Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Der Zauberlehrling 
war nicht als
 Anleitung gemeint

375 views

Published on

Artificial Intelligence, Deep- und Machine-Learning in den Kultur- und Wissenschaftseinrichtungen. Keynote zur Eröffnung des Barcamps "Data and Demons: Von Bestands- und Forschungsdaten zu Services" im Rahmen des Forschungsverbunds MWW, 27. bis 28. November 2017

Published in: Science
  • Be the first to comment

Der Zauberlehrling 
war nicht als
 Anleitung gemeint

  1. 1. Der Zauberlehrling
 war nicht als
 Anleitung gemeint Artificial Intelligence, Deep- und Machine-Learning in den Kultur- und Wissenschaftseinrichtungen DATA AND DEMONS: VON BESTANDS- UND FORSCHUNGSDATEN ZU SERVICES
 BARCAMP IM RAHMEN DES FORSCHUNGSVERBUNDS MARBACH WEIMAR WOLFENBÜTTEL Ralf Stockmann, @rstockm, 27.11.2017
  2. 2. Data and Demons
  3. 3. Aus dem Programm
  4. 4. Aufbau des Zauberlehrling 1. Überheblichkeit und Wichtigtuerei 2. Umsetzung des Vorhabens 3. Machtrausch 4. Angst und Verzweiflung 5. Hilfloses Schimpfen 6. Verzweiflungstat 7. Hilferuf 8. Rettung durch den Zaubermeister
  5. 5. Hat der alte Hexenmeister sich doch einmal wegbegeben! Und nun sollen seine Geister auch nach meinem Willen leben. Seine Wort und Werke merkt ich und den Brauch, und mit Geistesstärke tu ich Wunder auch. Walle! walle Manche Strecke, daß, zum Zwecke, Wasser fließe und mit reichem, vollem Schwalle zu dem Bade sich ergieße. Überheblichkeit und Wichtigtuerei
  6. 6. Begriffe • Big Data • Data Mining • Machine Learning • Deep Learning • Artificial Intelligence
  7. 7. Begriffe • Big Data • Data Mining
 
 • Machine Learning • Deep Learning
 • Artificial Intelligence
  8. 8. Google Trends https://g.co/trends/VAfHm (Weltweit) https://g.co/trends/EVDxF (nur Deutschland)
  9. 9. http://www.cs.toronto.edu/~hinton/absps/tics.pdf 2007
  10. 10. Und nun komm, du alter Besen! Nimm die schlechten Lumpenhüllen; bist schon lange Knecht gewesen: nun erfülle meinen Willen! Auf zwei Beinen stehe, oben sei ein Kopf, eile nun und gehe mit dem Wassertopf! Walle! walle manche Strecke, daß, zum Zwecke, Wasser fließe und mit reichem, vollem Schwalle zu dem Bade sich ergieße. Umsetzung des Vorhabens
  11. 11. http://rednuht.org/genetic_walkers/ Laufen lernen
  12. 12. http://playground.tensorflow.org Klassifizierung
  13. 13. Seht, er läuft zum Ufer nieder, Wahrlich! ist schon an dem Flusse, und mit Blitzesschnelle wieder ist er hier mit raschem Gusse. Schon zum zweiten Male! Wie das Becken schwillt! Wie sich jede Schale voll mit Wasser füllt! Machtrausch
  14. 14. Wolfgang Herrndorf (2014): 
 
 »Den für ihre Technikfeindlichkeit nicht gerade bekannten Japanern ist es bis heute nicht gelungen, einen Go-Rechner zu bauen, der auch nur einen starken Amateur in Schwierigkeiten bringt. Man jubelt stattdessen einem Programm zu, das einen Profi mit neun Steinen Vorgabe versenken konnte. Um in eurem Buch vorzukommen, prophezeie ich hiermit, dass es ein solches Programm auch niemals geben wird, so lange ich lebe. In den folgenden hundert Jahren auch nicht.« 2015 schlug die Go-Software AlphaGo den ersten Profispieler, 2017 besiegte sie den Weltranglistenersten.
 (Passig, 2017)
  15. 15. http://deeplearninggallery.com
  16. 16. Stehe! stehe! denn wir haben deiner Gaben vollgemessen! – Ach, ich merk es! Wehe! wehe! Hab ich doch das Wort vergessen! Ach, das Wort, worauf am Ende er das wird, was er gewesen. Ach, er läuft und bringt behende! Wärst du doch der alte Besen! Immer neue Güsse bringt er schnell herein, Ach! und hundert Flüsse stürzen auf mich ein. Nein, nicht länger kann ichs lassen; will ihn fassen. Das ist Tücke! Ach! nun wird mir immer bänger! Welche Miene! welche Blicke! Angst und Verzweiflung
  17. 17. Begriffe • Big Data • Data Mining
 
 • Machine Learning • Deep Learning
 • Artificial Intelligence
  18. 18. https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html
  19. 19. Begriffe • Big Data • Data Mining
 
