SlideShare ist ein Scribd-Unternehmen logo
Der Zauberlehrling

war nicht als

Anleitung gemeint
Artificial Intelligence, Deep- und Machine-Learning
in den Kultur- und Wissenschaftseinrichtungen
DATA AND DEMONS: VON BESTANDS- UND FORSCHUNGSDATEN ZU SERVICES

BARCAMP IM RAHMEN DES FORSCHUNGSVERBUNDS MARBACH WEIMAR WOLFENBÜTTEL
Ralf Stockmann, @rstockm, 27.11.2017
Data and Demons
Aus dem Programm
Aufbau des Zauberlehrling
1. Überheblichkeit und Wichtigtuerei
2. Umsetzung des Vorhabens
3. Machtrausch
4. Angst und Verzweiflung
5. Hilfloses Schimpfen
6. Verzweiflungstat
7. Hilferuf
8. Rettung durch den Zaubermeister
Hat der alte Hexenmeister
sich doch einmal wegbegeben!
Und nun sollen seine Geister
auch nach meinem Willen leben.
Seine Wort und Werke
merkt ich und den Brauch,
und mit Geistesstärke
tu ich Wunder auch.
Walle! walle
Manche Strecke,
daß, zum Zwecke,
Wasser fließe
und mit reichem, vollem Schwalle
zu dem Bade sich ergieße.
Überheblichkeit und Wichtigtuerei
Begriffe
• Big Data
• Data Mining
• Machine Learning
• Deep Learning
• Artificial Intelligence
Begriffe
• Big Data
• Data Mining



• Machine Learning
• Deep Learning

• Artificial Intelligence
Google
Trends
https://g.co/trends/VAfHm (Weltweit)
https://g.co/trends/EVDxF (nur Deutschland)
http://www.cs.toronto.edu/~hinton/absps/tics.pdf
2007
Und nun komm, du alter Besen!
Nimm die schlechten Lumpenhüllen;
bist schon lange Knecht gewesen:
nun erfülle meinen Willen!
Auf zwei Beinen stehe,
oben sei ein Kopf,
eile nun und gehe
mit dem Wassertopf!
Walle! walle
manche Strecke,
daß, zum Zwecke,
Wasser fließe
und mit reichem, vollem Schwalle
zu dem Bade sich ergieße.
Umsetzung des Vorhabens
http://rednuht.org/genetic_walkers/
Laufen lernen
http://playground.tensorflow.org
Klassifizierung
Seht, er läuft zum Ufer nieder,
Wahrlich! ist schon an dem
Flusse,
und mit Blitzesschnelle wieder
ist er hier mit raschem Gusse.
Schon zum zweiten Male!
Wie das Becken schwillt!
Wie sich jede Schale
voll mit Wasser füllt!
Machtrausch
Wolfgang Herrndorf (2014): 



»Den für ihre Technikfeindlichkeit nicht gerade
bekannten Japanern ist es bis heute nicht gelungen,
einen Go-Rechner zu bauen, der auch nur einen
starken Amateur in Schwierigkeiten bringt. Man jubelt
stattdessen einem Programm zu, das einen Profi mit
neun Steinen Vorgabe versenken konnte. Um in
eurem Buch vorzukommen, prophezeie ich hiermit,
dass es ein solches Programm auch niemals geben
wird, so lange ich lebe. In den folgenden hundert
Jahren auch nicht.«
2015 schlug die Go-Software AlphaGo den ersten
Profispieler, 2017 besiegte sie den
Weltranglistenersten.

(Passig, 2017)
http://deeplearninggallery.com
Stehe! stehe!
denn wir haben
deiner Gaben
vollgemessen! –
Ach, ich merk es! Wehe! wehe!
Hab ich doch das Wort vergessen!
Ach, das Wort, worauf am Ende
er das wird, was er gewesen.
Ach, er läuft und bringt behende!
Wärst du doch der alte Besen!
Immer neue Güsse
bringt er schnell herein,
Ach! und hundert Flüsse
stürzen auf mich ein.
Nein, nicht länger
kann ichs lassen;
will ihn fassen.
Das ist Tücke!
Ach! nun wird mir immer bänger!
Welche Miene! welche Blicke!
Angst und Verzweiflung
Begriffe
• Big Data
• Data Mining



• Machine Learning
• Deep Learning

• Artificial Intelligence
https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html
Begriffe
• Big Data
• Data Mining



• Machine Learning
• Deep Learning

• Artificial Intelligence
Begriffe
• Big Data
• Data Mining



• Machine Learning
• Deep Learning

• Artificial Intelligence
• Artificial Narrow Intelligence (ANI)
• Artificial General Intelligence (AGI)
• Artificial Superintelligence (ASI)
Begriffe
• Artificial Intelligence

