1. UX FÜR KÜNSTLICHE
INTELLIGENZEN
Berlin, 06.Mai, 2017
Image: Retronaut

2. Image: Screenshot

3. _BLANC
Image: DMITRI KESSEL/GETTY IMAGES

4. _BLANC
Image:Wikipedia

5. _BLANC
Image: Orion Pictures

6. Image: 20th Century Fox

7. _BLANC
Image:AP

8. _BLANC
Image: Photo: Ben Hider/Getty Images

9. _BLANC
Image:AP Photo/Lee Jin-ma

10. _BLANC
Image:Tim Kaulen/Carnegie Mellon University

11. Skepsis
gegenüber KI verständlich

12. Nicht wir gegen die
Maschinen
VS

13. Wie wir ein optimales
Miteinander gestalten

14. THE NEXT 25 MINUTES…
WAS IST KÜNSTLICHE INTELLIGENZ,
WIE GESTALTEN WIR EIN MITEINANDER
UND WIE GEHT ES IN DER
ZUKUNFT WEITER?

15. DAS BIN ICH, JAN!
SENIOR UX DUDE
EXB RESEARCH & DEVELOPMENT
@JANKORSANKE

16. EINFÜHRUNG IN KI
Image: LONDON EXPRESS/GETTY IMAGES

17. KÜNSTLICHE INTELLIGENZ?

18. Intelligent behaviour in an
autonomous agent —
THIS is AI.
BEEP
BEEP

19. MACHINE LEARNING
DEEP LEARNING
NEURONALE NETZWERKE
NATURAL LANGUAGE PROCESSING

20. Machine Learning ist einTeil von KI.
Die Fähigkeit eines Algorithmus aus
vorhandenen Daten ein Verhalten
abzuleiten.
ML lehrt Maschinen, Entscheidungen
zu treffen in Situationen, die sie noch
nicht kennen.

21. Deep Learning ist ein Zweig von ML.
Bezeichnet eine Klasse von
Optimierungsmethoden künstlicher
neuronaler Netze.
KI
Machine
Learning
Deep
Learning
Ziel ist, die zahlreiche Zwischenlagen
eines Netzes zu erweitern und weiter
zu verbessern.

22. Neuronale Netzwerke sind große
Massen an verbundenen Einheiten.
Diese Einheiten werden wiederum
“künstliche Neuronen” genannt.
Neuronale Netzwerke finden Muster
in Daten durch Kombination von
multiplen Schichten dieser Neuronen.

23. Natural Language Processing ist das
Verstehen, Verarbeiten und die
Wiedergabe von natürlicher Sprache.
NLP ist aktuell eine große und wichtige
Herausforderung in der KI Forschung,
da menschliche Kommunikation alles
andere als leicht und linear ist.

24. STUFEN DER KI

25. Artificial Narrow Intelligence
Artificial General Intelligence
Artificial Superintelligence

26. Narrow
Intelligence
Erledigung spezifischer Aufgaben:
(Auto fahren, Übersetzen, Bilderkennung)

27. Narrow
Intelligence
Erledigung spezifischer Aufgaben:
(Auto fahren, Übersetzen, Bilderkennung.
General
Intelligence
Ein Algorithmus, der jede geistige Tätigkeit
wie ein Mensch leisten kann.

28. Narrow
Intelligence
Erledigung spezifischer Aufgaben:
(Auto fahren, Übersetzen, Bilderkennung.
General
Intelligence
Ein Algorithmus, der jede geistige Tätigkeit
wie ein Mensch leisten kann.
Superintelligence
“EinVerstand, der viel klüger ist als die besten
menschlichen Köpfe in praktisch jedem Feld
(Kreativität,Wissen, Sozialkompetenzen).”
Nick Bostrom

29. _BLANC
Machine
intelligence is the
last invention
that humanity
will ever need to
make.
Nick Bostrom
“
Image:TED

30. _BLANC
Image:TEDImage: Amazon

31. WARUM JETZT?

32. _BLANC
AI WINTER
Image: WALLACE G. LEVISON/THE LIFE PICTURE COLLECTION/GETTY IMAGES

33. Bessere
Algorithmen
Mehr DatenMehr
Rechenleistung

34. WAS KANN KI AKTUELL
UND WAS NICHT?

35. _BLANC
Image: oneyard.com/

36. Image: Science Picture Co Collection Mix: Subjects Getty Images/

37. Image: wikipedia.org

38. _BLANC
Image:AP Photo/Lee Jin-ma

39. Image: Beltz & Gelberg

40. !KI ist es mittlerweile gelungen, alles zu tun
was “denken” benötigt, aber ist in den
meisten Dingen, die wir “ohne zu denken”
machen, gescheitert. Donald Knuth

41. _BLANC
Image: Giphy

42. Unabhängig von dem großen Einfluss von KI in der Zukunft, sind
die aktuellen Implementierungen immer noch sehr limitiert.

