Viele Daten heißt bessere Daten

Selbstfahrende Autos waren nur der Anfang. Was ist die Zukunft der von "Big Data" gesteuerten Technologie und ihrem Design? In einem spannenden wissenschaftlichen Vortrag erläutert Kenneth Cukier, wohin Maschinelles Lernen – und menschliches Wissen führen wird.

Amerikas Lieblingskuchen ist?

Publikum: Apfelkuchen.
K. Cukier: Es ist natürlich Apfelkuchen.

Woher wissen wir das?

Aufgrund von Daten.

Man schaut sich Umsätze
von Supermärkten an,

nimmt die Verkaufszahlen
von tiefgekühlten Kuchen

mit 30 cm Durchmesser,
und Apfelkuchen sind einsame Spitze.

Die Mehrzahl der Verkäufe
sind Apfelkuchen.

Doch dann begannen Supermärkte

kleinere, 11-cm-Kuchen zu verkaufen,

und plötzlich fiel Apfelkuchen
auf den 4. oder 5. Platz.

Warum? Was ist passiert?

Okay, denken Sie darüber nach.

Wenn man einen 30-Zentimer-Kuchen kauft,

muss die ganze Familie einverstanden sein

und Apfelkuchen hat jeder
am zweitliebsten.

(Gelächter)

Aber wenn man einen individuellen
11-Zentimter-Kuchen kauft,

kann man den nehmen, den man will.

Man kann seine erste Wahl bekommen.

Man hat mehr Daten.

Man sieht etwas,

das man nicht sehen konnte,

als man nur kleinere Mengen davon hatte.

Der Punkt ist, dass mehr Daten

uns nicht nur helfen

mehr von den gleichen Dingen zu sehen.

Mehr Daten erlauben uns Neues zu sehen.

Es hilft uns besser zu sehen.

Es hilft uns anders zu sehen.

In diesem Fall erlaubt es uns zu sehen,

was Amerikas Lieblingskuchen ist:

nicht Apfelkuchen.

Sie haben wahrscheinlich alle schon
den Begriff "Big Data" gehört.

Wahrscheinlich sind Sie es leid

den Begriff "Big Data" zu hören.

Es ist wahr, dass es viel Wirbel
um den Begriff gibt,

was sehr schade ist,

weil Big Data
ein extrem wichtiges Werkzeug ist,

durch das die Gesellschaft
vorankommen wird.

In der Vergangenheit schauten wir
auf "Small Data" [wenige Daten],

dachten über ihre Bedeutung nach

und versuchten die Welt zu verstehen.

Jetzt haben wir viel mehr davon,

mehr als jemals zuvor.

Wir stellen fest, dass wir
mit einer großen Datenmenge

grundsätzlich Dinge tun können,

die wir zuvor nicht tun konnten,
als wir nur kleinere Mengen hatten.

Big Data ist wichtig
und Big Data ist neu

und wenn man darüber nachdenkt,

ist der einzige Weg für diesen Planeten,

globale Herausforderungen zu bewältigen --

Menschen zu ernähren,
medizinische Versorgung,

Energie und Elektrizität zu liefern

und sicher zu stellen,

dass sie nicht durch die
globale Erwärmung verbrennen --

die effektive Nutzung von Daten.

Was gibt es Neues über Big Data?
Was ist das Besondere daran?

Um diese Frage zu beantworten,
denken Sie darüber nach,

wie Informationen aussahen,

wie sie in der Vergangenheit
physisch aussahen.

1908 entdeckten Archäologen

auf der Insel Kreta eine Tonscheibe.

Sie datierten sie auf 2 000 v. Chr.,
sie ist also 4 000 Jahre alt.

Es gibt Schriftzeichen darauf,

aber wir verstehen sie nicht.

Es ist ein absolutes Rätsel,
aber der Punkt ist,

dass Informationen

vor 4 000 Jahren so aussahen.

So bewahrte die Gesellschaft

Informationen und überlieferte sie.

Die Gesellschaft hat sich seitdem
nicht viel verändert.

Wir speichern immer noch
Informationen auf Scheiben,

aber jetzt können wir
viel mehr Informationen speichern,

mehr als jemals zuvor.

Suchen ist einfacher.
Kopieren ist einfacher.

Teilen ist einfacher.
Weiterverarbeitung ist einfacher.

Wir können die Informationen
für Zwecke wiederverwenden,

die für uns unvorstellbar waren,

als wir die Daten das erste Mal sammelten.

