Beispiel Maschinelles Lernen
Vorsicht: Dies ist erst ein Entwurf eines Beispiels. Er wurde noch nicht intensiv diskutiert und gegengelesen.
Künstliche Intelligenz begegnet den Jugendlichen täglich in verschiedenen Formen. Aufgrund ihres Klickverhaltens, ermöglichen sie es Plattformen Zusammenhänge zu erkennen. Man spricht hier auch von Machine Learning. Zum Beispiel erkennt ein Algorithmus im Musikprogramm Spotify, dass zwei Interpreten häufig von den gleichen Benutzern gehört werden. Dies ist die Grundlage für die Empfehlfunktion des Dienstes. Das Programm scheint also vor mir zu wissen, was ich als nächstes hören möchte. Ähnliche Mechanismen sind heute in fast alle Online-Dienste integriert: Shopping, Nachrichtenseiten, Werbung, Social Media Plattformen, usw.
Perspektiven des Dagstuhl-Dreiecks
- In welchen Diensten nutze ich Machine Learning?
- Wo ist dies offensichtlich? Wo eher versteckt?
- Wie kann ich beeinflussen, welche Daten von mir gesammelt werden?
- Was sind die Vor- und Nachteile, wenn ich viel von mir preisgebe?
- Welche Konsequenzen hat Machine Learning für unseren Alltag?
- Welche Entwicklungen sind in Zukunft zu erwarten?
- Welchen Einfluss haben personalisierte News-Feeds auf die Meinungsbildung (Stichwort Filter-Bubble)?
- Welche Formen von Machine Learning gibt es und wie funktionieren diese?
- Wie lernt ein Computer?
- Was kann Machine Learning (noch) nicht?
- Wie viel Information benötigt ein System, um mir passende Empfehlungen zu machen?
- Welche Daten werden für Machine Learning benutzt
Verwandte Beispiele
- Künstliche Intelligenz
- Filter-Bubbles
- Deep Learning
- Autonome Systeme
- Sprachassistenten
Unterrichtseinheiten
Diskussion dieses Beispiels