Kanäle
Jetzt personalisiertes
Audiomagazin abonnieren
Log-in registrieren
forum verwendet Cookies und andere Analysewerkzeuge um den Dienst bereitzustellen und um dein Website-Erlebnis zu verbessern.

handverlesenswert

Kluge Köpfe filtern für dich relevante Beiträge aus dem Netz.
Entdecke handverlesene Artikel, Videos und Audios zu deinen Themen.

Du befindest dich im Kanal:

Technologie und Gesellschaft

Das Märchen, dass mehr Überwachungsdaten im KI-Wettrüsten helfen würden

Felix Schwenzel
Internetadept

Ich schreibe seit 1995 gern ins Internet.

Zum picker-Profil
Felix SchwenzelSonntag, 30.06.2019

In den USA ist in der Diskussion um die Weiterentwicklung von Technologien zu künstlicher Intelligenz (KI oder AI für artificial intelligence) immer wieder zu hören, dass die USA — oder generell der demokratische Westen — uneinholbar hinter China zurückfallen könnten. Das führe angeblich nicht nur zu wirtschaftlichen Nachteilen, sondern auch zu sicherheitspolitischen Problemen. 

Die Erzählung der Politiker und Sicherheitsexperten lautet dann immer wieder, dass Chinas Überwachungsstaat unablässig und uneingeschränkt massenhaft Daten sammeln könne und mit diesen Daten besser KI-Systeme trainieren und bauen könne. Der Westen hingegen halte sich aus Datenschutz- und Privatsphäre-Gründen zurück und laufe deshalb Gefahr, in einem Wettrüsten um Künstliche-Intelligenz zurückzufallen.

Bruce Schneier und Jim Waldo erklären hier gut verständlich (auf Englisch), warum die stark vereinfachte Sichtweise auf die KI-Forschung, dass mehr Daten bessere KI-Systeme bringen, irreführender Quatsch ist.

Large data sets are essential to making [deep learning] work, but that doesn't mean that more data is automatically better or that the system with the most data is automatically the best system. Train a facial recognition algorithm on a set that contains only faces of white men, and the algorithm will have trouble with any other kind of face. Use an evaluation function that is based on historical decisions, and any past bias is learned by the algorithm.

Maschinelles Lernen hat in den letzten Jahren beeindruckende Fortschritte gemacht und die Auswirkungen dieser Forschung rutschen immer mehr in unseren gesellschaftlichen und politischen Alltag. Um so wichtiger ist es, zumindest die grundsätzliche Funktionsweise dieser Verfahren  zu verstehen und damit auch die Märchen der Datenschutz- und Cyberwar-Falken und Hetzer zu entzaubern.

Bruce Schneiers Blog ist auch über diesen Artikel hinaus äußerst empfehlenswert und lehrreich, auch wenn man sich nicht so irre doll für Sicherheitstechnik, Datenschutz oder Deep Learning interessiert. Weil sich aber so viele für unsere Daten und unsere technischen Schwachstellen interessieren und tief lernende technische Systeme unser Leben bereits jetzt in erheblichem Umfang beeinflussen, sollte sich eigentlich jeder dafür interessieren. Zumindest ein bisschen.

Das Märchen, dass mehr Überwachungsdaten im KI-Wettrüsten helfen würden

Möchtest du kommentieren? Dann werde jetzt kostenlos Mitglied!

Bleib immer informiert! Hier gibt's den Kanal Technologie und Gesellschaft als Newsletter.

Abonnieren

Deine Hörempfehlungen
direkt aufs Handy!

Einfach die Hörempfehlungen unserer KuratorInnen als Feed in deinem Podcatcher abonnieren. Fertig ist das Ohrenglück!

Öffne deinen Podcast Feed in AntennaPod:

Wenn alles geklappt hat,
kannst du das Fenster schließen.

Öffne deinen Podcast Feed in Apple Podcasts:

Wenn alles geklappt hat,
kannst du das Fenster schließen.

Öffne deinen Podcast Feed in Downcast:

Wenn alles geklappt hat,
kannst du das Fenster schließen.

Öffne deinen Podcast Feed in Instacast:

Wenn alles geklappt hat,
kannst du das Fenster schließen.

Öffne deinen Podcast Feed in Apple Podcasts:

Wenn alles geklappt hat,
kannst du das Fenster schließen.

Öffne deinen Podcast Feed in Podgrasp:

Wenn alles geklappt hat,
kannst du das Fenster schließen.

Bitte kopiere die URL und füge sie in deine
Podcast- oder RSS-APP ein.

Wenn du fertig bist,
kannst du das Fenster schließen.

Link wurde in die Zwischenablage kopiert.

Öffne deinen Podcast Feed in gpodder.net:

Wenn alles geklappt hat,
kannst du das Fenster schließen.

Öffne deinen Podcast Feed in Pocket Casts:

Wenn alles geklappt hat,
kannst du das Fenster schließen.