Deep Learning im gesellschaftlichen Kontext Grndseminar WS18 Jerom Schlt
Gliederng Motivation Reinforcement Learning mit KNN Deep Learning in der Gesellschaft Asblick Masterstdim Konferenzen
Motivation
Motivation Relevanz von Deep Learning wächst kontinierlich Selbstfahrende Atos, Krankheitsdiagnosen, Übersetzng Bewsstsein über Risiken schwach asgeprägt Schbegriff Machine Learning [1]
Motivation Spiele als Abstraktion der Realität DeepMind Go & Hman-Level control throgh deep reinforcement learning Lösng einer Reihe klassischer Atari-Spiele Allgemeines Modell Kein Domänenwissen
Erfolge DeepMind Atari Games [2]
Reinforcement Learning mit KNN
Reinforcement Learning mit KNN Agent & Umgebng Training direkt af Problemdomäne Wechselwirkng Agent & Umgebng Agent lernt as Erfahrngen [10]
Reinforcement Learning mit KNN Q Learning Grndlage Q Learning mit Tabelle Schon 1998 bekannt (Stton. Barto) Update Approximationsfnktion Q nach jedem Schritt Abhängig von Belohnng [10]
Reinforcement Learning mit KNN Deep Q Learning KNN ermöglichen große Zstandsräme Atari Spiele in Tabelle nicht abbildbar Grndlage für Erfolg von DeepMind Paper Update des Modells Kostenfnktion mit Target nd akteller Bewertng [2]
Reinforcement Learning mit KNN Memory Replay Verbesserng der Stabilität Pool an Erfahrngen <s, a, r, s > Updates af Sample-Batch nach jedem Schritt
Reinforcement Learning mit KNN Memory Replay
[2]
Reinforcement Learning mit KNN - Probleme Stabilität Featres & -extraktion Nachvollziehbarkeit Instabilität von Deep Q Learning [2]
Deep Learning in der Gesellschaft
Deep Learning in der Gesellschaft KI-Strategie der Bndesregierng [3] Unterstützng Forschng nd Entwicklng Konkrrenz z Silicon Vallex Social Score in China [4], Schfa in Detschland [5] OpenSchfa zeigt: Reverse Engineering nicht einfach Diskriminierng in Datenaswahl, Featreextraktion? Nachvolziehbarkeit?
Deep Learning in der Gesellschaft Risk Classification von Angeklagten in USA [6] Sicherheitsverwahrng abhängig von Risk Score Dnkelhätige Personen höherer Score Abhängig von Statistischen Vorgaben für Algorithms Selbstfahrende Atos Nachvollziehbarkeit Instabilität
Asblick Masterstdim
Asblick Masterstdim Deep Learning Theoretisch Starker Foks af Mathematische Modelle Deep Learning Angewandt Spannende Anwendngsfelder Lösngen nicht erklärbar, mit Vorsicht z genießen Explainable AI STS Science & Technology Stdies
Konferenzen
Konferenzen ACM SIGKDD [7] International Conference on Knowledge discovery and data mining NIPS [8] Neral Information Processing Systems HIIG [9] Hmboldt Institt für Internet nd Gesellschaft
Literatrverzeichnis [1] ACM Digital Library (Schbegriff Machine Learning ), https://dl.acm.org - 2018-09-29 [2] Mnih.a. Hman-Level control throgh deep reinforcement learning. In: Natre 518 (2015), https://www.natre.com/articles/natre14236, 2018-09-27 [3] Bndesregierng DE, Eckpnkte der Bndesregierng f r eine Strategie K nstliche Intelligenz (2018), https://www.bmwi.de/redaktion/de/downloads/e/eckpnktepapierki.pdf? blob=pblicationfile&v=10, 2018-12-11 [4] Felix Lee, Die AAA-Bürger (2018), https://www.zeit.de/digital/datenschtz/2017-11/china-social-credit-systembergerbewertng, 2018-12-11 [5] AlgorithWatch, Open Schfa warm wir diese Kampagne machen (2018), https://algorithmwatch.org/de/openschfa-warm-wir-diese-kampagne-machen/, 2018-12-11
Literatrverzeichnis [6] Sam Corbett-Davies, Emma Pierson, Avi Feller, Sharad Goel, Aziz Hq, Algorithmic decision making and the cost of fairness (2017), https://arxiv.org/abs/1701.08230, 2018-05-04 [7] ACM SIGKDD - International Conference on Knowledge discovery and data mining, https://www.kdd.org/kdd2018/, 2018-12-11 [8] NIPS Conference on Neral Information Procesing Systems, https://nips.cc, 2018-12-11 [9] HIIG Hmboldt Institt für Internet nd Gesellschaft, https://www.hiig.de, 2018-12-11 [10] Stton. Barto, Reinforcement Learning: An Introdction. MIT Press, 1998
Deep Learning im gesellschaftlichen Kontext Grndseminar WS18 Jerom Schlt