronen die dann die warscheinlichkeit ändern wie sie befeuert werden. Nimm jetzt zur vereinfachung ein Setup mit einer Kamera die Farbwerte der Umgebung aufnimmt wobei die KI diverse dinge gelernt oder auch vorprogrammiert hat.... z.B. rot werde mehr impulsiv, erhöhe die temperature... und schon hast du einen einfachen Botenstoff wie z.B. Adrenalin in das künstliche System eingebaut. Natürlich war das jetzt ein extrem vereinfachtes Beispiel, in einem Großen System wird das nicht zentral auflaufen sondern in Subsystemen die wiederum Prozesse anstoßen.

Letztendlich kommt es aber auf das Gleiche raus, am Ende hast du ein neurales Netz dessen Neuronen durch diverse Stimuli (aka Parameter) unterschiedlich feuern. Der Hauptunterschied zum Menschen ist dass es bei uns millonen von Stimulationspunkten gibt welche das neurale Netz beeinflussen und bei einer technischen KI derzeit nur relativ wenige Parameter vorgegeben sind. Das wird sich in Zukunft auch ändern.

Und woher weiß die KI jetzt, was wie schmeckt und wie zusammen wirkt? Ausführliche Trainingsdaten gibt es nicht, also womit willst Du die KI trainieren, sodass sie am Ende auch vernünftig funktioniert?

2 wege. Nr. 1 das klassische guided learning.... die KI lernt durch menschliche Rückmeldung. Die 2. Möglichkeit ist deutlich interessanter... die KI lernt selbst. Beim Geschmack wäre es nötig dass die KI auch die reaktionen im menschlichen System versteht wenn sie wie ein Baby noch gar nichts weiß. Stellt man sich einen humanoiden Roboter vor mit Verdauungssystem zur Energiegewinnung etc. vor... seine Bedürfnisse und die schlussfolgerungen daraus nach mehreren fehlversuchen wie man sie befriedigen kann wären ähnlich. Auch Hunger kann eine KI lernen. Ist die Maschine genauso komplex wie der Mensch kommt mehr oder weniger das gleiche dabei raus.

Auch das Thema erinnern... es gibt konsequent lernende KIs, warum das jetzt bei public modellen keine gute Idee ist hat man beim Microsoft Chatbot gut gesehen... unkontrollierter menschlicher Input ist meistens keine gute Idee für ein KI training, genauso wenig wie es sinnvoll wäre einen 4jährigen in die Welt zu schicken und zu sagen chatte mit irgendwelchen Leuten im Internet und lerne.

So wird sie aber niemals etwas neues erfinden können. Es gibt massig Zutaten, die alleine für sich ganz toll schmecken, aber zusammen richtig eklig. Das weiß die KI nur, wenn man es ihr sagt, aber wie soll sie dann etwas neues erfinden können, also das worum es hier geht?

absolut falsch. Such mal nach KI in der Materialforschung. KI ermittelt potentiell sinnvolle Testreihen, führt diese Tests dann autonom durch und evaluiert das Ergebnis. Die Ergebnisse fliesen dann in die nächsten Testreihen mit ein. KI bekommt ein "Gefühl" was passen könnte und testet nicht wild drauf los.

ich denke das hauptproblem ist dass du den Mensch idealisierst

Tue ich nicht?
Außerdem: Ebenso könnte man dir einen "KI-Hype" und dass Du voreingenommen bist, unterstellen ;)

Ich bin aber ziemlich gut beim Thema Metakognition, ich beobachte sehr genau, was in meinem Kopf passiert, Gedanken, Intuition, Gefühle, woher das kommt, welche Kette von Gedanken daraus entsteht, etc.

Gleichzeitig achte ich bei der Nutzung von KI (täglich, anfangs ChatGPT, aktuell Claude.ai) darauf, wie die Antworten in welchen Situationen sind und ob die KI das - anhand der gegebenen Informationen - hätte erschließen können, oder nicht. Häufig hätte sie inhaltlich gekonnt, tut es aber nicht.

Oder ich achte darauf, ob sie neue Wege erarbeiten kann, die passend für mein Ziel sind. Das kann sie zwar, allerdings sind das meistens Wege, die es häufig bereits im Internet gibt und daher nicht wirklich gut auf meinen Fall passen, weil sie zu allgemein sind.

Das ist jetzt nur grob umrissen, aber es gibt einfach viele Situationen, wo die KI sehr viele der kognitiven Fähigkeiten, die ich bei mir und auch bei anderen Menschen beobachte, kaum bis gar nicht zeigt.

wir geben diverse Parameter vor wie temprature & co... sieh diese schnittstelle als botenstoffgesteuertes

Die KI hat ein paar Eingabeparameter, die ich als Nutzer festlegen kann. Das menschliche Gehirn hat ein paar mehr, die überall anders wirken und sich permanent ändern, teils gesteuert durch das Gehirn selber.
Wenn ich das technisch vergleichen müsste, würde ich da eher eine andere Form von Neuron sehen, die durch Training mit großen Flächen von Neuronen verbunden wird und anders rechnet. Sowas gibt's aber derzeit nicht und vermutlich würde das auch mit aktuellen Trainings-Szenarien nicht funktionieren.

