Upload
others
View
7
Download
0
Embed Size (px)
Citation preview
DepartmentInformatik
ArbeitsbereichBildverarbeitung(BV)
Big Data .UND. Artificial Intelligence?Oder:
Wer B sagt, muss auch A sagen!
H. Siegfried Stiehl, Prof. Dr.-Ing. („Seniorprofessor“ J)
Finissage „Freiheit 2.0“ • StadtPalais • Sturgert • 24. Juni 2018
DepartmentInformatik
ArbeitsbereichBildverarbeitung(BV)
Quelle:https://drive-art.de/achtung-autobahnsperrung-auf-der-a-81-umleitung-nach-schduddgard/(mit22 Stuttgart-Varianten)
Warum ich hier bin ...
•RausausdemElfenbeinturm, reinindieGesellschaft!
•Aufklärungtutnot(beialldenNarrativen, demFraming,denLiturgiennachDueck undalldemSABTA)!
•EmpfehlungvonKolleginHahnundEinladungvonHerrnMehnert
•Mehnertsche Kuns(ch)tbegriff:„SozialeSkulptur.JederistgestaltendesundsteuerndesElement inderGesellschaft.“(S.7)
•StadtPalais fürPrinzessinnen(hier:MarieundSophie :-)
Zitat
„ErsterTeilderLiturgie,dieglobaleLage:
„WirstehenvoreinerRevolution.DieGlobalisierungistomnipräsent.DieDigitalisierunglässtkeinenSteinaufdemanderen.Kostensenkungen sinddasGebotderStunde, InnovationwirdzurÜberlebensfrage.DerKundestehtimMittelpunkt,MitarbeitersinddasgrößteGut,ExzellenzregiertunserHerz.“...“(GunterDueck,Mathematiker, ehem.CTOvonIBM,FAS3./4.2.2018,S.C1)
Was ich mit Ihnen vorhabe ...
•„VertiefendesHintergrundwissen“(F.Mehnert)
•„Differenzierte SichtaufdieHerausforderung imUmgangmitBigDataundunsererdigitalenParallelrealität“ (F.Mehnert)
• 1)Begriffsklärung:BigDataundKünstlicheIntelligenz
• 2)„Digitalisierung“?Algorithmisierung!Mathematik!!!
•3)CharakteristikavonParadigmenundVerfahren
•4)KontextualisierungundKonklusionen
Über Vögel und Frösche
„MancheMathematiker [hierundheute: Informatiker]sindVögel,anderesindFrösche.
VögelfliegenhochinderLuftundüberschauenweiteTeilederMathematikbisweithinauszumHorizont....FröschelebenimSchlammundsehennurdieBlumen,dieinderNäheblühen.SiefreuensichandenDetailsbestimmterObjekteundhabenimmernureinProblemvorAugen.“
(FreemanDyson,Birdsand Frogs,Notices of AMS,2009)
Big Data: Definition (Versuch)•Volume (...Assyrer...Fugger...Hanse...Klöster...Verwaltung...Industriex.0...neu:Datenökonomie)
•Velocity (Brieftauben...Reiter...Boten...Kabel...Glasfaser... neu:Internetbzw.Webund„cloud“)
•Variety (Handschriften...Druckstücke ...Formulare...Tabellen ...Grafiken...Bilder...Sensoren ...Filme...eMail ...(a)sozialeMedien ...neu:Konvergenz/Ubiquität
•Veracity :=((Auf-)Richtigkeit...Realitätstreue ...QualitätderDaten(Geheimtinte ...Standards ...Kryptographie)
•Value(Mehrwert ...Resource ...Währung...)
Big Data: Definition (Versuch)•Volume(...Assyrer...Fugger...Hanse...Klöster...Verwaltung...Industriex.0...neu:Datenökonomie)
•Velocity (Brieftauben...Reiter...Boten...Kabel...Glasfaser... neu:Internetbzw.Webund„cloud“)
•Variety (Handschriften...Druckstücke ...Formulare...Tabellen ...Grafiken...Bilder...Sensoren ...Filme...eMail ...(a)sozialeMedien ...neu:Konvergenz/Ubiquität
•Veracity ((Auf-)Richtigkeit...Realitätstreue...QualitätderDaten)
•Value(Mehrwert ...Resource ...Währung...)
