Machine Learning prägt unsere Welt, doch viele von uns wissen nur wenig darüber, wie es funktioniert. Wir tappen im Dunkeln, was AI-Algorithmen angeht. Diese Oikoplus Reading List hilft, die Technologie zu entmystifizieren.
In dieser Oikoplus-Leseliste werfen wir einen Blick auf Machine Learning. Natürlich verwenden auch wir verschiedene KI-Tools, die uns in unserer Arbeit unterstützen. Aber um ehrlich zu sein, haben wir wenig Ahnung davon, wie ihre Algorithmen funktionieren. Und da wir damit vermutlich nicht allein sind, gibt es hier ein paar gute Lektüren zum Thema.
Fangen wir mit einem Blick auf die Geschichte der Softwareentwicklung an. Der Artikel „A Little History of Software Development“ auf dem Ferrovial-Blog bietet einen Überblick über die Entwicklung von Software im Allgemeinen. Er beschreibt wichtige Phasen, angefangen von den experimentellen Anfängen bis hin zur Industrialisierung in den 1980er Jahren und der Agile Revolution in den 2000er Jahren. Moderne Trends wie KI und Low-Code-Plattformen werden ebenfalls angesprochen.
Und damit wären wir bei Machine Learning. Im Blog der MIT Sloan School findet sich ein lesenswerter Artikel über maschinelles Lernen. „Machine Learning, Explained“ bietet eine umfassende Einführung in die Funktionsweise des maschinellen Lernens (ML) als Teilbereich der künstlichen Intelligenz. Der Artikel erläutert verschiedene Arten des ML, wie überwacht, unbeaufsichtigt und verstärkend, und befasst sich mit Themen wie Erklärbarkeit, Voreingenommenheit und der ethischen Dimension.
Das Quanta Magazine hat einen lesenswerten Artikel veröffentlicht, der zeigt, wie abstrakte Konzepte unser Denken über Computer beeinflussen können. Informatik geht dabei nicht nur um Programmiersprachen oder technische Lösungen. Der Artikel behandelt die Arbeit der Informatikerin Lenka Zdeborová, die Konzepte der statistischen Physik anwendet, um maschinelles Lernen und das Verhalten von Algorithmen besser zu verstehen. Sie untersucht, wie physikalische Phasenübergänge, wie das Gefrieren von Wasser, algorithmische Veränderungen modellieren können, insbesondere in neuronalen Netzwerken.
Natürlich ist maschinelles Lernen nicht nur eine Frage neugiergeleiteter Forschung, sondern auch ein Milliardengeschäft. Matthew Ball beleuchtet in seinem Artikel „Parallel Bets, Microsoft, and AI Strategies“ die strategische Herangehensweise von Microsoft an Investitionen in KI, insbesondere durch Partnerschaften mit OpenAI, während das Unternehmen gleichzeitig eigene Modelle entwickelt. Microsoft setzt dabei auf verschiedene KI-Technologien, von großen Übernahmen wie Nuance bis hin zu kleineren Start-ups. Der Artikel beschreibt die Wettbewerbslandschaft zwischen Microsoft und OpenAI und analysiert die historische Strategie von Microsoft, durch diversifizierte Investitionen in aufstrebenden Technologien seine Position zu sichern.
Jetzt haben wir uns mit maschinellem Lernen und KI beschäftigt. Aber wir haben kaum wirklich verstanden, wie die selbstlernenden Algorithmen funktionieren. Aber wäre das nicht wichtig? Werden wir nicht alle zu bloßen Nutzern, wenn wir keine Ahnung haben, wie die Technologien, die wir in unserem Alltag einsetzen, funktionieren? Diese Frage wurde schon vor fast einem Jahrzehnt gestellt. In diesem Brookings-Artikel aus dem Jahr 2016 wird erörtert, wie wichtig es ist, die Öffentlichkeit über maschinelles Lernen (ML) aufzuklären, um das Verständnis und Vertrauen in KI-Technologien zu stärken. Er betont, dass Algorithmen des maschinellen Lernens zwar zunehmend Einfluss auf verschiedene Bereiche wie autonome Fahrzeuge und Gesichtserkennung nehmen, die Öffentlichkeit aber oft nicht weiß, wie diese Systeme Entscheidungen treffen. Der Artikel plädiert für mehr Transparenz und bessere Kommunikationsstrategien, um ML und seine Auswirkungen auf das tägliche Leben zu entmystifizieren.
Am Ende unserer kleinen Erkundung des Machine Learnings wird deutlich: Ob es um Unternehmensstrategien wie die von Tech Konzernen geht oder um den Bedarf an öffentlicher KI-Bildung – Verständnis dieser Algorithmen ist unerlässlich, um sich in der digitalen Welt, die unsere Zukunft prägt, zurechtzufinden. Wir werden weiterlesen.