43. Arbeit mit KI bedarf sehr überlegter Auswahl des In- und
Outputs und zugleich der Daten, welche es der KI
ermöglichen, die Beziehung von diesen zu verstehen.
Die kreative Wahl von Input und Output hat
bereits viele Branchen revolutioniert und wird
es noch mit vielen weiteren tun.

44. UX FÜR KI
Image: BETTMANN/CORBIS

45. Wie wir optimales
Miteinander gestalten

46. WAS BEDEUTET DAS GENAU?

47. KI Algorithmen sollen Jobs einfacher, leichter und
produktiver machen. Dies inkludiert Darstellung,Analyse
Trainingsmodelle, Dateneingabe, etc.
Status quo: die meisten Tools für den Umgang mit
KI wurden von KI-Software Ingenieuren_innen
entwickelt.

48. Image: http://imgur.com/ // mistaspeedy

49. Die große und zugleich einfache UX Herausforderung:
Systeme gestalten, mit denen gearbeitet werden
kann, ohne das jemand mit einem
Dr. in Machine Learning anwesend sein muss.

50. Rückblick: Erste kommerzielle Software
Image: Rexhep-bunjaku/Wikimedia Commons

51. Sehr wahrscheinlich, dass Usability auch die Sieger und
Verlierer im Rennen um kommerziellen Erfolg von KI
Softwarefirmen bestimmt.

52. DISCLAIMER:
Image: LESLIE JONES COLLECTION/BOSTON PUBLIC LIBRARY

53. _BLANC
DISCLAIMER:
Alle Design- und Usability-Paradigmen gelten natürlich
auch für KI Anwendungen.
Image: LESLIE JONES COLLECTION/BOSTON PUBLIC LIBRARY

54. USE CASES

55. Künstliche Intelligenz wird immer mehr in Unternehmen
einziehen. Über KI selbst zu lernen, ist genauso wichtig wie zu
lernen, wie KI zu mir passt.
- KI -
- ZERBRECHLICH -
Image: focusmovers.com/

56. Smarte Algorithmen gut überlegten Use Cases vorzuziehen,
ist der größte Fehler in KI Initiativen von vielen Firmen.
Image: wikipedia.org

57. Die Suche nach besseren Ergebnissen wird sich vomTrainieren
der Algorithmen zur Verbesserung der Use Cases verschieben.
Image: No source

58. Aipoly Vision
Image:AipolyVision

59. Image:AipolyVision

61. ?Oder ihr es nur macht, weil man es
gerade eben macht.
Stellt euch bitte die Frage, ob eine KI
Anwendung in eurem Fall wirklich
Mehrwert stiftet und sinnvoll ist.

62. FRAGE UND ANTWORT

63. Unsere Historie mit Computern
Unsere Erwartungshaltung an die Interaktion
mit Computern hat sich dem Zeitalter der
Suche angepasst.

64. Image: Google

65. Frage Antwort

66. Frage Antwort

67. ge An
Wir haben gelernt, dass die Suche für
einige Arten von Fragen gut ist, aber
schlecht für andere.

68. ge An
Was aber, wenn das System dir eine
Rückfrage stellt?

69. Image: Giphy

70. Frage Antwort
In der Zukunft werden Fragen mit Gegenfragen beantwortet…
…und der Weg zur gesuchten Antwort führt über eine Serie
von Antworten, die ich geben muss.
Rückfrage
Antwort
Rückfrage
Antwort
Rückfrage
Antwort
Rückfrage

71. Computer werden nicht mehr dumm Fragen beantworten,
sondern schlaue Fragen stellen.
Aber was sind Regeln und Etikette von Computern,
die mit uns sprechen und Fragen stellen?

72. Was bereits über die Nutzung und Akzeptanz
von Entscheidungsbäumen und Wizards
gelernt wurde, hilft hier sicherlich.
Besonders wie User bewerten, ob der
Zeitaufwand in dieser Interaktion einen
positiven Nutzen hat.

73. Usern den erfolgreichen und einfachen Umgang
mit Algorithmen,Trainingsmodellen, Dateneingabe,
Darstellung, etc. ermöglichen.
Wenn User nur im Geringsten das Gefühl haben, Zeit zu
verschwenden, werden sie abbrechen.
Die ersten Interaktionsmomente sind hier entscheidend.
Image: http://www.roadpickle.com/spam-museum-of-austin-mn/ - Steve Johnson

74. KOMPLEXITÄT

75. !Die Masse an Daten und die Komplexität der
Darstellung sind viel zu groß, um sie dem
Nutzer ungefiltert weiterzugeben.