•VertrauensVerlust (NSA,...,Facebook, ...,DSGVO)
Big Data: Digitale Parallelrealität
(Quelle:http://staciapriscilla.com/wp-content/uploads/2013/09/big-data-groei1.jpg)
Big (Digital) Data: Definition
“BigDataistdieSammlung undRe-AggregationgroßerMengeneinfachzugänglicherund/oderschwachgeschützterDaten*fürSekundäranalysen, voralleminFormvonKorrelation,Mustererkennung undprädiktiverAnalyse**.”
(ThePoliticsof BigData- BigData,BigBrother? Ed.AnnRudinow Sætnan, IngridSchneider &NicolaGreen,2018)
*imOriginal:„largemasses of (publicly,commercially,proprietarily,and/or illicitly)available data ...“
**Ergänzung:vgl.„microtargeting,profiling,scoring,...“
Big Data: (Einige) Narrative
•DatensinddasneueÖl(vgl.StandardOil ...Ölkriege...Oligopol...Dynastien ...Autokratien ...)
•DatensindWährungsmittel(vgl.Währungshüter ...Wechselkurse ...Geldwert...Gelderwerb ...)
•Datensindintangible Güter(vgl.RömischesRecht:Personvs.SacheimZivilrecht)
•Datentragen/prägenGAFA-“Plattformkapitalismus“
•„Your are notthe customer;you‘re the product.“(https://quoteinvestigator.com/2017/07/16/product/)
Big (Digital) Data: „Framing“
•Industrie4.0(Automatisierung, Rationalisierung,...)
•Konsum3.0(„Digitalisierung“,Personalisierung, ...)
•Verwaltung2.0(„Digitalisierung“,eGovernment)
•Medizinx.0(„Digitalisierung“,Personalisierung)
•Bildungx.0(„Digitalisierung“,Personalisierung)
•Kulturx.0(„Digitalisierung“,Personalisierung)
•Mensch2.0inFreiheit2.0:=Kulturtransformation„Framing“:DeutungsrahmenzurMeinungslenkung(Flüchtlingswelle; Hillje,2018)
Zitat
„DieMenschenhabensichbisherstetsfalscheVorstellungenübersichselbstgemacht.
DieAusgeburten ihresKopfessindihnenüberdenKopfgewachsen.
VorihrenGeschöpfenhabensie,dieSchöpfer,sichgebeugt.“
(K.Marx&F.Engels,Diedeutsche Ideologie,MEGA,BandI/5,1932)
(1845/46)
Künstliche Intelligenz: Annäherung
„Der,die,das,wer,wie,was,wieso,weshalb,warum?
Wernichtfragt,bleibtdumm.
TausendtolleSachen,diegibtesüberallzusehen.Manchmalmussmanfragen,umsiezuverstehen.“
(https://www.kindernetz.de/infonetz/kunstundmusik/sesamstrasse/-/id=399578/nid=399578/did=34120/1pmv3i6/)
Künstliche Intelligenz: 1. Annäherung
1) Wer erfand die künstliche Intelligenz?
2) Wie sind Intelligenz und Künstlichkeit definiert?
3) Was genau wird als KI verstanden?
4) Wieso ist all das Mathematik und was ist bloß ein Algorithmus?
1) Weshalb sind künstliche neuronale Netze DER Hype?
Wer erfand die KI?
•Logik der1930erJahre(UnvollständigkeitssatzvonGödel,1931,Churchsche These,etc.)
•Kybernetik der1940erJahre(Ashby,Wiener,McCullochundPitts,Rosenblatt,vonFoerster,...)zurAnalogiederInformationsverarbeitung inMensch&Maschine undNeuronenmodellierung (vgl.„Elektronengehirn“)
•„MenschundMenschmaschine“(Wiener,1953)•Ansatz:rückgekoppelte SystememitDynamik•mathematischfundierteRegel(ungs)technik
•„Informatik“(-väter)der1950erJahre(Turingüber„ComputingMachinery and Intelligence“/Turing-Test,vonNeumannüber„TheComputerand the Brain“)
Wer erfand die KI?
