Algorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering

Transkript

1 Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering

2 Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind Algorithmen? 2 2

3 Algorithmen - was machen sie mit uns? Beispiele von Systemen mit Algorithmen: Empfehlungssysteme, Smartwatch, 3 3 PKW, Navigationsrouting, Seifenspender. Quellen: Amazon, Fossil, Tesla, Youtube, Google Maps

4 Diskriminierung, Filterung, Gefährdung Video Soap Dispenser Übersetzungssoftware: Der Professor, die Putzfrau Tesla Autopilot kracht in Polizeiauto 4 4

5 Algorithmen treffen Entscheidungen - problematisch? Was ist wenn.... die Entscheidung falsch ist? Wer ist Schuld?.. eine Computeraktion ein Leben kostet aber viele rettet?.. ich nicht merke, dass ein Algorithmus schon für mich Entscheidungen getroffen hat? Reinheitsgebot für Algorithmen Ethische Leitlinien der Gesellschaft für Informatik e.v. Bildquelle: Johannes Konert - JFMH 2018 Kaiserlsautern zum algorithmischen Reinheitsgebot 5 5

6 Ethische Leitlinien Informatik Art.9 Zivilcourage Art.10 Soziale Verantwortung Das GI-Mitglied wirkt darauf hin, die von IT- Systemen Betroffenen an der Gestaltungdieser Systeme und deren Nutzungsbedingungen angemessen zu beteiligen. Dies gilt insbesondere für Systeme, die zur Beeinflussung, Kontrolle und Überwachung derbetroffenen verwendet werden können. Art.11 Ermöglichung der Selbstbestimmung Quelle: 6 6

7 Zitat was geschieht, wenn sie uns nicht mehr brauchen Utopie-Film Automata über selbstlernende Maschinen Algorithmen trainieren sich inszwischen gegenseitig (lernen voneinander), bspw. beim Poker lernen oder Go-Spiel-Strategien. Quelle: Moviepilot Trailer, Automata der Film, 2015, und 7 7

8 Warum ethische Leitlinien und Kontrolle immer wichtiger werden Fähigkeit (kognitiv) Selbstlernend [KI] Expl. Programmierung mit enorm viel Rechenleistung (Cluster) Menschliche Grenze Programmierung (explizit) Zeit (Jahre) F.J. Furrer. Rezension Machine Learning - The New AI Quelle: 8 8 Informatik_Spektrum 40/4 2017, S.393

9 Algorithmus - eine definierte Abfolge von Einzelschritten Eingabe, Verarbeitung, Ausgabe (Analyse, Entscheidung, Aktion) vortragen Ende Start reden (Begrüßung) Aufmerksamkeit erlangt? kurze Pause machen Flussdiagram eines fiktiven simplen Algorithmus für Vorträge (mit Enscheidungsknoten und Aktionen) 9 9

10 Evolution der Algorithmen Exakt beschreibbar Schwer für Menschen zu lösen Mathematische Probleme Alltagsprobleme Nicht exakt beschreibbar Für Menschen leicht(er) lösbar Nicht gut beschreibbar Nur Teilverständnis für Menschen nicht lösbar Kognitive Probleme Optimierung Erkennung Prognose Quellen: Google Maps, (und lizenzfreie Bilder 10von unsplash) 10

11 Neuronale Netze..als ein Beispiel nicht überwachter (unsupervised) Lernalgorithmen, deren Entscheidungsfindung auf subsymbolischer Wissensrepräsentation basiert Input Layer Hidden Layer Output Layer 3-stufiges neuronales Netz mit 3 Eingangswerten, einem Hidden Layer und einem Ausgabewert Neuron Grundprinzip: Eingabe (Daten i.d.r. Zahlenvektoren), Verarbeitung (Funktion), Ausgabe (Zahlenvektoren) 11 11

12 Deep Learning = mehr als 1 Hidden Layer 12 12

13 Beispiel zu wie lernt die Maschine? Quelle:

14 Zusammenfassung Maschinelles Lernen bezeichnet i.w.s. Algorithmen, die durch Anpassen Ihrer Bewertungsregeln die Ergebniskorrektheit kontinuierlich erhöhen. Sie sind Teil der Künstlichen Intelligenz (Lernen und Verhalten). Umgang mit unvorhergesehenen, neuen Ereignissen ist nicht Gegenstand der Optimierung Steigt die Komplexität der algorithmisch bearbeiteten Fragen, steigt auch die ethische Verantwortung der Kontrolle der algorithmischen Entscheidungen (Ethik) ML/KI- Systeme sind alle als neu zu bewerten, da einige aktuell diskriminieren, beinflussen und Fehlentscheidungen treffen 14 14

15 Vielen Dank Informatik Spektrum Algorithmen und Meinungsbildung, Band 40, Heft 4, August k-spektrum / Introduction to Deep Learning des MIT vwgy Algorithm Watch zur Nachvollziehbarkeit von Algorithmen Frankenstein ierende-algorithmen-frankenstein Prof. Dr.-Ing Johannes Konert Web Ethische Leitlinien der gi Quellenangaben sind jeweils auf den Folien angegeben. Dieser Vortrag steht unter Creative Commons CC BY-NC-SA DE 15