ChatGPT erlässt ein überraschendes Sperrverbot, weltweite KI-Texter stehen über Nacht ohne jeglichen Nachschub.
Das goldene Zeitalter des KI-Schreibens bricht zusammen!
Die Modelle werden von Generation zu Generation leistungsfähiger, doch die erzeugten Texte werden von Mal zu Mal schlechter.
Sie weiß, wann sie mehrere Ratschläge auflisten soll, wo sie Unterüberschriften einfügen muss, und vergisst auch nicht, am Ende eine Zusammenfassung hinzuzufügen.
Aber nachdem man den gesamten Text gelesen hat, bleibt kein einziger Satz im Gedächtnis hängen.
Je leistungsfähiger das Modell, desto unnatürlicher klingen die Texte
Kürzlich hat auch Adam Hunt, Postdoktorand an der Universität Cambridge, dieses Phänomen beobachtet. Sein Forschungsgebiet ist die evolutionäre Psychiatrie und die menschliche Evolution.
Hunt hat KI in der Vergangenheit stets positiv bewertet. Doch am 28. Juli gestand er in einem langen Beitrag, dass er inzwischen immer pessimistischer wird.
Früher gab es ein beliebtes Gleichnis, das die Fähigkeiten des Modells als einen Kreis mit einer scharfen Spitze darstellte.
Zuerst übertreffen die Modelle den Menschen im Programmieren und in der Mathematik, dann wachsen die Fähigkeiten in allen Richtungen mit zunehmender Größe schrittweise an, bis schließlich die Künstliche Allgemeine Intelligenz (AGI) erreicht wird.
Tatsächlich wird die Spitze bei Programmierung und Mathematik zwar immer länger, während sich die sprachliche Ausdrucksfähigkeit und das einfache Schlussfolgern nicht synchron verbessern.
Aus Sicht des Verstärkungslernens ist dieses Phänomen fast unvermeidlich.
Die frühen Generationen von großen Sprachmodellen (LLMs) schienen „allseits intelligenter“ zu werden, da die Trainingsdaten selbst aus allen Bereichen stammen – von Gedichten bis zu wissenschaftlichen Arbeiten, das gesamte Internet ist darin enthalten.
Das ist jedoch ein Nebenprodukt der Trainingsdaten, kein echtes „Verständnis“ des Modells.
Das Konzept der Gedankenketten und die Websuche wurden später entwickelt, um die Lebensdauer der Modelle zu verlängern. Doch dieser Weg stößt letztendlich an eine Wand.
Daraufhin haben KI-Unternehmen, die dringend eine Wende herbeiführen wollten, die Programmierung ins Visier genommen.
Der Grund ist einfach: Es gibt ununterbrochen neue Trainingsdaten.
Commits, Reviews und Pull Requests auf GitHub sind alle bereits vorhanden. Ähnlich wie bei der Mathematik gibt es bei Code klare Feedback-Signale: Ein Programm läuft, oder es läuft nicht.
Was ist mit dem Schreiben von Texten? Womit kann man automatisch bewerten, ob eine Prosapassage gut geschrieben ist? Ohne entsprechende Belohnung optimiert das Verstärkungslernen nicht in diese Richtung.
Daher wurde die gesamte Trainingskapazität auf die Programmierung verlagert, während die sprachliche Ausdrucksfähigkeit nur von dem profitiert, was in der Vor-Trainingsphase erlernt wurde.
Dieser Vorrat wird mit der Zeit immer kleiner, und um die Verbesserungen in anderen Bereichen zu unterstützen, kann es sogar zu Rückschritten kommen.
Genau hier macht sich das Goodhartsche Gesetz leicht bemerkbar.
Wenn ein Messwert zum Trainingsziel wird, spiegelt er nicht mehr die tatsächliche Fähigkeit korrekt wider. Im Labor werden Modelle anhand von Benchmark-Tests optimiert, und anschließend wird mit ähnlichen Tests nachgewiesen, dass sie leistungsfähiger geworden sind.
Die Genauigkeit in den Ranglisten wird weiter steigen. Die tatsächliche Nutzungsqualität kann jedoch stagnieren oder sogar abnehmen.
Dieses Mal ist auch das Nachahmen eingeschränkt
Während die Fähigkeiten zurückgehen, passiert noch etwas anderes.
Ein Reddit-Nutzer beschwerte sich in einem Beitrag, dass er mehrere Monate lang mit ChatGPT Bücher geschrieben und ein Abonnement für das Premium-Modell abgeschlossen hatte. Dann machte er eine Pause.
Als er zurückkehrte, weigerte sich das Modell plötzlich, die bisher stets funktionierende Prompt auszuführen.
Der Prompt selbst ist nicht kompliziert: Man nennt einen Autor, fordert mehr Dialoge, reichere Details und vermeidet kurze, abgehackte Sätze.
Früher reichte es, den Namen des Autors anzugeben, damit das Modell Inhalte erzeugt, die seinem Schreibstil nahekommen – ohne zusätzliche Erklärungen zu Satzlänge, Rhythmus oder Perspektive.
Heute funktionieren solche Prompts nicht mehr.
Ars Technica hat die Nachahmung von Stephen King, J.K. Rowling, Amy Tan, Charles Dickens und Ernest Hemingway getestet, Engadget die von Agatha Christie – ChatGPT weigerte sich in allen Fällen, den Stil nachzuahmen.
Wenn man keine Namen nennt, sondern nur abstrakte Merkmale wie „Spannungsintensität“, „Erzählrhythmus“ oder „Dialogdichte“ verlangt, kann das Modell zwar noch Ausgaben erzeugen. Aber der typische Stil fehlt.
Das goldene Zeitalter des KI-Schreibens ist zusammengebrochen
Inzwischen hat diese Kontroverse die grundlegenden Erwartungen der Nutzer an das KI-Schreiben erschüttert.
Die Modelle schreiben nicht unbedingt immer besser, und Prompts behalten ihre Gültigkeit nicht mehr dauerhaft.
Sobald die Plattform ihre Regeln ändert, bricht die gesamte Schreibpipeline, die um ein bestimmtes Modell aufgebaut wurde, plötzlich zusammen.
Aber das KI-Schreiben wird nicht verschwinden, es kehrt nur zu seiner eigentlichen Rolle zurück: als Werkzeug.
Es kann Materialien recherchieren, Strukturen aufbauen und Sätze überarbeiten, aber es kann den Autor nicht ersetzen, wenn es darum geht, zu entscheiden, was geschrieben wird und warum.
Mit anderen Worten: Die Erfahrung, das Urteil und der Ausdruckswille des Menschen werden immer wertvoller.
Quelle: https://arstechnica.com/ai/2026/07/chatgpt-stops-cloning-famous-writers-voices-but-may-capture-a-similar-feeling/
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „New Wisdom“, Autor: Offenbarung der KI-Ära, veröffentlicht mit Genehmigung von 36Kr.