•McCarthy(1955,Dartmouth SummerResearchProjectonArtificial Intelligence;McCarthy,Minsky,RochesterundShannon)
•Definition„DieHerstellungeinerMaschine, diesichaufeineArtundWeiseverhält,diewirintelligent nennenwürden,wenneinMenschsichsoverhielte.“
•Konsequenz ausbzw.AnalogiezumTuring-Test
(s.a.„ELIZA“vonWeizenbaum, 1966;„ComputerPowerandHumanReasoning“,1977;dtsch.:„DieMachtderComputerunddieOhnmachtderVernunft“)
Wie ist Intelligenz definiert?
•Definition:Fehlanzeige (keineintegraleTheorie)
•Varianten:kognitive,soziale,emotionale, rationale, ethologischeIntelligenz...Bauchgefühl...Kreativität
•Fähigkeiten, Kompetenzen, ...,Inselbegabungen
•KontextderEvolution:adäquateVerhaltsorganisation ineinerökologischerNischeaufBasisdesSensoriums
•Wahrnehmen, (Mit-)Fühlen,Entscheiden, Sprechen,Handeln,...inzyklischerWechselwirkungmitUmgebung
•Rätsel„Bewusstsein“:Forschungsgegenstand
... und Künstlichkeit?
•SurrogatoderErsatz(vgl.Kaffesurrogatextrakt)
•Nachbau(vgl.Naturstoffsynthetisierung wieAromen)
•Modell ->Algorithmus ->Programm->Software(plus„Umgebung“) ->Hardware->InfrastrukturmitDiensten(„Plattform“)->„cloud“
•BegriffdesModells:AbstraktionvonderRealität
•Modell:formale/mathematischeBeschreibungeinesGegenstandsbereichs(z.B.Gehirn,Sprache,Verhalten)
•Modell<Realität
Was genau wird als KI verstanden?
•McCarthy (1955,Dartmouth SummerResearchProjectonArtificial Intelligence;McCarthy,Minsky,RochesterundShannon)
„DieHerstellungeinerMaschine, diesichaufeineArtundWeiseverhält,diewirintelligent nennenwürden,wenneinMenschsichsoverhielte.“
•Maschine:(mathematische)Turingmaschine alsTheoriebasisbzw.von-Neumann-Computer (vN-Rechnerarchitektur;s.a.Zuse)
•KünstlicheIntelligenz:Algorithmisierung dermenschlichenFähigkeitzumProblemlösen(imweitestenSinn)
Exkurs: Hype und Ernüchterung (1)
•ExistenzvonmathematischenGrundlagen(s.z.B.auchMcCulloch-Pitts-Modellneuron, 1943undPerzeptronvonRosenblatt,1957)zuKünstlichenNeuronalenNetzen
•Verfügbarkeit von(leistungsschwachen)Digitalrechnern
•GrenzenderTheorie (Minsky undPapert,1968)
•Schisma:sub-symbolische(neuronale)vs.symbolischeInformations- undWissensverarbeitung
•Paradigmenwechsel:NewellundMinsky(Symbolverarbeitung, Logikkalkül,...)
Hype und Ernüchterung (2)
•Äradersog.„Expertensysteme“: Regeln=logischesSchlussfolgernundWissensbasismitFakten alsdeklaratives/prozedurales Wissen(if ...then ...)
•GrenzenderModellierbarkeit derrealenWeltdurchlogischeKalküleinXPS
•BeschränkungderLernfähigkeitundKomplexität
•PlädoyerfürFusion„symbolisch-subsymbolisch“
•Paradigmenwechsel: KünstlicheNeuronaleNetze
•Auslöser:leistungsstarkeDigitalrechner(„cloud computing“)
Was genau ist nun harte/weiche KI??
•Ansatz:„white vs.black box“-Metapher vonWiener
•„white box“-Modell:ÜbereinstimmungvonStruktur/Funktion/Verhalten desModellsmitRealität
•(fernes)Ziel:SurrogatdesGehirns
•„black box“-Modell:„Entscheidend ist,was...“
•(nahes)Ziel:SimulationvonintelligentemVerhalten indiversen Anwendungsbereichen ->Produktinnovation
•PrüfungderAdäquatheit desModellsdurchBeweisführungund/oderExperimente
Wieso ist all das Mathematik ...?
