Und hier ein paar Kommentare von mir, welche Gedanken mich zu der Geschichte motiviert haben, die erste Version erschien im Newsletter der PRFZ, aber ich wollte es auch noch einmal hier posten.
Begriffe wie Deep Learning oder Machine Learning haben heutzutage die meisten schon gehört. Manchmal beschreiben sie Dinge, die bisher nur in Science-Fiction-Geschichten erzählt werden – aber nun geschehen sie im täglichen Leben. Manchmal verwischen sich hierdurch Grenzen zwischen dieser Technologie und Magie. Doch wenn man auf die Grundlagen schaut, stellt man fest, dass sich Mathematik hinter den Verfahren verbirgt und dies seit Jahrzehnten bekannt ist.
Alle mathematischen Verfahren im Bereich des Machine Learning basieren auf einer sehr große Anzahl von Eingangsdaten, zum Beispiel Bilder, die alle Katzen darstellen, und eine ähnliche Anzahl von Bildern, die keine Katzen darstellen. Diese Eingangsdaten werden analysiert, man ermittelt Parameter, die beide Mengen voneinander unterscheiden. Diese Parameter werden gespeichert, damit sie später bei neuen Daten angewendet werden können, um zu erkennen, in welche Gruppe sie gehören. Ob sie also zum Beispiel Katzen darstellen.
Obwohl das Ganze wissenschaftlich klingt, gibt es bei diesen Verfahren immer noch Aufgaben, die eine Maschine nicht leisten kann: Die Auswahl der Ausgangsdaten und des mathematischen Verfahrens. Hier spielt der Mensch eine entscheidende Rolle bei der Anwendung der Künstlichen Intelligenz, denn nur er kann diese Aufgaben erfüllen.
Eine solche Person muss die Mathematik hinter den Verfahren verstehen, um abzuschätzen, ob das Ergebnis wirklich gut ist oder ob es sich mit einem anderen Verfahren vielleicht optimieren ließe. Diese neue Berufsgruppe wird Data Scientists genannt.
Diese Datenwissenschaftler werden besser bezahlt als normale Software-Entwickler, denn sie beherrschen die Kunst, mathematische Algorithmen als Werkzeuge zu benutzen, genau wie ein Handwerker seinen Hammer, seinen Schraubenzieher oder seine Bohrmaschine verwendet. Und in gleicher Weise entscheidend sind die Fähigkeiten der Menschen in diesem Bereich. Manchmal kommt nur ein wackeliger Tisch heraus, aber ein anderer Handwerker stellt Geigen her, die Jahrhunderte überdauern.
In der meiner Geschichte „Der Datent von Richese“ geht es um einen solchen Data Scientist, der auf der STELLARIS seiner Arbeit nachgeht. Er benutzt seine Fähigkeiten aber auch, um die Menschen in seiner Umgebung zu beeinflussen, denn eine beängstigende Eigenschaft zeigt sich bei der Anwendung von Machine Learning schon heute: Es ist möglich, das Verhalten von Menschen durch Daten aus der Vergangenheit vorherzusagen. Das klingt nach Magie, aber die Polizei verwendet es bereits heute, um Verbrechen in gewissen Stadtvierteln vorherzusagen.
Menschliches Verhalten lässt sich also im gewissen Rahmen berechnen. Das ist eine erschreckende Erkenntnis, aber sie ist nicht wirklich neu, denn eine der großen Science-Fiction-Geschichten, die auch Erwähnung in „Der Datent von Richese“ findet, ist die Foundation-Trilogie von Isaac Asimov.
Die meisten Leser kennen Asimov durch seine Robotergeschichten und die von ihm eingeführten Gesetze, aber in der Foundation-Trilogie entwickelt Hari Seldon eine Wissenschaft, die Psychohistorik, die darauf abzielt, die Entwicklung von großen Menschenmassen und Zivilisationen zu berechnen. Er sagt damit den Untergang des galaktischen Imperiums voraus, wird aber gleichzeitig aktiv, um das Chaos nach dem Niedergang möglichst kurz zu halten. Ich finde es beeindruckend, dass ein Autor in der Mitte des letzten Jahrhunderts eine solche Idee als Kern seiner Geschichte verwendet hat, denn in der damaligen Zeit war es ein sehr weiter Schritt von der Analyse der Daten zu Prognosen über sehr lange Zeiträume.
Die Beherrschung der Mathematik hinter Machine Learning verleiht demnach Macht. Die Frage ist, wie ein Data Scientist seine Macht anwendet. Damit habe ich mich in dieser Geschichte beschäftigt …