• Artificial Narrow Intelligence (ANI)

kann genau eine Sache sehr gut

• Artificial General Intelligence (AGI)

entspricht den kognitiven Fähigkeiten eines Menschen =
kann sehr, sehr viele Sachen sehr gut

• Artificial Superintelligence (ASI)

kann alles besser als der Mensch und ist in der Lage,
selber Evolutionssprünge einzuleiten

Gefahren einer ASI
Für uns als Bibliotheken und DH-
WissenschaftlerInnen ist nur ANI interessant.
Wenn AGI oder gar ASI realisiert werden,
haben wir als Menschheit ganz andere
Probleme.
O du Ausgeburt der Hölle!
Soll das ganze Haus ersaufen?
Seh ich über jede Schwelle
doch schon Wasserströme laufen.
Ein verruchter Besen,
der nicht hören will!
Stock, der du gewesen,
steh doch wieder still!
Willst am Ende
gar nicht lassen?
Will dich fassen,
will dich halten
und das alte Holz behende
mit dem scharfen Beile spalten.
Hilfloses Schimpfen
http://www.faz.net/aktuell/feuilleton/buecher/maschinen-lesen-buecher-
deutsche-nationalbibliothek-setzt-auf-technik-15128954.html
Spaß mit Siri
1. Wozu soll das gut sein?
2. Wer braucht denn so was?
3. Die Einzigen, die das Neue wollen, sind zweifelhafte
oder privilegierte Minderheiten.
4. XY ist eine Mode, die vielleicht wieder vorbeigeht.
5. Täuschen Sie sich nicht, durch (XY) wird sich absolut
nichts ändern.
6. XY ist im Prinzip gut, aber nicht gut genug. Es ist
kompliziert und nicht 100% zuverlässig.
7. Schwächere als ich können damit nicht umgehen!
8. Die Nutzung von XY verstößt gegen die Etikette
9. XY verändert unsere Denk-, Schreib- und
Lesetechniken zum Schlechteren
http://kathrin.passig.de/texte/standardsituationen_der_technologiekritik.html
Standardsituationen
der Technologiekritik
Passig 2009
„Wir verstehen nicht mehr, nach
welchen Kriterien die AI
klassifiziert (xy tut)“
Die wichtigste Version der Verständlichkeitsfrage lautet:
Lässt sich nachträglich begründen oder sichtbar machen,
wie der Weg zum Ergebnis aussah? Die Nachfrage nach
solchen Erklärungen ist groß, und derzeit wird unter dem
Begriff »Explainable Artificial Intelligence« intensiv an ihnen
geforscht.
(Passig 2017: Fünfzig Jahre Black Box)
Noch einmal kurz zusammengefasst die Gründe für die
Unverständlichkeit von Software: Bei Wiener ist es unsere
Langsamkeit im Denken. Wir könnten wohl verstehen, was ein
Programm tut, es dauert nur unter Umständen so lange, dass
die Kritik zu spät kommt. Für Lem verhalten sich Systeme ab
einem bestimmten Komplexitätsgrad grundsätzlich
unvorhersehbar. Minsky nennt die Interaktionen der einzelnen
Prozesse, das Wuchern des Codes und die Auswirkungen der
Zusammenarbeit mehrerer Programmierer. Bei Weizenbaum
sind es die Größe der Systeme, das Abwandern der
ursprünglichen Programmierer und das Vergehen der Zeit,
»weil die Systeme eine Konsequenz ihrer Geschichte sind und
die Geschichte verlorengeht«.
(Passig 2017)
Erklärungslücken halten uns nicht davon ab, unser Gehirn zu benutzen.
Sie halten uns auch nicht davon ab, Vollnarkosen einzusetzen, obwohl
bis heute unbekannt ist, warum und wie sie wirken. Die Vorteile der
Narkose sind so groß, dass wir bereit sind, über den Nachteil ihrer
Rätselhaftigkeit hinwegzusehen. Ich möchte die Undurchschaubarkeit
von Gehirn, Narkose und Software nicht verteidigen, sondern nur dafür
plädieren, an Software keine strengeren Maßstäbe anzulegen als an die
anderen beiden Black Boxes. Dass die Verwendung bereits läuft,
obwohl eine vollständige Erklärung noch aussteht, ist nicht
ungewöhnlich. Zitronen als Mittel gegen Skorbut waren
jahrhundertelang im Einsatz, bevor man die Gründe für ihre
Wirksamkeit verstand.
(Passig 2017)
https://www.merkur-zeitschrift.de/2017/11/23/fuenfzig-jahre-black-box/
„Wir machen mit AI all unsere
KollegInnen arbeitslos“
Die Frage:

„Welche Aufgaben unserer KollegInnen werden
demnächst von Maschinen übernommen?“
http://www.iab.de/185/section.aspx/Publikation/k151209302
Die Frage:

„Welche Aufgaben unserer KollegInnen werden
demnächst von Maschinen übernommen?“
ist falsch gestellt.

