Teil I · Kapitel 10
10. Lernen im Verlauf eines fortlaufenden Gesprächs
Leitfrage
Wie verändern schrittweise Korrekturen der KI während eines Gesprächs ihre späteren Antworten?
Beschreibung
Der erste Prompt muss nicht perfekt sein. Nutzerinnen und Nutzer können Ausgaben bewerten, Interpretationen korrigieren, Unterscheidungen ergänzen und über mehrere Gesprächsrunden hinweg Präferenzen etablieren. Das Modell passt seine nächste Antwort an die im Kontext verfügbare Interaktionsgeschichte an.
Verfasse eine Arbeit über den wirtschaftlichen Wert von Schönheit im Tourismus.
Nach der Chat-Antwort (oder deiner Aktion) weiter mit:
Du interpretierst wirtschaftlichen Wert zu eng. Beziehe indirekte Wirkungen auf Destinationsebene ein. Behandle Schönheit als mögliches territoriales Gut und nicht nur als Merkmal eines touristischen Produkts.
Nach der Chat-Antwort (oder deiner Aktion) weiter mit:
Unterscheide wahrgenommene Schönheit von Investitionen in Ästhetik. Trenne die Wertschöpfung für Unternehmen, Einwohnerinnen und Einwohner, Gemeinden und das Destinationssystem.
Nach der Chat-Antwort (oder deiner Aktion) weiter mit:
Überarbeite die Arbeit jetzt vollständig.
Erwartete Wirkung
Im Gesprächsverlauf werden Korrekturen zu einem Kapital. Das Modell löscht validierte Unterscheidungen nicht mehr: Jede Runde verfeinert das nächste Deliverable.
Gespräch -> Ausgabe -> Feedback -> Anpassung -> verbesserte Ausgabe.
- Genauigkeitshinweis: Dies ist eine operationale kontextinterne Anpassung. Sie bedeutet üblicherweise nicht, dass die zugrunde liegenden Parameter des Modells während des Gesprächs neu trainiert werden.