So gesehen haben sich
die Daten verändert,

von einem Lager zu einem Fluss,

von etwas Stationärem und Statischen

zu etwas Fließendem und Dynamischem.

Gewissermaßen haben Informationen
etwas Fließendes an sich.

Die Scheibe, die vor Kreta entdeckt wurde

und 4 000 Jahre alt ist, ist schwer,

sie kann nicht viele
Informationen speichern

und die Informationen sind unveränderbar.

Im Gegensatz dazu passen alle Dateien,

die Edward Snowden von
der National Security Agency

in den Vereinigten Staaten entnahm,

auf einen USB-Stick

in der Größe eines Fingernagels

und sie können in Lichtgeschwindigkeit
verbreitet werden.

Mehr Daten. Mehr.

Ein Grund für die riesige Datenmenge
in der Welt heute ist,

dass wir Dinge sammeln,

über die wir schon immer Informationen
gesammelt haben,

aber ein weiterer Grund ist:
Wir nehmen Dinge,

die schon immer Informationen enthielten,

aber die noch nie in ein Datenformat
übersetzt wurden

und erfassen sie als Daten.

Denken wir zum Beispiel
an die Frage des Aufenthaltsortes.

Nehmen wir zum Beispiel Martin Luther.

Wenn wir im 16. Jh. wissen wollten,

wo Martin Luther war,

hätten wir ihm die ganze Zeit
folgen müssen,

vielleicht mit Feder und Tintenfass,

um es aufzuschreiben,

und jetzt stellen Sie sich vor,
wie es heute ist.

Sie wissen, dass irgendwo,

wahrscheinlich in der Datenbank

eines Telekommunikationsbetreibers,

eine Tabelle oder zumindest
ein Dateneintrag

Informationen darüber enthält,

wo Sie sich die ganze Zeit über aufhalten.

Wenn Sie ein Handy haben,

und das Handy GPS hat,
aber auch ohne GPS,

kann es Ihre Informationen abspeichern.

In dieser Hinsicht wurde der
Aufenthaltsort in die Daten aufgenommen.

Denken wir zum Beispiel an
das Problem der Körperhaltung,

die Art wie Sie gerade sitzen,

die Art wie Sie sitzen,

die Art wie Sie sitzen,
die Art wie Sie sitzen.

Es ist immer verschieden
und abhängig von Ihrer Beinlänge

und Ihrem Rücken,
und Ihren Rückenkonturen,

und würde ich Sensoren --
vielleicht 100 davon --

an Ihren Sitzen anbringen,

dann könnte ich eine Tabelle erstellen,
die Sie unverwechselbar erkennt,

wie eine Art Fingerabdruck,
aber ohne Ihren Finger.

Was könnten wir damit tun?

Forscher in Tokio benutzen ihn

als eine potenzielle Vorrichtung
gegen Autodiebstahl.

Laut diesem Konzept sitzt
der Autodieb hinter dem Lenkrad,

versucht wegzufahren,
aber das Auto erkennt

ihn als nicht berechtigten Fahrer,

und vielleicht schaltet sich der Motor ab,

außer Sie geben ein Passwort
ins Armaturenbrett ein,

das sagt: "Hey, ich habe
die Genehmigung zu fahren." Großartig.

Was wäre, wenn
jedes einzelne Auto in Europa

diese Technologie besäße?

Was könnten wir dann tun?

Wenn wir die Daten zusammentragen,

könnten wir vielleicht
verdächtige Zeichen erkennen,

welche am besten vorhersagen,
dass in den nächsten 5 Sekunden

ein Autounfall stattfinden wird.

Dann werden wir Fahrerermüdung
als Daten aufgenommen haben.

Die Dienstleistung wäre dann,
wenn das Auto spürt,

dass die Person in diese Position fällt,

dann weiß es automatisch, dass es
einen internen Alarm auslösen muss,

welcher das Lenkrad vibrieren lässt,
im Auto hupt,

um zu sagen: "Hey, wach auf,

pass besser auf die Straße auf."

Solche Dinge können wir umsetzen,

wenn wir mehr Aspekte unseres Lebens
in Daten umwandeln.

Was ist also der Wert von Big Data?

Nun ja, denken Sie darüber nach.

Man hat mehr Informationen.

Man kann Dinge tun,
die man vorher nicht tun konnte.

Eines der beeindruckendsten Gebiete

für die Anwendung dieses Konzepts

ist der Bereich
des Maschinellen Lernens.

Maschinelles Lernen ist
ein Zweig der künstlichen Intelligenz,

die wiederum ein Zweig
der Informatik ist.