 • Machine Learning • Deep Learning
 • Artificial Intelligence
  20. 20. Begriffe • Big Data • Data Mining
 
 • Machine Learning • Deep Learning
 • Artificial Intelligence • Artificial Narrow Intelligence (ANI) • Artificial General Intelligence (AGI) • Artificial Superintelligence (ASI)
  21. 21. Begriffe • Artificial Intelligence
 • Artificial Narrow Intelligence (ANI)
 kann genau eine Sache sehr gut
 • Artificial General Intelligence (AGI)
 entspricht den kognitiven Fähigkeiten eines Menschen = kann sehr, sehr viele Sachen sehr gut
 • Artificial Superintelligence (ASI)
 kann alles besser als der Mensch und ist in der Lage, selber Evolutionssprünge einzuleiten

  22. 22. Gefahren einer ASI
  23. 23. Für uns als Bibliotheken und DH- WissenschaftlerInnen ist nur ANI interessant. Wenn AGI oder gar ASI realisiert werden, haben wir als Menschheit ganz andere Probleme.
  24. 24. O du Ausgeburt der Hölle! Soll das ganze Haus ersaufen? Seh ich über jede Schwelle doch schon Wasserströme laufen. Ein verruchter Besen, der nicht hören will! Stock, der du gewesen, steh doch wieder still! Willst am Ende gar nicht lassen? Will dich fassen, will dich halten und das alte Holz behende mit dem scharfen Beile spalten. Hilfloses Schimpfen
  25. 25. http://www.faz.net/aktuell/feuilleton/buecher/maschinen-lesen-buecher- deutsche-nationalbibliothek-setzt-auf-technik-15128954.html
  26. 26. Spaß mit Siri
  27. 27. 1. Wozu soll das gut sein? 2. Wer braucht denn so was? 3. Die Einzigen, die das Neue wollen, sind zweifelhafte oder privilegierte Minderheiten. 4. XY ist eine Mode, die vielleicht wieder vorbeigeht. 5. Täuschen Sie sich nicht, durch (XY) wird sich absolut nichts ändern. 6. XY ist im Prinzip gut, aber nicht gut genug. Es ist kompliziert und nicht 100% zuverlässig. 7. Schwächere als ich können damit nicht umgehen! 8. Die Nutzung von XY verstößt gegen die Etikette 9. XY verändert unsere Denk-, Schreib- und Lesetechniken zum Schlechteren http://kathrin.passig.de/texte/standardsituationen_der_technologiekritik.html Standardsituationen der Technologiekritik Passig 2009
  28. 28. „Wir verstehen nicht mehr, nach welchen Kriterien die AI klassifiziert (xy tut)“
  29. 29. Die wichtigste Version der Verständlichkeitsfrage lautet: Lässt sich nachträglich begründen oder sichtbar machen, wie der Weg zum Ergebnis aussah? Die Nachfrage nach solchen Erklärungen ist groß, und derzeit wird unter dem Begriff »Explainable Artificial Intelligence« intensiv an ihnen geforscht. (Passig 2017: Fünfzig Jahre Black Box)
  30. 30. Noch einmal kurz zusammengefasst die Gründe für die Unverständlichkeit von Software: Bei Wiener ist es unsere Langsamkeit im Denken. Wir könnten wohl verstehen, was ein Programm tut, es dauert nur unter Umständen so lange, dass die Kritik zu spät kommt. Für Lem verhalten sich Systeme ab einem bestimmten Komplexitätsgrad grundsätzlich unvorhersehbar. Minsky nennt die Interaktionen der einzelnen Prozesse, das Wuchern des Codes und die Auswirkungen der Zusammenarbeit mehrerer Programmierer. Bei Weizenbaum sind es die Größe der Systeme, das Abwandern der ursprünglichen Programmierer und das Vergehen der Zeit, »weil die Systeme eine Konsequenz ihrer Geschichte sind und die Geschichte verlorengeht«. (Passig 2017)
  31. 31. Erklärungslücken halten uns nicht davon ab, unser Gehirn zu benutzen. Sie halten uns auch nicht davon ab, Vollnarkosen einzusetzen, obwohl bis heute unbekannt ist, warum und wie sie wirken. Die Vorteile der Narkose sind so groß, dass wir bereit sind, über den Nachteil ihrer Rätselhaftigkeit hinwegzusehen. Ich möchte die Undurchschaubarkeit von Gehirn, Narkose und Software nicht verteidigen, sondern nur dafür plädieren, an Software keine strengeren Maßstäbe anzulegen als an die anderen beiden Black Boxes. Dass die Verwendung bereits läuft, obwohl eine vollständige Erklärung noch aussteht, ist nicht ungewöhnlich. Zitronen als Mittel gegen Skorbut waren jahrhundertelang im Einsatz, bevor man die Gründe für ihre Wirksamkeit verstand. (Passig 2017) https://www.merkur-zeitschrift.de/2017/11/23/fuenfzig-jahre-black-box/
  32. 32. „Wir machen mit AI all unsere KollegInnen arbeitslos“
  33. 33. Die Frage:
 „Welche Aufgaben unserer KollegInnen werden demnächst von Maschinen übernommen?“
  34. 34. http://www.iab.de/185/section.aspx/Publikation/k151209302
  35. 35. Die Frage:
 „Welche Aufgaben unserer KollegInnen werden demnächst von Maschinen übernommen?“ ist falsch gestellt.

