Häufig wird die Kritik geäußert, dass Foundation-Modelle wie ChatGPT nur bestehen-den Inhalte aus dem Internet reproduzieren oder neu zusammenstellen und nicht wirk-lich kreativ sind. In der Tat werden letztlich nur Inhalte, die bereits digital existieren, neu kompiliert und kuratiert. Das Modell kann keine neuen Informationen aus dem Nichts erschaffen. Es kann jedoch neue Sätze und Texte generieren, indem es vor-handenes Wissen und Kontexte kombiniert und weiterführt. Zum Teil relativiert sich diese Kritik. Fragt man beispielsweise Journalisten wie sie Artikel erstellen, so hört man häufig die Antwort, dass sie das Internet durchforsten und auf Basis eines interes-santen Fundstücks einen Artikel schreiben. In der Kunstszene gibt es das provokante Zitat: „Good artist copy – Great artist steal“. Insofern ist das Recyclen bestehender In-halte in gewisser Weise auch der menschlichen Arbeitsweise immanent.
Eine andere Antwort auf den wirklichen Neuigkeits- und Kreativitätsgrad von Inhalten gibt die Methode TRIZ aus der Innovationsforschung. Die TRIZ-Theorie basiert auf der Analyse von Tausenden von Patenten und Erfindungen, um wiederkehrende Muster und Prinzipien zu identifizieren, die in erfolgreichen Lösungen vorkommen. Der Wis-senschaftler Genrich Saulowitsch Altschuller und seine Mitarbeiter fanden heraus, dass erfolgreiche Erfinder ähnliche Denkmuster und Strategien nutzten, um Probleme zu lösen. Auf dieser Basis entwickelte er eine Methode, die es den Anwendern ermög-licht, diese Muster und Strategien gezielt anzuwenden, also auch in gewisser Weise zu recyclen.
Insgesamt lässt sich auf diesen Überlegungen sagen, dass 27 % der Innovationen durch Imitation (sowie GPT-3 auch verschiedene Textvarianten imitieren kann) und 70% durch Exploration und Vorhersage (analog zu der Vorhersage des jeweils nächsten Wortes durch GPT-3) erklären lassen. Nur 3 % sind radikal kreativ und stellen eine wirkliche Invention dar, die es vorher in der oder in ähnlicher Form noch nicht gegeben hat.