Die Frage:

„Welche Aufgaben unserer KollegInnen werden
demnächst von Maschinen übernommen?“
ist falsch gestellt.

Besser:



„Welche neuen Aufgaben werden demnächst
durch Maschinen möglich, und wie können
unsere KollegInnen dabei unterstützen?“
http://oliviaklose.azurewebsites.net/machine-learning-1-was-was-nicht-und-wann/
Anwendungsfelder für NAI an
Bibliotheken
• Auskunft
• Katalogisierung
• Vernetzung von Objekten und Beständen
• Erschließung
• Auffinden von Artefakten
Anwendungsfelder für NAI an Bibliotheken:

Auffinden von Artefakten
http://sappingattention.blogspot.de/2017/05/a-brief-visual-history-of-marc.html
Anwendungsfelder für NAI an Bibliotheken:

Erkennung von Inhaltsverzeichnissen
Und sie laufen! Naß und nässer
wirds im Saal und auf den Stufen.
Welch entsetzliches Gewässer!
Herr und Meister! hör mich rufen! –
Ach, da kommt der Meister!
Herr, die Not ist groß!
Die ich rief, die Geister
werd ich nun nicht los.
»In die Ecke,
Besen, Besen!
Seids gewesen.
Denn als Geister
ruft euch nur zu seinem Zwecke,
erst hervor der alte Meister.«
Hilferuf / Rettung durch den Zaubermeister
Gründe, warum Bibliotheken (Archive,
Museen) gute AI-Kunden sind
• Älteste „Big Data“ Halter der Menschheitsgeschichte
• Dabei absurd kleine Datenmengen (Text - im Vergleich zu
Foto und Video)
Die wesentlichen Errungenschaften

der Geistes- und Ideengeschichte der Menschheit

sind nicht in Videos dokumentiert.
http://deeplearninggallery.com
Nur Bild & Video!
Der Zauberlehrling 
war nicht als
 Anleitung gemeint
Die wesentlichen Errungenschaften

der Geistes- und Ideengeschichte der Menschheit

sind nicht in Videos dokumentiert.
Gründe, warum Bibliotheken (Archive,
Museen) gute AI-Kunden sind
• Älteste „Big Data“ Halter der Menschheitsgeschichte
• Dabei absurd kleine Datenmengen (im Vergleich zu Foto
und Video)
• Ground Truth (wir haben schon Unmengen von händisch
erzeugten und kontrollierten Daten für Trainings)
• Wir sind die Guten
Der Zeitpunkt wird kommen, an dem die Vorteile
von NAI für unseren Bereich so groß sind, dass
die großen Player (OCLC, Verlage, SAP, Google,
Verbünde, …) fertige Lösungen für uns anbieten
werden und wir nur zugreifen müssen.
Ich halte das für grundfalsch.
Der Zauberlehrling

war nicht als

Anleitung gemeint!
Das Problem des Zauberlehrlings

ist nicht die Technologie, 

sondern seine eigenen 

massiven Kompetenzdefizite
Wir sind dabei, nach Wikipedia und
Suchmaschinen die dritte große
Technologieentwicklung des IUK-
Sektors zu verschlafen
• Älteste „Big Data“ Halter der Menschheitsgeschichte
• Dabei absurd kleine Datenmengen (im Vergleich zu Foto
Video)
• Ground Truth
• Wir sind die Guten
Gründe, warum Bibliotheken (Archive,
Museen) gute AI-Kunden sind
Gründe, warum Bibliotheken (Archive,
Museen) gute AI-Kunden sind
• Älteste „Big Data“ Halter der Menschheitsgeschichte
• Dabei absurd kleine Datenmengen (im Vergleich zu Foto
Video)
• Ground Truth
• Wir sind die Guten
Forschungseinrichtungen
Wir müssen selbst zu NAI-Expertinnen werden,
und für solche als Arbeitsumfeld attraktiv werden.



