KI muss wie Schüler unterrichtet werden: Yandex enthüllt Details zum Training von neuronalen Netzen

In Anbetracht der rasanten Entwicklung der künstlichen Intelligenz im Jahr 2026 wird nicht nur die Leistungsfähigkeit von Rechenclustern, sondern auch die Qualität der Quelldaten zu einem entscheidenden Erfolgsfaktor. Pjotr Jermakow, Brand Director für maschinelles Lernen bei Yandex, enthüllte in einem Interview mit RBC Details darüber, wie das Unternehmen seine Modelle auf die Arbeit in der realen Welt vorbereitet. Es stellte sich heraus, dass der Trainingsprozess moderner neuronaler Netze in vielerlei Hinsicht dem Schulsystem ähnelt, wobei lebende Experten die Rolle der Lehrer übernehmen.

Phase der Datensammlung und Digitalisierung: Arbeit mit nicht-digitalen Medien

Die erste und fundamentale Phase des Trainings ist die sorgfältige Auswahl und Vorbereitung der Daten. Pjotr Jermakow betonte, dass Yandex Informationen nicht einfach nur aus öffentlichen Quellen sammelt, sondern Datensätze speziell für das Training vorbereitet. Ein erhebliches Problem bleibt die Verfügbarkeit von Informationen: Ein erheblicher Teil des Wissens befindet sich immer noch auf nicht-digitalen Medien. Um diese Aufgabe zu lösen, arbeitet das Unternehmen aktiv mit Universitäten und Bibliotheken zusammen, um Archivmaterialien zu digitalisieren und sie für Algorithmen zugänglich zu machen. Ohne diese Phase ist es unmöglich, die Tiefe und Genauigkeit der Antworten des Modells zu gewährleisten.

Die Rolle der Trainer: Warum Menschen mit akademischen Graden benötigt werden

Die zweite Trainingsphase ist die Arbeit mit „Trainern“. Im Gegensatz zu frühen Modellen, die ausschließlich auf großen Textmengen ohne Kontext trainiert wurden, erfordern moderne Systeme die Beteiligung qualifizierter Fachkräfte. Zu den Trainern gehören Lehrer, Dozenten und Doktoren der Wissenschaft. Genau sie helfen dem Modell, Wissen zu strukturieren und komplexe kausale Zusammenhänge zu verstehen. Dieser Ansatz vermeidet Halluzinationen und gewährleistet die logische Kohärenz der Antworten.

Spezifika des Trainings juristischer Modelle

Bei Yandex wird besonderes Augenmerk auf die Erstellung von hochspezialisierten Modellen gelegt, beispielsweise im juristischen Bereich. Damit die KI korrekte Rechtsberatung leisten kann, werden erfahrene praktizierende Anwälte in den Prozess einbezogen. Ihre Aufgabe besteht darin, komplexe Fragen zu generieren und die Antworten des Modells zu korrigieren, damit es lernt, so sachgerecht wie möglich zu antworten und die gesetzlichen Vorschriften einzuhalten. Die Effektivität solcher Kontrollmaßnahmen hängt direkt von der Größe des Modells und der „Durchsatzkapazität“ des Teams ab, das seine Arbeit überprüft.

Widersprüchliche Daten

Bei der Analyse des Trainingsprozesses zeigt sich ein interessanter Aspekt: Es gibt ein Gleichgewicht zwischen Automatisierung und menschlicher Kontrolle. Einerseits betonen die Trainer, dass ohne die Beteiligung von Experten (Rechtsanwälten, Wissenschaftlern) keine hohe Genauigkeit in spezialisierten Domänen erreicht werden kann. Andererseits ist die Effektivität der Kontrolle durch den menschlichen Faktor begrenzt – die „Durchsatzkapazität“ der Menschen, die die Antworten überprüfen. Dies stellt eine Herausforderung für die Skalierung dar: Je größer das Modell und je breiter seine Funktionalität ist, desto schwieriger ist es, eine totale menschliche Kontrolle über jede einzelne Antwort zu gewährleisten, was zu Variabilität in der Qualität der bereitgestellten Informationen führen kann.