Cristina Santamarina  |    Wednesday, der 28. February 2018

Was ist Maschinelles Lernen?

Das maschinelle Lernen ist ein Gebiet der Informatik und künstlicher Intelligenz, das versucht, eine bereits 1959 formulierte Frage zu beantworten: Wie können Computer lernen, Probleme zu lösen, ohne explizit programmiert zu werden?
Verschiedene Begriffe für Machine Learning und ähnliche Techniken werden manchmal synonym verwendet, besonders in der Tagespresse. Einiges mag bekannt vorkommen, wenn Sie in letzter Zeit die Nachrichten gelesen haben: künstliche neuronale Netze, künstliche Intelligenz, tiefes Lernen…. Sie befinden sich auf der sicheren Seite, wenn Sie den Begriff AI verwenden, ein Akronym für Künstliche Intelligenz und den am wohl häufigsten verwendeten Begriff, es sei denn, Sie wollen ein Spezialist auf diesem Gebiet werden.

Entwicklungen wie Computer gestützte Statistik, mathematische Optimierung oder Data-Mining-Maschine-Learning ist formal folgendermaßen definiert: Ein Computerprogramm soll aus der Erfahrung E in Bezug auf einige Aufgabenklassen T und Leistungsmessung P lernen, wenn sich seine Leistung bei Aufgaben in T, gemessen an P, mit der Erfahrung E verbessert.

Um dies zu verstehen, können wir uns die folgende Situation vorstellen. Nehmen wir an, Sie haben einen großen Datenbestand. Sie können diese Daten an ein Computerprogramm weitergeben, dessen Aufgabe es ist, fundierte Annahmen zu formulieren. Während Sie die Annahmen überprüfen und als richtig oder falsch markieren, erhält das Computerprogramm verifizierte Daten, die es in seinen nächsten Annahmen verwenden kann. Wenn die Abbahmen im Zeitverlauf genauer werden, können wir davon ausgehen, dass das Programm (und damit die Maschine, auf der es läuft) selbstständig mit Hilfe von Daten und Erfahrungen lernt. Wie es ein Mensch tun würde.

Anwendungsfälle

Die Medienindustrie ist ihrer Zeit traditionell voraus, wenn es um den Einsatz von Technologie geht, und sie hat bereits mit maschinellen Lernprozessen für verschiedene Zwecke experimentiert. Die beiden praktischen Anwendungen, die ich am interessantesten finde, sind Drehbuchschreiben und Filmanalyse, insbesondere die Vorhersehbare.

Scriptwriting

Eine der Einsatzmöglichkeiten des maschinellen Lernens ist das Schreiben von Drehbüchern. Mit den richtigen Algorithmen und einem guten Satz an Trainingsdaten, kann ein Computerprogramm Teile eines Skripts schreiben. Da diese von Maschinen und nicht von Menschen erzeugt werden, sind sie in einem mentalen Schema konzipiert, das sich von unserem völlig unterscheidet, so dass die Ergebnisse um ein Vielfaches überraschend sind. Ein Beispiel für diese interessante Verhalten ist ein Kurzfilm, der 2016 von einer Maschine geschrieben wurde. Sunspring ist ein Science-Fiction-Film, der von einer künstlichen Intelligenz geschrieben und von Menschen inszeniert und dargestellt wird. Nach dem Anschauen des Films wird klar, dass menschliche Redakteure und Texter in der Branche eine lange Zeit voraus sind. HBR erklärt warum:

Bevor das neuronale Netzwerk diese Skripte „las“, wusste es nicht nur nicht, wie man ein Drehbuch schreibt, sondern hatte auch keine Kenntnisse der englischen Sprache. Es lernte einige der Merkmale eines Drehbuchs kennen – zum Beispiel, dass Textzeilen den Charakteren zugeordnet werden sollten und dass Regieanweisungen enthalten sein sollten. Wieder erlernte es alles dieses gerade, indem es einige Dutzend scripts las.

Was es nicht von all diesen Drehbüchern aufgenommen hat, war die Kunst des Erzählens. Sunspring hat keine Geschichte. Der Sinn seiner Charaktere besteht darin, dass ihnen Sätze zum Sprechen gegeben werden. Das Skript zeigt, wie weit das maschinelle Lernen gehen muss, bevor es das Erzählen beherrscht oder „intelligent“ wird. Doch die Fähigkeit des Algorithmus, Sätze zu konstruieren und grundlegende Merkmale eines Drehbuchs zu erkennen, deutet darauf hin, dass die KI eine Rolle in der Zukunft des Schreibens spielen könnte. Aber diese Zukunft ist nach wie vor ungewiss.“

Wenn wir darauf vertrauen, dass HBR-Maschinen weit davon entfernt sind ganze Skripte zu schreiben, sind sie zumindest gut darin kurze Stücke zu schreiben. Sie werden bereits benutzt, um Artikel zu schreiben. Sie können dies selbst testen, indem Sie Dienste wie AI Writer oder Articoolo nutzen, ein Werkzeug, das nicht nur schreibt, sondern auch bestehende Stücke neu schreibt. Vorerst sind es die großen Verlage, die die Werkzeuge aufbauen, die diese Kapazitäten auf eine neue Ebene heben. Gerade im letzten Jahr hat Heliograf, der Nachrichtenbot der Washington Post, über 800 Artikel geschrieben. Einige würden denken, dass dies nur möglich ist, weil viele Presseartikel, wie z.B. die über die Sportwettkämpfe, die TWP zuerst automatisiert hat, nicht so viel Kreativität erfordern. Sie basieren auf Daten und Nachrichten und folgen in der Regel einer Struktur.