Faustregel:

Auf drei BibliothekarInnen eine InformatikerIn
http://playground.tensorflow.org
Zukünftiger Arbeitsplatz von
BibliothekarInnen?
Förderung notwendig
Wie nun weiter?
https://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html
Lesen
https://cre.fm/cre208-neuronale-netze
Hören

Einstieg -
Interviewpodcast mit
Ulf Schöneberg
Wie auf dem Laufenden bleiben?

Nachrichten
Einfach loslegen
https://en.wikipedia.org/wiki/Comparison_of_deep_learning_software
Vielen Dank

Weitere ähnliche Inhalte

Mehr von Ralf Stockmann

Das materielle Objekt in der digitalen Welt
Das materielle Objekt in der digitalen WeltDas materielle Objekt in der digitalen Welt
Das materielle Objekt in der digitalen Welt
Ralf Stockmann
 
Die DDB als offene Plattform - Weiterentwicklungen und Anknüpfungspunkte
Die DDB als offene Plattform - Weiterentwicklungen und AnknüpfungspunkteDie DDB als offene Plattform - Weiterentwicklungen und Anknüpfungspunkte
Die DDB als offene Plattform - Weiterentwicklungen und Anknüpfungspunkte
Ralf Stockmann
 
Deutsche Digitale Bibliothek - Vorstellung CeBit 2008
Deutsche Digitale Bibliothek - Vorstellung CeBit 2008Deutsche Digitale Bibliothek - Vorstellung CeBit 2008
Deutsche Digitale Bibliothek - Vorstellung CeBit 2008
Ralf Stockmann
 
Central Registry for Digitized Objects: Linking Production and Bibliographic ...
Central Registry for Digitized Objects: Linking Production and Bibliographic ...Central Registry for Digitized Objects: Linking Production and Bibliographic ...
Central Registry for Digitized Objects: Linking Production and Bibliographic ...
Ralf Stockmann
 
Europeana4D - Exploring data in Space and Time (2011)
Europeana4D - Exploring data in Space and Time (2011)Europeana4D - Exploring data in Space and Time (2011)
Europeana4D - Exploring data in Space and Time (2011)
Ralf Stockmann
 
Fit für die digitale Bibliothek? (2007)
Fit für die digitale Bibliothek? (2007)Fit für die digitale Bibliothek? (2007)
Fit für die digitale Bibliothek? (2007)
Ralf Stockmann
 
Mets opening day - web based mets creation (2007)
Mets opening day - web based mets creation (2007)Mets opening day - web based mets creation (2007)
Mets opening day - web based mets creation (2007)
Ralf Stockmann
 
Ist Langzeitarchivierung finanzierbar? Präsentation Akademie Sankelmark 2008
Ist Langzeitarchivierung finanzierbar? Präsentation Akademie Sankelmark 2008Ist Langzeitarchivierung finanzierbar? Präsentation Akademie Sankelmark 2008
Ist Langzeitarchivierung finanzierbar? Präsentation Akademie Sankelmark 2008
Ralf Stockmann
 
eAqua und europeana4D - 2009
eAqua und europeana4D - 2009eAqua und europeana4D - 2009
eAqua und europeana4D - 2009
Ralf Stockmann
 
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen Controlled Vocabularies and Text Mining - Use Cases at the Goettingen
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen
Ralf Stockmann
 
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen State a...
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen State a...Controlled Vocabularies and Text Mining - Use Cases at the Goettingen State a...
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen State a...
Ralf Stockmann
 
GUI-Mockups in der Softwareentwicklung
GUI-Mockups in der SoftwareentwicklungGUI-Mockups in der Softwareentwicklung
GUI-Mockups in der Softwareentwicklung
Ralf Stockmann
 
Grundlagen Digitaler Mediengestaltung
Grundlagen Digitaler MediengestaltungGrundlagen Digitaler Mediengestaltung
Grundlagen Digitaler Mediengestaltung
Ralf Stockmann
 
Was Wissenschaftler wirklich Wollen
Was Wissenschaftler wirklich WollenWas Wissenschaftler wirklich Wollen
Was Wissenschaftler wirklich Wollen
Ralf Stockmann
 
Was tun mit den Ergebnissen der OCR?
Was tun mit den Ergebnissen der OCR?Was tun mit den Ergebnissen der OCR?
Was tun mit den Ergebnissen der OCR?
Ralf Stockmann
 
Keynote Studip Zukunftsworkshop
Keynote Studip ZukunftsworkshopKeynote Studip Zukunftsworkshop
Keynote Studip Zukunftsworkshop
Ralf Stockmann
 
Zukunft der E Books
Zukunft der E BooksZukunft der E Books
Zukunft der E Books
Ralf Stockmann
 
