Was wäre, wenn die Regulierung von Large Language Models plötzlich nicht mehr nur Technologiepolitik wäre, sondern ein Fall für die Meinungsfreiheit? Dann würde aus einer Debatte über Sicherheit, Haftung und Kontrolle sehr schnell eine Debatte über Grundrechte. Genau hier setzt das Paper von Eugene Volokh, Mark A. Lemley und Peter Henderson an. Die Autoren argumentieren, dass der Output generativer KI rechtlich als geschützte Rede verstanden werden könnte. Nicht unbedingt, weil die KI selbst Rechte hat, sondern weil ihre Entwickler:innen und vor allem ihre Nutzer:innen Rechte haben, Informationen zu empfangen und mit Hilfe der Systeme selbst zu kommunizieren. Für die USA ist das ein starker Gedanke. Für Deutschland ist er interessant, aber deutlich weniger belastbar. Was ist das ökonomische Grundproblem? Im Kern geht es um die Kontrolle von Informationsproduktion. Staaten wollen Risiken von LLMs begrenzen: Desinformation, Manipulation, Diskriminierung oder gefährliche Inhalte....
Hier finden Sie Begleitmaterial zu dem veröffentlichen Artikel ' Teststärke in verteilungsfreien Hypothesentests ' (nachfolgend Varmaz/Riebe (2019)) aus der Zeitschrift 'Wirtschaftswissenschaftliches Studium - WiSt', Heft 2-3, 2019. Es wird das Vorgehen zur Berechnung der Teststärke in Microsoft Excel™ (nachfolgend: Excel) anhand eines illustrativen Beispiels erläutert; insbesondere jedoch die Bestimmung der Teststärke in verteilungsfreien Hypothesentests basierend auf Resampling-Verfahren. Hinweis: Eine allgemeine Einführung in die theoretischen Grundlagen zur Bestimmung der Teststärke ist nicht Bestandteil dieses Blog-Beitrags.