  36. 36. Die Frage:
 „Welche Aufgaben unserer KollegInnen werden demnächst von Maschinen übernommen?“ ist falsch gestellt.
 Besser:
 
 „Welche neuen Aufgaben werden demnächst durch Maschinen möglich, und wie können unsere KollegInnen dabei unterstützen?“
  37. 37. http://oliviaklose.azurewebsites.net/machine-learning-1-was-was-nicht-und-wann/
  38. 38. Anwendungsfelder für NAI an Bibliotheken • Auskunft • Katalogisierung • Vernetzung von Objekten und Beständen • Erschließung • Auffinden von Artefakten
  39. 39. Anwendungsfelder für NAI an Bibliotheken:
 Auffinden von Artefakten http://sappingattention.blogspot.de/2017/05/a-brief-visual-history-of-marc.html
  40. 40. Anwendungsfelder für NAI an Bibliotheken:
 Erkennung von Inhaltsverzeichnissen
  41. 41. Und sie laufen! Naß und nässer wirds im Saal und auf den Stufen. Welch entsetzliches Gewässer! Herr und Meister! hör mich rufen! – Ach, da kommt der Meister! Herr, die Not ist groß! Die ich rief, die Geister werd ich nun nicht los. »In die Ecke, Besen, Besen! Seids gewesen. Denn als Geister ruft euch nur zu seinem Zwecke, erst hervor der alte Meister.« Hilferuf / Rettung durch den Zaubermeister
  42. 42. Gründe, warum Bibliotheken (Archive, Museen) gute AI-Kunden sind • Älteste „Big Data“ Halter der Menschheitsgeschichte • Dabei absurd kleine Datenmengen (Text - im Vergleich zu Foto und Video)
  43. 43. Die wesentlichen Errungenschaften
 der Geistes- und Ideengeschichte der Menschheit
 sind nicht in Videos dokumentiert.
  44. 44. http://deeplearninggallery.com Nur Bild & Video!
  45. 45. Die wesentlichen Errungenschaften
 der Geistes- und Ideengeschichte der Menschheit
 sind nicht in Videos dokumentiert.
  46. 46. Gründe, warum Bibliotheken (Archive, Museen) gute AI-Kunden sind • Älteste „Big Data“ Halter der Menschheitsgeschichte • Dabei absurd kleine Datenmengen (im Vergleich zu Foto und Video) • Ground Truth (wir haben schon Unmengen von händisch erzeugten und kontrollierten Daten für Trainings) • Wir sind die Guten
  47. 47. Der Zeitpunkt wird kommen, an dem die Vorteile von NAI für unseren Bereich so groß sind, dass die großen Player (OCLC, Verlage, SAP, Google, Verbünde, …) fertige Lösungen für uns anbieten werden und wir nur zugreifen müssen. Ich halte das für grundfalsch.
  48. 48. Der Zauberlehrling
 war nicht als
 Anleitung gemeint!
  49. 49. Das Problem des Zauberlehrlings
 ist nicht die Technologie, 
 sondern seine eigenen 
 massiven Kompetenzdefizite
  50. 50. Wir sind dabei, nach Wikipedia und Suchmaschinen die dritte große Technologieentwicklung des IUK- Sektors zu verschlafen
  51. 51. • Älteste „Big Data“ Halter der Menschheitsgeschichte • Dabei absurd kleine Datenmengen (im Vergleich zu Foto Video) • Ground Truth • Wir sind die Guten Gründe, warum Bibliotheken (Archive, Museen) gute AI-Kunden sind
  52. 52. Gründe, warum Bibliotheken (Archive, Museen) gute AI-Kunden sind • Älteste „Big Data“ Halter der Menschheitsgeschichte • Dabei absurd kleine Datenmengen (im Vergleich zu Foto Video) • Ground Truth • Wir sind die Guten Forschungseinrichtungen
  53. 53. Wir müssen selbst zu NAI-Expertinnen werden, und für solche als Arbeitsumfeld attraktiv werden.
 
 Faustregel:
 Auf drei BibliothekarInnen eine InformatikerIn
  54. 54. http://playground.tensorflow.org Zukünftiger Arbeitsplatz von BibliothekarInnen?
  55. 55. Förderung notwendig
  56. 56. Wie nun weiter?
  57. 57. https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html Lesen
  58. 58. https://cre.fm/cre208-neuronale-netze Hören
 Einstieg - Interviewpodcast mit Ulf Schöneberg
  59. 59. Wie auf dem Laufenden bleiben? Nachrichten
  60. 60. Einfach loslegen https://en.wikipedia.org/wiki/Comparison_of_deep_learning_software
  61. 61. Vielen Dank

×