Visually Lossless Kompression für die Digitalisierung an Bibliotheken
Visually Lossless Kompression für die Digitalisierung an BibliothekenVisually Lossless Kompression für die Digitalisierung an Bibliotheken
Visually Lossless Kompression für die Digitalisierung an Bibliotheken
Ralf Stockmann
 
Was wir HEUTE beachten müssen um die Wissenschaftler in 10 Jahren nicht zu en...
Was wir HEUTE beachten müssen um die Wissenschaftler in 10 Jahren nicht zu en...Was wir HEUTE beachten müssen um die Wissenschaftler in 10 Jahren nicht zu en...
Was wir HEUTE beachten müssen um die Wissenschaftler in 10 Jahren nicht zu en...
Ralf Stockmann
 
Goobi Rollen Und Rechte
Goobi Rollen Und RechteGoobi Rollen Und Rechte
Goobi Rollen Und Rechte
Ralf Stockmann
 

Mehr von Ralf Stockmann (20)

Das materielle Objekt in der digitalen Welt
Das materielle Objekt in der digitalen WeltDas materielle Objekt in der digitalen Welt
Das materielle Objekt in der digitalen Welt
 
Die DDB als offene Plattform - Weiterentwicklungen und Anknüpfungspunkte
Die DDB als offene Plattform - Weiterentwicklungen und AnknüpfungspunkteDie DDB als offene Plattform - Weiterentwicklungen und Anknüpfungspunkte
Die DDB als offene Plattform - Weiterentwicklungen und Anknüpfungspunkte
 
Deutsche Digitale Bibliothek - Vorstellung CeBit 2008
Deutsche Digitale Bibliothek - Vorstellung CeBit 2008Deutsche Digitale Bibliothek - Vorstellung CeBit 2008
Deutsche Digitale Bibliothek - Vorstellung CeBit 2008
 
Central Registry for Digitized Objects: Linking Production and Bibliographic ...
Central Registry for Digitized Objects: Linking Production and Bibliographic ...Central Registry for Digitized Objects: Linking Production and Bibliographic ...
Central Registry for Digitized Objects: Linking Production and Bibliographic ...
 
Europeana4D - Exploring data in Space and Time (2011)
Europeana4D - Exploring data in Space and Time (2011)Europeana4D - Exploring data in Space and Time (2011)
Europeana4D - Exploring data in Space and Time (2011)
 
Fit für die digitale Bibliothek? (2007)
Fit für die digitale Bibliothek? (2007)Fit für die digitale Bibliothek? (2007)
Fit für die digitale Bibliothek? (2007)
 
Mets opening day - web based mets creation (2007)
Mets opening day - web based mets creation (2007)Mets opening day - web based mets creation (2007)
Mets opening day - web based mets creation (2007)
 
Ist Langzeitarchivierung finanzierbar? Präsentation Akademie Sankelmark 2008
Ist Langzeitarchivierung finanzierbar? Präsentation Akademie Sankelmark 2008Ist Langzeitarchivierung finanzierbar? Präsentation Akademie Sankelmark 2008
Ist Langzeitarchivierung finanzierbar? Präsentation Akademie Sankelmark 2008
 
eAqua und europeana4D - 2009
eAqua und europeana4D - 2009eAqua und europeana4D - 2009
eAqua und europeana4D - 2009
 
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen Controlled Vocabularies and Text Mining - Use Cases at the Goettingen
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen
 
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen State a...
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen State a...Controlled Vocabularies and Text Mining - Use Cases at the Goettingen State a...
Controlled Vocabularies and Text Mining - Use Cases at the Goettingen State a...
 
GUI-Mockups in der Softwareentwicklung
GUI-Mockups in der SoftwareentwicklungGUI-Mockups in der Softwareentwicklung
GUI-Mockups in der Softwareentwicklung
 
Grundlagen Digitaler Mediengestaltung
Grundlagen Digitaler MediengestaltungGrundlagen Digitaler Mediengestaltung
Grundlagen Digitaler Mediengestaltung
 
Was Wissenschaftler wirklich Wollen
Was Wissenschaftler wirklich WollenWas Wissenschaftler wirklich Wollen
Was Wissenschaftler wirklich Wollen
 
Was tun mit den Ergebnissen der OCR?
Was tun mit den Ergebnissen der OCR?Was tun mit den Ergebnissen der OCR?
Was tun mit den Ergebnissen der OCR?
 
