2642075

Warum die Autokorrektur auf dem iPhone immer noch so schlecht ist

11.02.2022 | 15:00 Uhr |

Die Fähigkeit des iPhones, unsere Wörter zu korrigieren, ist noch genauso schlecht wie vor zehn Jahren. Das kommt nicht von ungefähr.

Sie wollen einen einfachen Satz wie "Diese Versicherung würde ich sicher abschließen!" tippen und es kommt als "Diese Versicherung würde ich sicher abschießen!" heraus. Autokorrektur-Fehler sind so alltäglich, und das schon so lange, dass wir sie kaum noch zur Kenntnis nehmen, es sei denn, sie sind unfreiwillig komisch – oder der Versicherungsagent wundert sich. ( In der Macwelt haben wir uns die letzten Jahre immer wieder über einen wunderbaren Autocorrect-Fail beömmelt, der ein zugegebenermaßen nicht korrektes Wort wie "benchmarken" in ein herrlich absurdes "beschnarchen" verwandelte. Ja, unser Testcenter hat über die Jahre hinweg so manches Gerät gründlich beschnarcht … Anm. d. Red. )

Warum ist aber Autokorrektur auch heute noch so schlecht und in vielen Fällen eine Verschlimmbesserung?  Das iPhone ist vor 15 Jahren auf der Bildfläche erschienen – das Gerät, das die berührungsgesteuerte Tastatureingabe eingeführt und populär gemacht hat – und die Autokorrektur begleitet uns in der einen oder anderen Form schon seit den 90er Jahren, als Word versehentliche Großbuchstaben oder häufige Rechtschreibfehler automatisch korrigierte.

Nach Jahrzehnten und Milliarden von verkauften Geräten, ganz zu schweigen vom kometenhaften Aufstieg des maschinellen Lernens und der künstlichen Intelligenz, fühlt sich die Autokorrektur so dumm an wie eh und je. In mancher Hinsicht scheint sie sich sogar zurückentwickelt zu haben und nimmt unsinnige Ersetzungen vor, wenn ein einfacher Buchstabentausch das richtige Wort ergeben würde. Ist die Technik der Autokorrektur einfach nur sehr kompliziert? Oder versucht sie gar nicht erst, so zu arbeiten, wie sie es tun sollte? Gibt Apple ihr keine Priorität mehr?

Der Marsch der Neunen

Ich habe vor etwa 20 Jahren zum ersten Mal vom Konzept des "Marsches der Neunen" gehört (obwohl ich nicht weiß, woher dieser Begriff stammt). Ich recherchierte und schrieb über die neueste Diktiersoftware. Das war zu einer Zeit, als Computerbenutzer noch Software wie Dragon Dictate kaufen mussten, um mit ihren Geräten zu sprechen.

Diktiersoftware, die zu 90 Prozent genau ist, klingt zwar gut, ist aber wertlos. Wenn man nur eines von zehn Wörtern korrigieren muss, spart man nicht wirklich viel Zeit. Selbst eine 99-prozentige Genauigkeit ist nicht wirklich gut genug. Bei 99,9 Prozent wird es interessant: Wenn Sie Ihrem Computer 1.000 Wörter diktieren können und nur eines davon korrigieren müssen, haben Sie eine enorme Zeitersparnis (ganz zu schweigen von einem unglaublichen Hilfsmittel für die Barrierefreiheit).

Aber 99 Prozent Genauigkeit sind nicht nur 9 Prozentpunkte ( also zehn Prozent, Anm. d. Red. ) besser als 90 Prozent. Es ist sogar 1.000 Prozent besser – eine zehnfache Verbesserung –, denn die Fehlerquote steigt von einem Fehler pro zehn Wörter auf einen Fehler pro hundert Wörter.

Mit jeder "Neun", die Sie auf die Genauigkeit eines automatisierten Prozesses aufschlagen, wird dieser für den Menschen nur geringfügig besser, aber Sie müssen ihn um das Zehnfache verbessern, um dieses Ziel zu erreichen. Mit anderen Worten: 99,9999 Prozent fühlen sich für einen Benutzer nicht viel besser an als 99,999 Prozent, aber für den Computer ist es immer noch zehnmal schwieriger.

Steckt die Autokorrektur in einem "Marsch der Neunen" fest? Macht sie insgeheim gewaltige Sprünge, die uns verschwindend klein erscheinen? Das glaube ich nicht. Die Fehlerquote der Autokorrektur ist immer noch ziemlich hoch, während die ihr zur Verfügung stehende Rechenleistung (insbesondere für maschinelle Lernaufgaben) hundertmal höher ist als noch vor zehn Jahren. Ich denke, es ist an der Zeit, sich nach anderen Lösungen umzusehen.

Natürliche Sprachverarbeitung, die keine ist

Ob Sprachassistenten wie Siri oder Alexa, Sprachdiktat oder Autokorrektur – Technologieunternehmen sprechen gerne von "natural Languageprocessing", also Verarbeitung der natürlichen Sprache. Doch eine echte natürlichsprachige Verarbeitung liegt außerhalb der Reichweite all dieser Systeme. Was uns bleibt, ist eine auf maschinellem Lernen basierende statistische Analyse der Sprachbestandteile, die fast völlig ohne semantische Bedeutung ist.

Stellen Sie sich Folgendes vor: "Geh zur Krämerin an der Ecke und hol mir ein Stück Butter. Achte darauf, dass sie ungesalzen ist."