76. Word2Vec
word
Quelle:
Label by:
Image:Tensorflow

77. Image:Tensorflow

78. Image:Tensorflow

79. Image: www.nytimes.com/2016/12/14/magazine/the-great-ai-awakening.html

80. WORLD
KI
Image: Google

81. In vielen Anwendungen ist KI
schon fester Bestandteil, wir
merken es nur nicht.
Image: Google

82. Ähnlich wie gutes Design,
sollte auch KI unaufdringlich
sein, den User aber dennoch
bestmöglich unterstützen.
Image: Google

83. Die Masse an Daten und die Komplexität der Darstellung
sind viel zu groß, um sie dem Nutzer
ungefiltert weiterzugeben.
Unsere Aufgabe ist es, Usern zu ermöglichen
durch große Mengen an Daten zu navigieren
und sie analysieren zu können.

84. STATUS, NOTIFICATIONS
UND ONBOARDING

85. Wann ist es
fertig?
Was passiert
gerade?
Wie fange ich
überhaupt an?

86. Image:Tensorflow

87. Image: Giphy

88. Herausforderung: Manche Berechnungen dauern ewig
Image:A. R. MOORE/NATIONAL GEOGRAPHIC CREATIVE/CORBIS

89. Images: Slack;WhatsApp; Facebook

90. Image: Google

91. Image: Jeff Patton - User story mapping

92. Image: Jeff Patton - User story mapping
P.S.: I miss you!

93. Schätzung der
Berechnungsdauer
Statusindikator,
Prozessschritt
Gutes Onboarding,
kein Empty State,
Beispielcase

94. BIAS

95. Ziemlich unpassende Sichtweise
man : computer programmer woman : homemaker
Leider nicht für eine KI

96. Image: MITTech Review

97. ?
In 2013 hat eine Gruppe Google-Forscher
eine neuronales Netzwerk auf einen
Korpus von 3 Mio. Wörtern losgelassen.
Das Ziel war es, Patterns zu finden, die
zeigen wie Wörter zu einander stehen,
um deren Beziehung abbilden zu
können.

98. Wörter mit ähnlicher Bedeutung besetzen
ähnliche Räume imVektor.
Die Patterns können durch Vektoren in einemVektorraum
mit 300 Dimensionen abgebildet werden.
Beziehung der Wörtern kann durchVektor-
Algebra abgebildet werden.
“man : king :: woman : queen.”
“sister : woman :: brother : man,”

99. Die entstandene Datenbank
heißt Word2vec.
Forscher benutzen sie für
Übersetzungen oder
intelligenten Websuche.
Image: http://mylearning9.com/?p=4

100. Image: http://flatironschurch.com/fi-messages/so-far-so-good-far-good-hope/

101. Es gibt ein nur Problem mit dieser Datenbank:
Sie ist sexistisch
Image: http://flatironschurch.com/fi-messages/so-far-so-good-far-good-hope/

102. Beispiele:
Paris : France ::Tokyo : x x = Japan
father : doctor :: mother : x x = nurse
man : computer programmer :: woman : x x = homemaker
SAY WHAAAAAAT

103. Befragung, ob diese Analogien
angemessen waren oder nicht.
Mit “hard de-biasing.”-Prozess
dieVerformung behoben.
Vektorraum nach Wortpaaren, die
ähnlichenVektoren wie “she: he.”
produzieren, durchsucht.
Verformung korrigieren, dabei
die Grundstruktur erhalten.
Image: Retronaut / Mashable

104. Computer programmer CV
Das hat eine immense Wirkung - ein Beispiel aus Websuche:
Computer
programmer
#3
#1
#2
#4

105. Die KI Community selbst hat ein hausgemachtes Problem, weil
die Meisten immer noch weiß, jung und männlich sind.
Image: R.H. Fowler

106. VERTRAUEN

107. Image: Flickr/Pilots Of Swiss

108. Image: http://www.wikiwand.com/it/Otto_Disc

109. Image: Google

110. Generell empfinden wir Mitmenschen als
vernünftige und kompetente Fahrer(meistens).
Wir verstehen dasVerhalten von Menschen auf
einem intuitiven Level und fühlen uns als könnten
wir vorhersagen, wie sie sich verhalten werden.
Diese Empathie haben wir aktuell für KI noch nicht.

