Gute Vorsätze für den ersten Januar…
BLOG: Biosenf
Würziges aus den Biowissenschaften
Guten digitalen Rutsch euch allen!
Da ich mich dieses und letztes Jahr etwas mit künstlicher Intelligenz, Deep learning, Mustererkennungen und weiteres algorithmisches beschäftigt habe, setze ich hier und heute ein kleine Liste auf, für alle, die sich vornehmen – jedenfalls noch am ersten Januar – endlich zu verstehen, was es eigentlich jetzt mit diesem „Big Data, KI und so“ auf sich hat, was für moralische Zwickmühlen diese Dinge heutzutage produzieren und in Zukunft produzieren werden. Und damit ihr vielleicht auch nach der ausschweifenden Sylvesterparty dieses schwere Unterfangen angehen könnt, habe ich hier ein Paar besonders verdauliche Häppchen vorbereiten. Nicht so viel „bio“, trotzdem spannend und ein wichtiges Thema:
- Datenethik:
Ein tolles serious game der RTS (Radio television suisse), hat mich am Anfang des Jahres 2017 echt begeistert. Vielleicht fallen euch ja ähnlich Spiele ein? Ich freue mich über Tipps. Geschaffen von DNA-Studios kann man mit diesem Spiel viel über unsere lieben personenbezogene Datenberge im Internet lernen und wie man sinnvoll damit umgeht.
www.datak.ch
- Moral der Maschine:
Sollte ein autonomes Fahrzeug lieber einer Meute Hunde ausweichen und dafür eine Gruppe Katzen überfahren oder die Hunde für die Katzen opfern? Diese und einigen andere weniger absurde Fragen muss man sich in diesem umfragenbasiertem Spiel/ Demo /Datensammelsoftware des MIT Media labs stellen. Das ist eine „Fakultät“ des Massachusetts Institute of Technology in Boston, an dem an der Schnittstelle von Design und Technologie geforscht wird. Das Thema des Spiels: welche moralischen Regeln sollte ein autonomes Fahrzeug befolgen?
http://moralmachine.mit.edu/ - KI und unsere vernetzte Welt verstehen:
Der Verein iRights stellte am 11.12. 2017 ein schönes Website-Projekt online, in dem die Besucher anhand der Geschichten der Protagonistin Anna verstehen sollen, wie vernetzt wir heute schon sind und was die ethisch, sozialen und juristischen Herausforderungen dieser Vernetzungen sind. Einer der Autoren des ersten Szenarios zum Thema „Wohnen“ ist Phillip Banse, der auch das Podcast „Lage der Nation“ mitmoderiert, von dem ich großer Fan bin. Er steuerte eine Reportage bei. Weiterhin folgen wohl bald Szenarien zum Thema Gesundheit, Einkaufen und Freizeit. Ich bin gespannt.
www.annasleben.de - Jobs und KI:
Kurz und knapp erkennen wir mit dieser Seite der BBC, was für eine erhebliche Bedeutung die Robotisierung in den nächsten Jahren für unser Arbeitsleben haben könnte. Was kam bei euch raus?
www.bbc.com/news/technology-34066941
Ein Smart Home wie in „Annas Leben“ dargestellt, bringt im Vergleich zu heute, wo Anna ihr Smartphone und die sozialen Medien nutzt um sich zu verabreden, sich mitzuteilen und sich darzustellen und wo sie selbst den Roomba-Staubsauger startet oder selbst den Tee aufsetzt, nicht sehr viel. Wenn das Smart Home selbstständig die Stimmung von Anna erkennt und etwa darum Tee anbietet, dann zeigt es immerhin Potenzial, Potenzial sich selbst als Person, als Partner einzubringen. Könnte ich dem Smart Home oder vielleicht besser meinem mich ständig begleitenden und über mich informierten Assistenten dagegen ganze Abläufe anvertrauen, sähe es anders aus. Ein Assistent der weiss was alles zu tun ist, wenn ich in die Ferien gehe und der mein Haus während dieser Zeit für ausgewählte Personen (Freunde) freigibt, der mich über in Abwesenheit eingehende Post und anderes auf dem laufenden hält und der immer mitddenkt, der wäre tatsächlich nützlich. Wirklich bereichernd wäre er aber, wenn ich auch Dinge von ihm lernen könnte ( wie beispielsweise Bridge spielen) oder wenn er beispielsweise etwas kochen könnte auf das ich Lust habe, das aber meine Kochkompetenzen übersteigt. Davon sind wir noch weit entfernt. Man kann beispielsweise heute einen digitalen Assistenten nicht einmal den Auftrag geben im Voraus abzuchecken ob ein Hotel meinen Ansprüchen (z.B. In Bezug auf Lage, Personal, Besucher) genügt, denn der Assistent versteht weder meine Ansprüche noch weiss er überhaupt was ein Hotel ist.
Das Web ist sozusagen, nach der Erfindung der Sprache, nach der Schrift und nach der der Industrie (“Buchdruck” und so), die zuvorkommende Bearbeitung der Menge bleibt gemeint, deren sozusagen Schwarm-Intelligenz nur medien-seitig gelöst werden konnte,
der Vierte Zivilisations-Schritt.
Wenn Alle mit Allen verbunden sind, sozusagen, entstehen besondere philosophische Anforderungslagen, auch das Sittliche meinend.
Bspw. wenn es um das sogenannte Autonome Fahren von sogenannten Autos geht.
Allerdings entstanden derartige Herausforderungen nicht erst durch das “Auto” selbst, sondern obliegen der Verständigkeit des Seins schlechthin, die dann allerdings, ethisch, heutzutage in Software sozusagen einzugießen ist, eben auch das “Auto” meinend.
Merksatz :
“Software” ist nicht dafür da soziale Probleme zu lösen.
—
Soll heißen, dass die Technologien, die Informationstechnologie meinend, schon an sich gut sind, wertvolle Instrumente bereit stellen könnten, dass abär das Fortkommen des hier gemeinten Primaten derart nicht anvertraut werden kann, sondern dass sich sozusagen individuell weiterhin der “Blaumann” angezogen werden muss, um das Sittliche, die Kultur, zu pflegen wie weiter zu entwickeln.
LG
Dr. Webbaer
Künstliche Intelligenz wird heute (wieder einmal) überschätzt. Deep Learning, also künstliche neuronale Netze haben zwar spektakuläre Resultate gebracht, allerdings nur gerade darin, Dinge zu identifizieren und zu kategorisieren. Heutigen KI-Systemen fehlt aber die Fähigkeit zum abstrakten Denken, zum Denken in Begriffen, zum Schlussfolgern und dazu, komplexe Zusammenhängen herzustellen. Heutige Deep Learning Systeme müssen mit möglichst viel Beispielen (Trainingsdaten) gefüttert werden, um dann neue Daten, die einigermassen den Trainingsdaten entsprechen, den richtigen Kategorien zuordnen zu können. Doch es genügen oft schon kleine Abweichungen in den neuen Daten um sie völlig versagen zu lassen und etwa einen Apfel als Pistole zu interpretieren. Einen Überblick über diese Probleme gibt der Artikel Deep Learning: A Critical Appraisal