Schlagwort-Archive: Machine Learning

Über betrunkene Algorithmen

Wir machen es uns einfach und vermeiden den Begriff Künstliche Intelligenz sowie Smarte Maschinen. Wir nennen das Ergebnis eines ausgeführten Algorithmus „Entscheidung“ wohl wissend, daß eigentlich nur Menschen entscheiden können. Algorithmus steht in unserem Falle einfachhalber auch für ein ganzes Bündel von Algorithmen, für Millionen Zeilen Maschinenschrift. Entscheidend ist, daß dieser Algorithmus eine Entscheidung über Menschen trifft ohne daß das Ergebnis von einem anderen Menschen geprüft wurde und somit als alleinige Entscheidung im Raum steht.
Um doch etwas Komplexität in den Gedanken zu bringen nehmen wir an, der Algorithmus besäße Emotionen. Dazu sei jetzt nicht notwendigerweise Bewußtsein notwendig. Auf einem Panel wird der Algorithmus, der negative Emotionen zeigt und Entscheidungen trifft „betrunkener Algorithmus“ genannt. Nicht nur ein betrunkener Algorithmus sondern ganz grundsätzlich ein Algorithmus mit Emotionen ist etwas, das viele Menschen erschreckt.

Über das Angesprochenwerden durch Maschinen

Eine Überlegung ist es, daß wir uns unsere Identität nur über die Relation zum Anderen ausbilden. Im Angesprochenwerden zeigt sich eine Seite dieser Relation. Schon (vor oder) nach der Geburt und ohne bereits eine psychische und soziale Identität ausgebildet zu haben werden wir (mit Namen) angesprochen. Das Angesprochenwerden ist vor dem Antwortenkönnen.
Heteronomie liegt vor Autonomie. Das heteronome Angesprochenwerden ist Anerkennung unserer Identität.

Diese Überlegung können wir so erweitern, daß selbst in der übelsten Ansprache die, meist unabsichtliche, Anerkennung unserer selbst durch den Übeltäter steckt. Wenn zunehmend Maschinen mit uns sprechen was bedeutet dies eigentlich? Für die Maschine sind wir verarbeitete Binärschrift; sie hat keine eigene Sicht und sieht uns nicht einmal verdinglicht. Aber was bedeutet das für uns? Wenn Maschinen uns ansprechen, bildet diese heteronome Ansprache, samt unabsichtlicher Anerkennung, auch unsere Identität aus? Und was folgt daraus wenn die sprechenden Maschinen immer mehr werden?

Über Alterszuschreibungen

Mit Ágnes Heller läßt sich der folgende Gedankengang entwickeln:

Das Alter ist ein objektiver Begriff. Das Alter ist mit einem Meßsystem reliabel erheb- und es ist darstellbar. Bemächtigt sich die, nach Kant apriori bei jedem Menschen vorhandene Einbildungskraft dieses Begriffs, ist es möglich über diesen objektiven Begriff alles zu denken. Die Einbildungskraft beeinflußt das Denken und umgekehrt. Die Phantasie ist in der Lage Vor-Urteile zu erzeugen.

Ältere Menschen sind risikoscheu weil sie sich ihrer Endlichkeit bewußt sind.
Ältere Menschen sind risikofreudig weil sie sich ihrer Endlichkeit bewußt sind.

Beide sich widersprechende Kausalaussagen sind in der Gesellschaft vorhanden und deshalb Vor-Urteile.

Die „narrative Verzerrung“ ist nach Nassim Taleb das Unvermögen logische Verknüpfungen zwischen einer Reihe von Fakten zu unterlassen. Das Bedürfnis einer Reihe von Fakten (kausale) Narrative oder Muster zuzuschreiben ist unwiderstehlich; erst dann ergeben Fakten Sinn und Ordnung, geben Kontrolle über die Fakten. Werden z.B. Wahlentscheidungen nach Altersgruppen graphisch präsentiert so werden sie interpretiert, eine Betrachtung ohne Extraktion von Mustern bzw. ohne eines Narrativs oder das Eingeständnis „das sagt mir nichts“ kommen so gut wie nie vor. „Narrative Verzerrung“ kann sowohl die Anwendung als auch die Generierung von Vor-Urteilen sein. Das Sprechen über das Ergebnis nach Altersguppen zum Brexit im Vereinigten Königreich ist mit Vor-Urteilen behaftet.

Die technisch-mathematische Anwendung der Mustererkennung ist das Data Mining und Big Data. Für viele sind die Muster die Logik der Fakten, nicht etwa nur das Korrelat. Dabei kann es zu Fehlschlüssen kommen. Wäre es nicht sinnvoll in diesem Bereich von soetwas wie maschinellen Vor-Urteilen zu sprechen?

Wie alt biste?

Gesichtserkennung ist eine der schwierigsten Machine Learning Anforderungen insbesondere wenn es sich um Situationen mit viel Bewegung und Dynamik handelt. Eine spaßorientierte und für spielerische Zwecke nutzbare Version einer Gesichtserkennung mit Machine Learning Algorithmen stellte Microsoft in dieser Woche auf dieser Seite im Rahmen einer Entwicklerkonferenz vor. Eine genauere Beschreibung mit Hintergrundinformationen zu diesem Tool gibt es hier. Natürlich mußte ich das sofort ausprobieren, das Ergebnis spricht für sich selbst. Nun gut ein wenig habe ich natürlich mit diesem obamisierten Bild geschummelt:

Gesichts- und Merkmalserkennung

Gesichts- und Merkmalserkennung

Und nein, das Bild zeigt keine vierundreißigjährige Frau ….