•Strukturwissenschaft undKulturleistung
•Algebra, ...,Gruppentheorie, ...,Logik,...,LineareAlgebra, ...,Analysis, ...,DynamischeSysteme, ...->KI
•„computational theory“ :=Algorithmus
•Definition(Kurzform):„EndlicheZahlelementarerwohldefinierterSchritteeinerBerechnung,diebeizulässigerEingabezueinemeindeutigen undkorrektenErgebniskommt.“
•Konsequenz:elementare/repetitive Tätigkeitenbzw.HandlungensindimPrinzipalgorithmisierbar
... und was ist bloß ein Algorithmus?
•KulturleistungundStrukturwissenschaft
•Logik,Boolsche Algebra,Gruppentheorie, LineareAlgebra,Analysis,DynamischeSysteme, ...
•„computational theory“ :=Algorithmus
•Definition(Kurzform):„EndlicheZahlelementarerundwohldefinierterSchritteeinerBerechnung,diebeizulässigerEingabezueinemeindeutigenundkorrekten Ergebniskommt.“ (vgl.Turingmaschine)
•Konsequenz:elementare/repetitive Tätigkeitenbzw.HandlungensindimPrinzipalgorithmisierbar
NB: Und was macht ein Algorithmus?
•1+1=?(jenachTheorieundKontext/Bedeutung (Semantik)
•1+1=2(Ries(e)scheAlgebra)
•1+1=10(Boolsche Algebra)
•1+1=11(Konkatenation)
•1+1=1(Trollsche Algebra)
•(math.)Verknüpfungvon(neutralen)Daten
•Kardinalfrage:WiekommtdieBedeutung indenComputer?
Algorithmus: Linienfindung
0
0,5
1
1,5
2
2,5
3
3,5
0 0,5 1 1,5 2 2,5 3 3,5
Gerade:y = f(x)=mx+b;b=0
PS:NeutraleDatenundGeradealsmathem.Modell!
Algorithmus: Ausgleichsgerade
0
0,5
1
1,5
2
2,5
0 0,5 1 1,5 2 2,5
Gerade:y = f(x)=mx+b;b=0
PS:NeutraleDatenmitStreuung,„LMS“alsmathem.Modell
Maschinelles Lernen (ML): Trivia
0
1
2
3
0 0,5 1 1,5 2 2,5
Gerade:y = f(x)=mx+b;b=0
•Mathematik: Funktionsapproximation(Modell)
•Generalisierungbzgl.Fehlstellen indenDaten
•MaschinellesLernen:=Generalisierung
•Vorsicht:Approximationvs.Interpolation(!)
ML: Äpfel & Birnen
0
0,5
1
1,5
2
2,5
0 0,5 1 1,5 2 2,5
��
x1 :=Form
x2 :=Farbe DatenalsPunktexi =(x1,x2)T derEbene(Vektoren)
ML: „Take Home Message“
•Grundlage:Mathematik („computational theory“)
•Lernverfahren=Algorithmen
•KritikalitätvonModellen(„black box“)undihrerWahl
•„Modelle sindinMathematikeingebetteteMeinungen.“
(CathyO‘Neil,Weapons of Math Destruction– How BigDataIncreases Inequality and Threatens Democracy,2016)
Künstliche Intelligenz: 2. Annäherung
...
5)WeshalbsindkünstlicheneuronaleNetzeDERHype?
6)Warumgibtesnochkeine„echte“MaschinenintelligenzodergareinenCyborg?
7)Warum(dieZweite)istEhrlichkeitundBescheidenheitvonnöten?
8)Schlussworte
Weshalb sind Künstliche Neuronale Netze DER Hype?
