Lehr- und Lernsituationen in künstlichen Dialogen

Es gibt eine umfangreiche Literatur zum Thema „ Lehr und Lernsituationen“ (ein Beispiel ist hier zu finden); aber kaum ein Beitrag beschäftigt sich mit dem im  Zentrum einer Lehr- und Lernsituation stehenden  Problem des Verstehens. Wenn nichts verstanden wird, kann man – radikal gesprochen – das Lehren und Lernen eigentlich auch  ganz lassen. Wir bemühen uns hier um eine verstehens-orientierte Lehr- und Lernsituation. Ein Beitrag zum Thema „Lehr- und Lernsituation“ ist auch   von Kuno Lorenz   in der Enzyklopädie von Jürgen Mittelstraß im Band 4 zu finden.

In unserem vorangehenden Blogbeitrag haben wir ein Problem aufgezeigt, das noch ungelöst im Raume steht. Um eine Lehr- und Lehrsituation in künstlichen Dialogen darzustellen, nehmen wir dieses Beispiel.

Frage. kurz und knapp:

Wie hoch muss der Anteil an Erneuerbaren Energien (EE) ansteigen, damit die Deckungsbeiträge verschwinden.

Wir setzen wie im vorherigen Blog voraus, dass dem ChatGPT  das Gogol- Wissen  über Merit-Order, Grenzkosten und Deckungsbeiträge bekannt ist. Und dann kann es losgehen:

Frage an den ChatBot:

Wie hoch muss der Anteil an Erneuerbaren Energien (EE) ansteigen, damit die Deckungsbeiträge verschwinden?

Antwort vom ChatBot:

Ich kann die Frage verstehen.

Frage an den ChatBot:

Zeige mir das Diagramm der Forschungsstelle für Energie (FfE), dass Erneuerbare aufzeigt.

Antwort  vom ChatBot:

Ja. Hier ist es:

Frage an den ChatBot:

Wunderbar. Jetzt schiebe die grünen Erneuerbaren nach rechts. Damit sie wachsen. Was siehst Du?

Antwort vom ChatBot:

Die Fläche der Deckungsbeiträge wird immer kleiner.

Frage an den ChatBot:

Jetzt zeichne eine Kurve: Umfang der Deckungsbeiträge über dem Anteil der grünen Erneuerbaren in %

Antwort vom ChatBot:

Hier ist das Bild:

Frage an den ChatBot:

Jetzt kannst du ja die Frage beantworten?

Antwort vom ChatBot:

Wenn der Anteil der grünen Erneuerbaren 100% erreicht, verschwinden die Deckungsbeiträge.

Frage an den ChatBot:

Wunderbar: Du hast ein großes Lob verdient.

Ende des Dialogs

Bemerkung: Der ChatBot muss den Begriff „Anteil von …“ kennen. Wenn nicht, müssen wir in einen Unterdialog treten, um ihm das Schema einer Teil-Ganze-Relation zu erklären.  Problematisch ist das Verschieben des Grenzkostengebirges von Merit-Order. Das ist aber mathematisch gesprochen eine Translation, und das kennt er.

Man erkennt: Schulung eines ChatBot kann ein mühevolles Geschäft sein. Intelligenz kommt vom Lateinischen „intellegere“ = einsehen, verstehen. Und das ist in der Regel nicht ganz einfach, obwohl man gerne so tut, als sei es das. Statt KI sagen wir lieber KV für Künstliches Verstehen.

2 Kommentare zu „Lehr- und Lernsituationen in künstlichen Dialogen

Kommentare sind geschlossen.