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: Äpfel &Birnen

0

0,5

1

1,5

2

2,5

0 0,5 1 1,5 2 2,5

��

ML: Problem1

0

0,5

1

1,5

2

2,5

0 0,5 1 1,5 2 2,5

��

1Fußnote: Istdochnurein2-Klassen-ProblemJ

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: Leistungsfähigkeit

Qelle:Tarun Khanna(1989)Foundation of Neural Networks,AddisonWesley

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“)

PS: „Hype Cycle“

Quelle:GartnerHypeCyclefor EmergingTechnologies, July 2017

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