Keynote Studip Zukunftsworkshop
Keynote Studip ZukunftsworkshopKeynote Studip Zukunftsworkshop
Keynote Studip Zukunftsworkshop
 
Zukunft der E Books
Zukunft der E BooksZukunft der E Books
Zukunft der E Books
 
Visually Lossless Kompression für die Digitalisierung an Bibliotheken
Visually Lossless Kompression für die Digitalisierung an BibliothekenVisually Lossless Kompression für die Digitalisierung an Bibliotheken
Visually Lossless Kompression für die Digitalisierung an Bibliotheken
 
Was wir HEUTE beachten müssen um die Wissenschaftler in 10 Jahren nicht zu en...
Was wir HEUTE beachten müssen um die Wissenschaftler in 10 Jahren nicht zu en...Was wir HEUTE beachten müssen um die Wissenschaftler in 10 Jahren nicht zu en...
Was wir HEUTE beachten müssen um die Wissenschaftler in 10 Jahren nicht zu en...
 
Goobi Rollen Und Rechte
Goobi Rollen Und RechteGoobi Rollen Und Rechte
Goobi Rollen Und Rechte
 

Der Zauberlehrling 
war nicht als
 Anleitung gemeint

  • 1. Der Zauberlehrling
 war nicht als
 Anleitung gemeint Artificial Intelligence, Deep- und Machine-Learning in den Kultur- und Wissenschaftseinrichtungen DATA AND DEMONS: VON BESTANDS- UND FORSCHUNGSDATEN ZU SERVICES
 BARCAMP IM RAHMEN DES FORSCHUNGSVERBUNDS MARBACH WEIMAR WOLFENBÜTTEL Ralf Stockmann, @rstockm, 27.11.2017
  • 4. Aufbau des Zauberlehrling 1. Überheblichkeit und Wichtigtuerei 2. Umsetzung des Vorhabens 3. Machtrausch 4. Angst und Verzweiflung 5. Hilfloses Schimpfen 6. Verzweiflungstat 7. Hilferuf 8. Rettung durch den Zaubermeister
  • 5. Hat der alte Hexenmeister sich doch einmal wegbegeben! Und nun sollen seine Geister auch nach meinem Willen leben. Seine Wort und Werke merkt ich und den Brauch, und mit Geistesstärke tu ich Wunder auch. Walle! walle Manche Strecke, daß, zum Zwecke, Wasser fließe und mit reichem, vollem Schwalle zu dem Bade sich ergieße. Überheblichkeit und Wichtigtuerei
  • 6. Begriffe • Big Data • Data Mining • Machine Learning • Deep Learning • Artificial Intelligence
  • 7. Begriffe • Big Data • Data Mining
 
 • Machine Learning • Deep Learning
 • Artificial Intelligence
  • 10. Und nun komm, du alter Besen! Nimm die schlechten Lumpenhüllen; bist schon lange Knecht gewesen: nun erfülle meinen Willen! Auf zwei Beinen stehe, oben sei ein Kopf, eile nun und gehe mit dem Wassertopf! Walle! walle manche Strecke, daß, zum Zwecke, Wasser fließe und mit reichem, vollem Schwalle zu dem Bade sich ergieße. Umsetzung des Vorhabens
  • 13. Seht, er läuft zum Ufer nieder, Wahrlich! ist schon an dem Flusse, und mit Blitzesschnelle wieder ist er hier mit raschem Gusse. Schon zum zweiten Male! Wie das Becken schwillt! Wie sich jede Schale voll mit Wasser füllt! Machtrausch
  • 14. Wolfgang Herrndorf (2014): 
 
 »Den für ihre Technikfeindlichkeit nicht gerade bekannten Japanern ist es bis heute nicht gelungen, einen Go-Rechner zu bauen, der auch nur einen starken Amateur in Schwierigkeiten bringt. Man jubelt stattdessen einem Programm zu, das einen Profi mit neun Steinen Vorgabe versenken konnte. Um in eurem Buch vorzukommen, prophezeie ich hiermit, dass es ein solches Programm auch niemals geben wird, so lange ich lebe. In den folgenden hundert Jahren auch nicht.« 2015 schlug die Go-Software AlphaGo den ersten Profispieler, 2017 besiegte sie den Weltranglistenersten.
 (Passig, 2017)
  • 16. Stehe! stehe! denn wir haben deiner Gaben vollgemessen! – Ach, ich merk es! Wehe! wehe! Hab ich doch das Wort vergessen! Ach, das Wort, worauf am Ende er das wird, was er gewesen. Ach, er läuft und bringt behende! Wärst du doch der alte Besen! Immer neue Güsse bringt er schnell herein, Ach! und hundert Flüsse stürzen auf mich ein. Nein, nicht länger kann ichs lassen; will ihn fassen. Das ist Tücke! Ach! nun wird mir immer bänger! Welche Miene! welche Blicke! Angst und Verzweiflung
  • 17. Begriffe • Big Data • Data Mining
 