111. Siri trifft keine
Entscheidungen die unser
Leben beeinflussen.
Es ist okay, wenn man den
Ursprung nicht versteht.
Image: Jim Merithew/Cult of Mac

112. BEEPBEEP
Systeme, die wichtige
Entscheidungen für uns
treffen, benötigen mehr als
ein paar Buttons und einen
Statusindikator.
Where the magic
happens
Ziemlich komplexer
Input
Ziemlich
komplexer Output

113. Vertrauen Empathie MenschTechnologie
Wenn der Zweck von KI ist, anspruchsvolle Entscheidungen für
uns zu treffen, ist es sinnlos, wenn wir ihnen nicht vertrauen.

114. Image: Google

115. Image: Google

116. Image: UBER

117. Image: UBER

118. Was aber, wenn KI Entscheidungen
wirklich besser treffen kann.
Strassenschilder
Röntgenbilder
Tiere
?Gewebe
Schriftzeichen

119. Image:Youtube: Markus Mathias

120. Amazon Rekognition

121. REASONING

122. Image: IBM Watson

123. Image: IBM Watson

124. Image: wikipedia.org

125. Image: wikipedia.org / Walber

126. Unabhängig welche Form
der Begründung ihr
verwendet, stellt sicher, dass
sie die User auch verstehen.
Image: wikipedia.org / Walber

127. Detailgrad der Begründung
HochNiedrig
Ich
(Village Idiot)

128. ZUSAMMENFASSUNG UND AUSBLICK
Image: IMAGE: STANLEY LEWIS/BIPS/GETTY IMAGES

129. Entwickelt Use Cases für dieVerwendung von KI
Rückfragen werden die neuen Antworten sein
Vertrauen ist ein hartes Stück Arbeit
Passt eure Begründung auf den User an
Wälzt die Komplexität nicht auf den User ab
Bedienung auch ohne Dr. in Machine Learning
Lasst keine Subjektivität entstehen (Sexismus stinkt)

130. WO KANN KI SCHADEN?

131. KI hat das Potenzial, sowohl das Beste als auch das
Schlimmste der Menschheit zu reflektieren
KI unterstützt Einsame mit
Unterhaltung und
Aufmerksamkeit
KI äußert aber auch
rassistische
Diskriminierungen.

132. Den grössten Schaden, den KI wahrscheinlich anrichten wird, ist
Stellenabbau. Denn der Teil der Arbeit, den wir
automatisieren können, ist grösser als jemals zuvor.
Wir sind dran, eine Welt zu formen, in der jeder
die Chance hat sich weiterzuentwickeln
bzw. zu wachsen.

133. ?
Was passiert mit uns?
Wer in seinem Beruf weiterhin
relevant bleiben möchte, sollte sich auf
Fähigkeiten fokussieren, die KI nur
schwer ersetzen kann.
Verständnis, Motivation und
Interaktion mit Menschen. Megan Beck &
Barry Libert

134. _BLANC
Image: Guinness book of records

135. WO KANN KI SCHADEN?
(Teil2)

136. _BLANC
Image: wikipedia.org

137. _BLANC
WHERE AI CAN HARM
Image: OpenAI

138. _BLANC
WHERE AI CAN HARM
“Keine individuellen Gruppierungen können Kontrolle
über ein fortgeschrittenes KI-System haben”
“Eine KI wird selbstständig nicht etwas Schlechtes
entwickeln. Es sind Menschen, die sie für etwas
Schlechtes nutzen.” Elon Musk
Image: OpenAI

139. WANN IST ES ÜBERHAUPT SO WEIT?

140. _BLANC

145. Wann werden wir HLMI erreichen?
10 % 50 % 90 %
TOP 100 2024 2050 2070
COMBINED 2022 2040 2075
Optimistic guess
Realistic guess
Safe guess

146. Wann werden wir HLMI erreichen?
10 % 50 % 90 %
TOP 100 2024 2050 2070
COMBINED 2022 2040 2075
Optimistic guess
Realistic guess
Safe guess
Superintelligenz: weitere 20-30 Jahre

147. BETTER BE PREPARED :)

148. ZURÜCK ZUM ANFANG

149. _BLANC
Image: Giphy

150. Wie wir ein optimales
Miteinander gestalten

151. DANKE!!
Image: Retronaut

152. HABT IHR FRAGEN?
@JANKORSANKE

153. ICONS:
Adrien Coquet
Anbileru Adaleru
Aneeque Ahmed
Arjuazka
Artem Kovyazin
Baboon designs
Creative Stall
Eucalyp
Fatahillah
Hea Poh Lin
Hopkins
Jake Dunham
Kirill Kolchenko
Knut M. Synstad
Lorie Shaull
Oksana Latysheva
Pictohaven
ProSymbols
Ralf Schmitzer
Shmidt Sergey
Souvik Maity
Vinaya Kumar P.V
Zidney