Wenn ich jemanden fragen würde, was mit "sie" gemeint ist, wüsste jeder sofort, dass ich mich auf die Butter beziehe, obwohl sich "sie" grammatikalisch gesehen genauso gut auf die Krämerin in ihrem Laden beziehen könnte. Aber wer hat schon jemals von einer ungesalzenen Geschäftsfrau gehört? Wenn wir den zweiten Satz in "Überprüfe, ob sie heute auch auf hat" ändern, wissen wir, dass "sie" sich auf die Krämerin als personifizierten Laden bezieht.

Für Menschen ist das ziemlich trivial, aber Computer sind schrecklich darin, denn Sprachsysteme sind so aufgebaut, dass sie nicht wissen, was Wörter eigentlich bedeuten, sondern nur, welche Arten von Wörtern sie sind und wie sie geschrieben werden.

All diese sprachbasierten Systeme (Sprachassistenten, Diktate, Autokorrektur) sind auf eine große Zahl schlecht bezahlter Auftragnehmer angewiesen, die Sprachproben oder Textsätze nehmen und sie akribisch kennzeichnen: Substantiv, Verb, Adjektiv, Adverb, Schimpfwort, Eigenname und mehr. Das Computersprachsystem weiß vielleicht, dass das falsch geschriebene Wort "Suppe" sein sollte, wenn Sie "Probieren Sie diese Suppe, die ich gerade gemacht habe" getippt haben, weil es ein Substantiv sein sollte und die meisten Buchstaben mit dem Unwort übereinstimmen, das Sie aus Versehen getippt haben. Aber es weiß nicht, was Suppe eigentlich ist. Genauso wenig wie die anderen Wörter in dem Satz: schmecken, gemacht, nur...

Ich glaube, das ist der wahre Grund, warum die Autokorrektur immer noch so schlecht ist. Es spielt keine Rolle, wie ausgeklügelt das maschinelle Lernen ist oder wie groß die Trainingsmenge ist, wenn man nicht weiß, was die Wörter bedeuten, nicht einmal oberflächlich.

Nur raffinierte statistische Analyse

Google sagt in Google Mail automatisch ganze Sätze für Sie voraus, aber selbst das ist nur eine sehr ausgeklügelte statische Analyse. Mithilfe von maschinellem Lernen wird ermittelt, welche Sätze am häufigsten auf die Wörter folgen, die Sie gerade bei der Beantwortung einer E-Mail mit einer bestimmten Verteilung von Schlüsselwörtern und Sätzen verwendet haben. Es weiß immer noch nicht, was das alles bedeutet.

Um mein ursprüngliches Beispiel zu verwenden: Die Autokorrektur schlug vor, die Versicherung abzuschießen, weil sie nicht weiß, dass das ein unsinniger Satz ist, gar mit einer Konnotation der Gewalttätigkeit. Wenn mein iPhone wüsste, was eines dieser Wörter tatsächlich bedeutet, und nicht nur ihre grammatikalische Rolle, wäre es für die Autokorrektur ein Leichtes, nur Vorschläge zu machen, die, Sie wissen schon, möglicher menschlicher Sprache entsprechen. (Dass ein impliziter Gewaltaufruf oder ein flapsiges Synonym für "kündigen" vorgeschlagen wurde - obwohl das Gegenteil gemeint war, zeigt natürlich nur, wie schlecht die Autokorrektur nach wie vor ist).

Autokorrektur scheint keine Priorität mehr zu sein

Tatsache ist, dass die Autokorrektur nicht mehr die Priorität hat, die sie einmal bekommen hatte. Wann hat etwa Apple zuletzt bei der Vorstellung eines neuen iOS einen massiven Sprung in der Genauigkeit der Autokorrektur verkündet?

Anfangs der Smartphone-Ära, als wir uns alle daran gewöhnten, mit großen Daumen auf winzigen Touchscreens zu tippen, war die Möglichkeit, die Fehler unserer dicken Finger zu korrigieren, ein großes Verkaufsargument. Es war ein zentrales Merkmal, das auf die elegante, benutzerfreundliche Software eines Geräts hinwies.

Die Autokorrektur mit all ihren Fehlern ist jetzt alt und langweilig. Wir haben uns schon so lange mit ihren Schwächen abgefunden, dass der Markt sie nicht mehr als Markenzeichen für Benutzerfreundlichkeit ansieht. Wir haben uns anderen Dingen zugewandt, wie ausgefallenen Kamerafunktionen und Benachrichtigungen. Ich bin mir sicher, dass es bei Apple und Google kluge, hart arbeitende Ingenieure gibt, die an der Autokorrektur arbeiten, aber sie erhalten wahrscheinlich nur einen Bruchteil der Ressourcen, die dem Team zur Verfügung gestellt werden, das dafür zuständig ist, geringfügig bessere Fotos zu machen, denn geringfügig bessere Fotos können Smartphones verkaufen, eine geringfügig bessere Autokorrektur nicht.

Es bedarf eines gewaltigen Sprungs in der KI-Modellierung und -Leistung, bevor unsere Smartphones die semantische Bedeutung von Wörtern erkennen können. Aber schon jetzt könnte viel mehr getan werden, um unsinnige Sätze und unsinnige Autokorrekturvorschläge herauszufiltern, die zu sinnlosem Geschwafel führen.

Ich würde mich einfach freuen, wenn es überhaupt eine Verbesserung gäbe. Alles, um die Autokorrektur aus dem Trott zu holen, in dem sie steckt. Denn bei all unseren Tippfehlern auf dem iPhone ist es auch wenig hilfreich, die Autokorrektur abzuschießen.

Macwelt Marktplatz

2642075