•Ideenreichtumder„frühenVäter“
•Theoriefundament
•„cloud“:Rechen- undSpeicherkapazität
•Interessenslage(z.B.militärisch-industriellerKomplex)
•Innovationsdruck derMärkte
•Zugangzusog.Risikokapital(90:10-Regel)
KNN: Modellneuron
ModellmithohemAbstraktionsgrad (Anatomie,Physiologie,...mitca.86Mrd.NeuronennachHerculano-Houzel,2009)
KNN: Modellneuron
•Perzeptron (nachRosenblatt)für2-Klassenproblem•SummedergewichtetenEingangsdaten(Merkmale)•Geradengleichung (plusAktivierungsfunktion)•Lernen:BerechnungderGewichteausTrainingsdatendurchFehlerkorrektur (überwachtesLernen)
KNN und ML : Äpfel & Birnen
0
0,5
1
1,5
2
2,5
0 0,5 1 1,5 2 2,5
��
x1 :=Form
x2 :=Farbe DatenalsPunktexi =(x1,x2)T derEbene(Vektoren)
ML mit KNN: Komplexität• 2bekannte (!)Klassenx1 :=Apfelundx2 :=Birne• 2Merkmale :=2-dimensionaleMerkmalebene• GeradealsTrennfunktion (überwachtesLernen)• MöglichkeitderFehlklassifikationwg.StatistikderDaten
(vgl.Bayes-KalkülzurFehler-/Risikominimierung)
•m>2(bekannte)Klassen•n >2Merkmale (n-dimensionalerMerkmalraum)•(n-1)-dimensionaleOberflächenzurKlassentrennung
•Problem:StatistikderDaten<->QualitätderDaten
ML mit KNN: Komplexität• m>2(bekannte)Klassen• n >2Merkmale (n-dimensionalerMerkmalraum)• (n-1)-dimensionaleOberflächenzurKlassentrennung•QualitätderDaten<->Statistik<->ArtderTrennfunktion
•Ansatz:Mehr-Ebenen-Perzeptron mitverborgenen Schichten(„MLP“mit„hidden layers“)->„deep NN“
MLP: Komplexität• vieleMerkmale->hochdimensionalerMerkmalraum• vieleKlassen->entsprechendvieleAusgangs“neuronen“• nichtmöglichelineareTrennbarkeit ->MLP• {alternativ:nicht-lineare(quadratische,kubische)Funktionen)
•k verborgeneSchichten(“hidden layers“)mit„Neuronen“
•vorwärtsgekoppelte Schichten(„feedforward“)
•KopplungdurchGewichtezwischenSchichten
•Ansatz:überwachtesLernendurch„backpropagation“
•Theorie:Funktionskomposition h(g(f(xi)))
KNN: Komplexität
•MLP:solidesTheoriefundament
•Komplexitätssteigerung(StrukturundDynamik)
•Rückkopplung(„feedback“) zwischen(beliebigen)Schichten
•WechselwirkungzwischenNeuronenproSchicht
•IntegrationvonzeitlicherDynamik(NeuronenundihreKopplung)
•Paradigmen:MLP,CNN,RNN,SLTM,GAN,...
KNN: Komplexität
•Paradigmen:MLP,CNN,RNN,SLTM,GAN,...
•Erfolge:Objekt- („cats vs.dogs“)undSpracherkennung
•„price-to-pay“:Notwendigkeit vonsehrn vielenTrainingsdaten(„big data“),hoheRechenleistungundSpeicherkapazität(„cloud“und„deep learning platforms“),Störungsanfälligkeit, ...
•Mathematik: Evolutionsgleichungen
•Beweisführung(imstrengenSinn)vs.Makro-Experimente
•„black box“-Verhalten:u.U.mangelndeTransparenzundNachvollziehbarkeit derBerechnungsergebnisse („Alchemie“)
Zitat
„EskannleichtindieIrreführen,wennmandieWirkungsweiseeinerMaschine*mitBegriffenbeschreibt,diedemBereichdesLebendigenentnommen sind,
alsosicherinnern, lernen, forschen,sichentscheiden lässt,javonihrerethischenHaltungdemUniversumgegenüberspricht.“
(HermannSchmidt,1894-1968,TH/TUBerlin,BegründerderKybernetik inDeutschland)
*mathematischeMaschine :=Algorithmus
Warum der Hype?