 • Machine Learning • Deep Learning
 • Artificial Intelligence
  • 19. Begriffe • Big Data • Data Mining
 
 • Machine Learning • Deep Learning
 • Artificial Intelligence
  • 20. Begriffe • Big Data • Data Mining
 
 • Machine Learning • Deep Learning
 • Artificial Intelligence • Artificial Narrow Intelligence (ANI) • Artificial General Intelligence (AGI) • Artificial Superintelligence (ASI)
  • 21. Begriffe • Artificial Intelligence
 • Artificial Narrow Intelligence (ANI)
 kann genau eine Sache sehr gut
 • Artificial General Intelligence (AGI)
 entspricht den kognitiven Fähigkeiten eines Menschen = kann sehr, sehr viele Sachen sehr gut
 • Artificial Superintelligence (ASI)
 kann alles besser als der Mensch und ist in der Lage, selber Evolutionssprünge einzuleiten

  • 23. Für uns als Bibliotheken und DH- WissenschaftlerInnen ist nur ANI interessant. Wenn AGI oder gar ASI realisiert werden, haben wir als Menschheit ganz andere Probleme.
  • 24. O du Ausgeburt der Hölle! Soll das ganze Haus ersaufen? Seh ich über jede Schwelle doch schon Wasserströme laufen. Ein verruchter Besen, der nicht hören will! Stock, der du gewesen, steh doch wieder still! Willst am Ende gar nicht lassen? Will dich fassen, will dich halten und das alte Holz behende mit dem scharfen Beile spalten. Hilfloses Schimpfen
  • 27. 1. Wozu soll das gut sein? 2. Wer braucht denn so was? 3. Die Einzigen, die das Neue wollen, sind zweifelhafte oder privilegierte Minderheiten. 4. XY ist eine Mode, die vielleicht wieder vorbeigeht. 5. Täuschen Sie sich nicht, durch (XY) wird sich absolut nichts ändern. 6. XY ist im Prinzip gut, aber nicht gut genug. Es ist kompliziert und nicht 100% zuverlässig. 7. Schwächere als ich können damit nicht umgehen! 8. Die Nutzung von XY verstößt gegen die Etikette 9. XY verändert unsere Denk-, Schreib- und Lesetechniken zum Schlechteren http://kathrin.passig.de/texte/standardsituationen_der_technologiekritik.html Standardsituationen der Technologiekritik Passig 2009
  • 28. „Wir verstehen nicht mehr, nach welchen Kriterien die AI klassifiziert (xy tut)“
  • 29. Die wichtigste Version der Verständlichkeitsfrage lautet: Lässt sich nachträglich begründen oder sichtbar machen, wie der Weg zum Ergebnis aussah? Die Nachfrage nach solchen Erklärungen ist groß, und derzeit wird unter dem Begriff »Explainable Artificial Intelligence« intensiv an ihnen geforscht. (Passig 2017: Fünfzig Jahre Black Box)
  • 30. Noch einmal kurz zusammengefasst die Gründe für die Unverständlichkeit von Software: Bei Wiener ist es unsere Langsamkeit im Denken. Wir könnten wohl verstehen, was ein Programm tut, es dauert nur unter Umständen so lange, dass die Kritik zu spät kommt. Für Lem verhalten sich Systeme ab einem bestimmten Komplexitätsgrad grundsätzlich unvorhersehbar. Minsky nennt die Interaktionen der einzelnen Prozesse, das Wuchern des Codes und die Auswirkungen der Zusammenarbeit mehrerer Programmierer. Bei Weizenbaum sind es die Größe der Systeme, das Abwandern der ursprünglichen Programmierer und das Vergehen der Zeit, »weil die Systeme eine Konsequenz ihrer Geschichte sind und die Geschichte verlorengeht«. (Passig 2017)
  • 31. Erklärungslücken halten uns nicht davon ab, unser Gehirn zu benutzen. Sie halten uns auch nicht davon ab, Vollnarkosen einzusetzen, obwohl bis heute unbekannt ist, warum und wie sie wirken. Die Vorteile der Narkose sind so groß, dass wir bereit sind, über den Nachteil ihrer Rätselhaftigkeit hinwegzusehen. Ich möchte die Undurchschaubarkeit von Gehirn, Narkose und Software nicht verteidigen, sondern nur dafür plädieren, an Software keine strengeren Maßstäbe anzulegen als an die anderen beiden Black Boxes. Dass die Verwendung bereits läuft, obwohl eine vollständige Erklärung noch aussteht, ist nicht ungewöhnlich. Zitronen als Mittel gegen Skorbut waren jahrhundertelang im Einsatz, bevor man die Gründe für ihre Wirksamkeit verstand. (Passig 2017) https://www.merkur-zeitschrift.de/2017/11/23/fuenfzig-jahre-black-box/
  • 32. „Wir machen mit AI all unsere KollegInnen arbeitslos“
  • 33. Die Frage:
 „Welche Aufgaben unserer KollegInnen werden demnächst von Maschinen übernommen?“
  • 35. Die Frage:
 „Welche Aufgaben unserer KollegInnen werden demnächst von Maschinen übernommen?“ ist falsch gestellt.