Und dann bleibt noch ein sehr wesentlicher Unterschied, den ich schon einmal angedeutet habe: Neuronale Netzwerke arbeiten mit klar definierten Input- und Output-Parametern und arbeiten in Schichten und (meistens) in nur eine Richtung, es gibt (meistens) keine rekurrenten Verbindungen. Es gibt zwar neuronale Netzwerke, die rekurrente Verbindungen nutzen, aber der Grundaufbau mit der gerichteten Verarbeitung und den Schichten bleibt gleich und aktuell hoch geprisene LLMs nutzen das auch nicht, sondern ein anderes Konzept, das sich besser parallelisieren lässt.

Das (menschliche) Gehirn ist dagegen ein riesiges Netzwerk von bidirektionalen Verbindungen in allen Richtungen ohne Schichten oder Verarbeitungsrichtungen. Auch gibt es keinen klaren Input oder Output, unsere Nervenverbindungen sind "irgendwo" angebunden. Und zwischen dem Ganzen gibt es dann auch noch die Botenstoffe, die flächendeckend überall wirken, aber auch abhängig davon, wo sie wirken, z.B. abhängig von der Art der Neuronen.

Ja, KI ist dem menschlichen Gehirn nachempfunden, aber auch extrem vereinfacht.
Meiner Theorie nach ist aber gerade dieser extreme bidirektionale Aufbau in Verbindung mit den Botenstoffen ein wesentlicher Vorteil, es sorgt dafür, dass alles aufeinander reagieren kann und eine x-beliebige Handlung, die am einen Ende vom Gehirn verarbeitet wird, sorgt für eine Idee am anderen Ende vom Gehirn - bildlich gesprochen. Oder die Fähigkeit, dass das Gehirn aus Dingen lernen kann, die auf dem ersten Blick nichts miteinander zu tun haben, so können Menschen Bewegungen lernen, nur durch zuschauen, es ist dann zwar nicht perfekt, aber in Versuchen waren die beobachtenden Testgruppen besser, als die, die nicht beobachtet haben.

Oder die Tatsache, dass KIs zwar durchaus selbstständig lernen können, aber im Gegensatz zum menschlichen Gehirn keine echte eigenständige Bewertung der Trainingsdaten vornehmen können. Sie sind auf vorgegebene Bewertungskriterien angewiesen, während das Gehirn in der Lage ist, diese Bewertungskriterien selber zu beeinflussen und zu hinterfragen.
Auch das ist vermutlich nur durch die bidirektionalen Verknüpfungen möglich, zumindest fällt mir kein anderer Weg ein, wie man echte Selbstreflektion technisch nachbauen könnte.

Der Hauptunterschied zum Menschen ist dass es bei uns millonen von Stimulationspunkten gibt welche das neurale Netz beeinflussen und bei einer technischen KI derzeit nur relativ wenige Parameter vorgegeben sind.

Der Hauptunterschied ist (neben der schieren Größe), dass jedes Neuron selber wieder ein Parameter darstellen kann. Es ist grundlegend bidirektional aufgebaut und hat keine Verarbeitungsrichtung und wird nicht einmalig trainiert, sondern trainiert sich permanent selber, während es beim Training auch beurteilen kann.

Such mal nach KI in der Materialforschung

Solche Systeme aus der Materialforschung wurden sehr spezifisch für eben diesen Zweck entwickelt, da sind aktuelle LLMs näher an einer AGI, als die Materialforschung.

Rein technisch ist es am Ende eben doch nur Trial&Error, allerdings haben die Entwickler weitere Systeme dazu entworfen, die die Versuche automatisch überprüfen sollen. Und diese Systeme wiederum basieren auf bereits vorhandenen Erkentnissen der Materialforschung, die rein chemisch/physikalisch Rückschlüsse auf die Eigenschaften erlauben.

Das ist für diesen Anwendungszweck sicherlich nützlich, aber soweit ich weiß gibt es keinerlei sinnvolle Vorhersagbarkeit bzgl. des Geschmacks von verschiedenen Zustaten, wie es sie in der Materialwissenschaft gibt, der Geschmack von Zutaten ist zu individuell.

Außerdem ist ein solches System nicht für eine AGI geeignet, da es zu spezialisiert ist. Um als AGI in Frage zu kommen, müsste es trotz allgemein gehaltener Arbeitsweise in der Lage sein, die für die Materialforschung benötigten Fähigkeiten selbständig zu lernen. Es werden ja immer die LLMs angeprisen, ein LLM würdest Du aber nicht alleine so eine Aufgabe übernehmen lassen können, der Lernprozess würde nicht funktionieren.