•Verfügbarkeit derModelle,Methoden undVerfahren
•Verfügbarkeit vonkaumbeschränkter Rechnerkapazität
•militärischesundökonomisches Interesse(„dualuse“)
•Verfügbarkeit vonRisikokapital(Wettbewerbsvorteil)
•Innovationspotential (Geschäftsmodelle,Produktionsprozess)
•politischeRahmensetzung(vgl.„China2025“)
•„trendy research ...go where the money is ...“
Warum noch keine „echte KI“?
•Theorie-/Modelldefizit DERmenschlichen Intelligenz
•GrundlagenforschungzuGehirn,Bewusstsein,Embodiment
•Theorielandkarte der„KI“mitvielenweißenFlecken
•Statusquo:KünstlicheInselbegabungenm.o.w.ohneVerallgemeinerbarkeit
•Ziel:MaschinelleIntelligenz:=mathematischeMaschinenmitBeweisbarkeit ->Transparenzund„accountability“
•AI->„Augmented /Assistive Intelligence“(Menschenbild)
Zitat
„Wissenschaftlichinteressantistnicht dieFrage:„Was isteineintelligenteMaschine?“Sondern:„WerkanneinebestimmteAufgabeineinembestimmtenMaßstablösen?“Dannkönnenwirvergleichen,werdieseAufgabeambestenlöst:einMensch,einTierodereinComputer.Wennwirdassosehen,dannistmenschlicheIntelligenznureinSatzanFähigkeiten, denwirsobenannthaben.ComputerundTiereverfügenüberandereFähigkeiten.IntelligenzistnureinWort– nichtsReales.“
(Prof.Z.Ghahramani,UCambridge,DirektorLeverhulme Centrefor the Futureof Intelligence,in:TUintern,Nr.11/2017)
Künstliche Intelligenz: 2. Annäherung
...
5)WeshalbsindkünstlicheneuronaleNetzeDERHype?
6)Warumgibtesnochkeine„echte“MaschinenintelligenzodergareinenCyborg?
7)Warum(dieZweite)istEhrlichkeitundBescheidenheitvonnöten?
8)Schlussworte
... Bescheidenheit und Ehrlichkeit?
•GrenzenderWissenschaft(Erkenntnistheorie)
•„Menschsein“ alstransienteHypothese imErkenntnisprozess
•Verantwortung derWissenschaftggü.unserenNachkommen
•PflichtzurAufklärungüberTheorienundihreGrenzen
•DiskursundKonsensüberChancenUNDRisiken
•FragenachdemMenschenbild (GesellschaftundKultur)
•EthikundRechtsnormenfürdie„DigitaleGesellschaft“
... Bescheidenheit und Ehrlichkeit?
•Fragenvonlesendenunddenkenden BürgerinnenundBürgernandieForschenden(„checklist“)zuKI:
- Beweisbarkeit- PassungderModellemitderRealität- BegründungderMethodenwahl- Annahmen zurStatistikderDaten- BeherrschbarkeitderKomplexität(Freiheitsgrade und
Parameterregime)- Realitätskonstruktion durchAlgorithmisierung- ValiditätderExperimente- Verfügbarkeitvon„ground truth“- KontexteundInteressenskonflikte- ...
... Bescheidenheit und Ehrlichkeit?
•Kernfrage:„WerbestimmtineinerdemokratischverfasstenGesellschaftwieundwarumunsereZukunft?“
•Kontextualisierung:Technikalssozio-kulturellesPhänomen
•DiskursundKonsens<->DigitaleMündigkeitdesSouveräns
•Zitat:„EineTechnologieverschwindetnicht,indemmansieignoriertoderverteufelt. ManüberlässtsiedamitnurGangstern,diefröhlichdiesesFeldbesetzen.“ (KlausTheweleit, 2016)
•These:„Politik,WissenschaftundWirtschafthabenderGesellschaft,demWohlederMenschenzudienen.“
DepartmentInformatik
ArbeitsbereichBildverarbeitung(BV)
Haben Sie besten Dank
für Ihr sonntägliches Interesse,
Ihre Aufmerksamkeit .UND. Geduld -
ich wünsche Ihnen gutes Reflektieren!
Finissage „Freiheit 2.0“ • StadtPalais • Sturgert • 24. Juni 2018