Werbeanzeigen ist ein anderes Thema. Sie erfordern ein gewisses Maß an Kreativität und jeder weiß, dass der beste Weg zum Verkauf darin besteht, die Emotionen der Menschen zu verstehen. Coca-Cola, ein Experte für die Übertragung von Emotionen, hat künstliche Intelligenz Bots verwendet, um die ersten 5 Sekunden und den Schluss ihrer Werbeanzeige zu generieren, da diese eine Struktur haben, die für Maschinen einfacher zu verstehen ist. Ein menschliches Team übernimmt dann die Leitung und füllt die Lücken.

Watson, IBMs KI, wurde benutzt, um den Trailer für einen Horrorfilm über AI, Morgan, zu produzieren. Bei der Analyse des Films konnte er die Momente identifizieren, in denen die Handlung stattfand, und bei der Analyse der Bilder konnte er erkennen, ob die Charaktere glücklich, traurig, verängstigt … waren und die Kadenz des Trailers und seiner Musik entsprechend anpassen.

Der gesamte Prozess von dem Moment an, als die KI den Film sah, bis das menschliche Team mit dem Schnitt fertig war, dauerte etwa 24 Stunden. Wie John R. Smith von IBM in einem Artikel über die Erfahrung schreibt: „Die Zeit eines Prozesses von Wochen auf Stunden reduzieren – das ist die wahre Kraft der KI.“„.

Analytik und prädiktive Analytik

Machine Learning kann verwendet werden, um große Datenmengen zu analysieren und Vorhersagen zu treffen. Dies wird eine sehr wichtige Entwicklung im nächsten Jahr sein, aber halten Sie Ihre Produktionsprojekte vorerst aufrecht: Die Algorithmen sind alles andere als perfekt. In einem Experiment eines MIT-Labors wurde ein maschinelles Lernprogramm mit 600 Stunden YouTube-Videos und populären Fernsehsendungen ausgestattet und gebeten in Sekunden vorherzusagen, welche Charaktere etwas nach bestimmten Screenshots tun würden. Im Vergleich zu Menschen, die über 70% der Aktionen vorhersagen konnten, konnten Computer nur etwas mehr als 40% erraten.

Unternehmen wie Valossa bieten bereits Systeme an, die auf maschinellem Lernen basieren und automatisch Bewegtbilder beschriften und feststellen können, ob wir eine Person, ein Fahrzeug sehen… Die Algorithmen sind seit Jahren im Einsatz und können bestimmte Gesichter oder Marken erkennen und sogar eine Erzählung über das Geschehen in einer Szene generieren. Das ist eine gute Nachricht für alle Produktionsassistenten und die Verantwortlichen, die Nacktheit, Gewalt oder Drogenkonsum für Filmbewertungen identifizieren. Dank der Technologie werden sie bald von der Metadaten- und Videoanalyse zu spannenderen und kreativeren Aufgaben übergehen können.

Mit Machine Learning können wir alle Archivdaten, die wir haben, in Produktion geben. Machine Learning hilft Reuters bereits dabei, gefälschte Nachrichten in Twitter zu identifizieren, und eine sehr interessante Studie von Google verwendete Machine Learning, um populäre Filme zu analysieren und nach „Gender-Biases“ (geschlechtsspezifische Verzerrungen) zu suchen. Jeder ahnte, dass Frauen weniger Bildschirmzeit bekommen, und es gab in der Vergangenheit Versuche, sich diesem Thema wissenschaftlich zu nähern, wie z.B. den Bechdel-Test, aber noch nie hatten wir so viele granulare und gesicherte Daten, um die Notwendigkeit einer besseren weiblichen Darstellung auf dem Bildschirm zu beanspruchen.
Dank Daten- und Machine Learning sind das kreative Potenzial und die Schlüsselrolle des Mediensektors bei der Verbesserung der Gesellschaft heute sicherer denn je.

Autorin: Cristina Santamarina ist eine Expertin in der Welt der Informationstechnologie mit 10 Jahren internationaler Erfahrung in der Coworking-, ehealth- und chatbots-Industrie. Während ihrer Jahre in Prag, Berlin und Conakry hat sie sich für Coworking und Frauen in der Technik eingesetzt und zahlreiche Artikel zu diesen und anderen Themen verfasst. Zurück nach Spanien, mit ihrer Initiative The Neon Project, will sie sich darauf konzentrieren, eine Brücke zu bauen, die den Menschen von heute die Technologie von morgen näher bringt.
Folgen Sie ihr auf: @crissantamarina oder http://theneonproject.org, um mehr zu erfahren.