  • 36. Die Frage:
 „Welche Aufgaben unserer KollegInnen werden demnächst von Maschinen übernommen?“ ist falsch gestellt.
 Besser:
 
 „Welche neuen Aufgaben werden demnächst durch Maschinen möglich, und wie können unsere KollegInnen dabei unterstützen?“
  • 38. Anwendungsfelder für NAI an Bibliotheken • Auskunft • Katalogisierung • Vernetzung von Objekten und Beständen • Erschließung • Auffinden von Artefakten
  • 39. Anwendungsfelder für NAI an Bibliotheken:
 Auffinden von Artefakten http://sappingattention.blogspot.de/2017/05/a-brief-visual-history-of-marc.html
  • 40. Anwendungsfelder für NAI an Bibliotheken:
 Erkennung von Inhaltsverzeichnissen
  • 41. Und sie laufen! Naß und nässer wirds im Saal und auf den Stufen. Welch entsetzliches Gewässer! Herr und Meister! hör mich rufen! – Ach, da kommt der Meister! Herr, die Not ist groß! Die ich rief, die Geister werd ich nun nicht los. »In die Ecke, Besen, Besen! Seids gewesen. Denn als Geister ruft euch nur zu seinem Zwecke, erst hervor der alte Meister.« Hilferuf / Rettung durch den Zaubermeister
  • 42. Gründe, warum Bibliotheken (Archive, Museen) gute AI-Kunden sind • Älteste „Big Data“ Halter der Menschheitsgeschichte • Dabei absurd kleine Datenmengen (Text - im Vergleich zu Foto und Video)
  • 43. Die wesentlichen Errungenschaften
 der Geistes- und Ideengeschichte der Menschheit
 sind nicht in Videos dokumentiert.
  • 46. Die wesentlichen Errungenschaften
 der Geistes- und Ideengeschichte der Menschheit
 sind nicht in Videos dokumentiert.
  • 47. Gründe, warum Bibliotheken (Archive, Museen) gute AI-Kunden sind • Älteste „Big Data“ Halter der Menschheitsgeschichte • Dabei absurd kleine Datenmengen (im Vergleich zu Foto und Video) • Ground Truth (wir haben schon Unmengen von händisch erzeugten und kontrollierten Daten für Trainings) • Wir sind die Guten
  • 48. Der Zeitpunkt wird kommen, an dem die Vorteile von NAI für unseren Bereich so groß sind, dass die großen Player (OCLC, Verlage, SAP, Google, Verbünde, …) fertige Lösungen für uns anbieten werden und wir nur zugreifen müssen. Ich halte das für grundfalsch.
  • 49. Der Zauberlehrling
 war nicht als
 Anleitung gemeint!
  • 50. Das Problem des Zauberlehrlings
 ist nicht die Technologie, 
 sondern seine eigenen 
 massiven Kompetenzdefizite
  • 51. Wir sind dabei, nach Wikipedia und Suchmaschinen die dritte große Technologieentwicklung des IUK- Sektors zu verschlafen
  • 52. • Älteste „Big Data“ Halter der Menschheitsgeschichte • Dabei absurd kleine Datenmengen (im Vergleich zu Foto Video) • Ground Truth • Wir sind die Guten Gründe, warum Bibliotheken (Archive, Museen) gute AI-Kunden sind
  • 53. Gründe, warum Bibliotheken (Archive, Museen) gute AI-Kunden sind • Älteste „Big Data“ Halter der Menschheitsgeschichte • Dabei absurd kleine Datenmengen (im Vergleich zu Foto Video) • Ground Truth • Wir sind die Guten Forschungseinrichtungen
  • 54. Wir müssen selbst zu NAI-Expertinnen werden, und für solche als Arbeitsumfeld attraktiv werden.
 
 Faustregel:
 Auf drei BibliothekarInnen eine InformatikerIn
  • 60. Wie auf dem Laufenden bleiben? Nachrichten