Wenn Du also eine AGI ins Spiel bringst, dann beziehst Du dich (vermutlich) auf LLMs, weil aktuelle LLMs die einzigen Systeme sind, die dem irgendwie nahe kommen (bzw. so wirken). Eben diese LLMs können aber solche sehr spezialisierten Aufgaben nicht übernehmen und die spezialisierten KIs können nicht so allgemein "intelligent" wirken, die ein LLM. Beides ist eben sehr spezifisch für einen Anwendungszweck entwickelt, den erfüllt es jeweils sehr gut, aber alles drum herum scheitert.

Das selbst trainieren geht durchaus auch mit neuralen netzen, genauso wie der Abbau von Verknüpfungen oder eben das bestärken. Ich denke auch nicht dass es in menschlichen Gehirnen wirklich zu bidirektionalen Verbindungen kommt, nur dass ein neuron in beide Richtungen feuern kann, es aber keine "konstante" Rückführung gibt weil es ja dennoch die "unterscheidung" zwischen "input" und "output" gibt. Bischen schwer jetzt sprachlich zu formulieren irgendwie :-).

Ich hab mich ende der 90er mit KI beschäftigt (u.a. mit "primitiven dinen wie LISP & co), so um 2010 auch mal hobbymäßig mit Neuroinformatik. Bin (leider) nicht mehr ganz tief drin in der Materie. So weit ich das mit den "echten" neuralen netzen verstanden habe sehe ich da aber dennoch eine übereinstimmung, und zumindest die technische Möglichkeit das entsprechend mehr oder weniger identisch zu schalten (insb. eben mit mehreren Datenquellen aus diversen Sensoren statt wie bei LLMs eine serielle Abarbeitung von Inputsignalen mit festen Parametern.

@agi: eine AGI ist für mich schon eine allgemeine interdisziplinäre. LLMs sind unheimlich weit, aber wenn ich mir z.B. SORA anschaue wie dort z.B. bei dem "Droneshot" Video an den Klippen die wellen Agieren oder bei der Bewegung der Staub Moleküle... dort sind annahmen dabei die IMHO nicht rein Pixelbasiert sein können sonderrn auch einem fundamentalen Verständnis vom verhalten von Flüssigkeiten oder Stoffen vorraussetzen (wobei "sie" bei anderen Beispielen erstaunlich schlecht abschneidet, wie z.B. Bällen auf verschiedenen Grund). So lange Sora wirklich nur mit Videomaterial trainiert wurde ist das etwas sehr Erstaunliches. Sehr interessant finde ich auch Tesla seit der FSD12 welches sogar menschliche Fehler "imitiert" oder tatsächlich auch macht.

Die Entwicklung geht einfach so extrem schnell dass ich inzwischen wirklich denke das dauert nicht mehr lang. Es fasziniert mich ebenso wie es mir inzwischen auch Angst macht weil es einfach zu schnell voran geht.

Auch du kannst bei einem Rezept einschätzen, ob du es mögen könntest,

Klar ich kann ja auch kochen

Ich weiß wie etwas schmeckt uns was sich ergänzt

Ohne schmecken kann das aber nicht funktionieren

Dass KIs Muster und Zusammenhänge in großen Datenmengen erkennen können ist, was diese Technologie so interessant macht. Sie können abstrahieren und Zusammenhänge erkennen. Wir kennen unseren Geschmack, wissen, welche Gerichte und Geschmackskombinationen wir mögen, aber eventuell können wir gar nicht mal so genau sagen, warum wir etwas mögen. Und das ist eben der Punkt, wo KIs ihre Stärken ausspielen können: Wenn sie nur genug Infos bekommen, was wir mögen, können sie die (eventuell versteckten) Muster darin erkennen, und dann auch neue Vorschläge erstellen, die diesen Mustern folgen. Das ist genau wie Deep Learning funktioniert, Muster erkennen und damit Vorhersagen treffen.

Es gibt nunmal nicht nur eine KI und weder ChatGPT noch der fehlgeschlagene Chatbot von Microsoft sind "KI", sie sind lediglich eine Art von KI, im Fall von ChatGPT eben ein Large Language Model. Das ist aber eben wieder was anderes als Machine Learning, Deep Learning, Reinforcement Learning, Generative KI oder Knowledge Representation and Reasoning.

Dass ein LLM wie ChatGPT ein Stück weit mit Rezepten umgehen kann, ist lediglich ein Nebeneffekt. ChatGPT hat in der Tat keine Ahnung von Essen, aber es weiß, wie Rezepte funktionieren. Auf Basis dessen kann es die unzähligen Rezepte, die es kennt, zu neuen kombinieren.

Das ist aber weit davon entfernt, was möglich wäre. Insbesondere durch die Kombination von verschiedenen KI-Systemen könnte man definitiv eine Rezept-KI erschaffen.

Ich glaube nicht, dass es so ein System bereits gibt, aber ich bin mir sicher, dass man mit existierender Technik eine durchaus "schlaue" Rezept-KI entwickeln könnte.

Alles, was man braucht, sind Daten, und die gibt es zu großen Teilen schon oder können erhoben werden.