Der Grundgedanke ist,

anstatt einem Computer beizubringen,
was zu tun ist,

füttern wir ihn einfach mit Daten

und lassen den Computer
das Problem selbst lösen.

Das können Sie besser verstehen,

wenn Sie die Ursprünge kennenlernen.

In den 1950ern spielte ein Informatiker

bei IBM mit dem Namen
Arthur Samuel gerne Dame,

also schrieb er ein Programm,

um gegen den Computer spielen zu können.

Er spielte. Er gewann.

Er spielte. Er gewann.

Er spielte. Er gewann,

weil der Computer nur wusste,

was ein erlaubter Zug ist.

Arthur Samuel wusste noch etwas anderes.

Arthur Samuel kannte Strategien.

Deshalb schrieb er dazu
ein kleines Unterprogramm,

das im Hintergrund arbeitete

und die Wahrscheinlichkeit bewertete,

ob eine bestimmte Brettaufstellung eher

zu einem gewinnenden oder
verlierenden Brett führt.

Die Berechnung erfolgte Zug für Zug.

Er spielt gegen den Computer. Er gewinnt.

Er spielt gegen den Computer. Er gewinnt.

Er spielt gegen den Computer. Er gewinnt.

Und dann lässt Arthur Samuel den Computer

gegen sich selbst spielen.

Er spielt für sich selbst.
Er sammelt mehr Daten.

Er sammelt mehr Daten. Er erhöht
die Genauigkeit seiner Voraussagen.

Dann geht Arthur Samuel
zurück zum Computer,

spielt gegen ihn und er verliert,

und er spielt gegen ihn und er verliert,

und er spielt gegen ihn und er verliert.

Damit erfindet Arthur Samuel
eine Maschine,

die seine Fähigkeit in einer Aufgabe
übertrifft, die er ihr selbst beibrachte.

Dieses Konzept des Maschinellen Lernens

verbreitet sich überallhin.

Wie, denken Sie, sind wir zu
selbstfahrenden Autos gekommen?

Geht es uns als Gesellschaft besser,

wenn wir alle Verkehrsregeln
in Computerprogramme speisen?

Nein. Datenspeicher ist billiger. Nein.

Algorithmen sind schneller. Nein.
Prozessoren sind besser. Nein.

All diese Dinge sind wichtig,
aber nicht entscheidend.

Das liegt daran, dass wir das Wesen
des Problems verändert haben.

Wir haben das Wesen des Problems

von einem, in dem wir versuchten,

dem Computer deutlich zu erklären,
wie man fährt,

zu einem verändert, in dem wir sagen:

"Hier gibt es viele Daten
um das Auto herum.

Du findest es heraus.

Du findest heraus,
dass das eine Ampel ist,

dass die Ampel rot und
nicht grün leuchtet,

dass das bedeutet, dass man anhalten muss

und nicht weiterfahren darf."

Maschinelles Lernen ist die Grundlage

für viele Dinge, die wir online tun:

Suchmaschinen,

die Personalisierungsalgorithmen
von Amazon,

computergestützte Übersetzungen,

Spracherkennungssysteme.

Forscher haben sich neulich

mit der Frage
von Gewebeentnahmen beschäftigt,

Entnahmen von krebskrankem Gewebe.

Sie haben den Computer

mit Daten und Überlebensraten gefüttert,

und ihn angewiesen zu bestimmen,

ob die Zellen tatsächlich
krebserregend sind oder nicht.

Nach dem Füttern mit Daten
konnte der Rechner

durch einen maschinellen Lernalgorithmus

die 12 verdächtigsten Zeichen erkennen,
die am besten vorhersagen,

dass die Gewebeentnahme
von Brustkrebszellen

wirklich Krebszellen enthalten.

Das Problem dabei:
Die medizinische Literatur

kannte nur neun davon.

Drei Merkmale waren welche,

die man bisher nicht suchen musste,

die aber vom Rechner entdeckt wurden.

Es gibt aber auch
eine dunkle Seite von Big Data.

Die Daten werden unser Leben verbessern,

aber es gibt auch Probleme,
die uns bewusst sein müssen

und dazu gehört zuallererst,

dass wir für Vorhersagen
bestraft werden könnten,

dass die Polizei die Daten
für ihre Zwecke benutzen könnte,

fast wie im Film "Minority Report".

Man nennt das "predictive policing"
[Verbrechen voraussagen]

oder "algorithmic criminology",

was bedeutet, dass man
eine Menge Daten sammelt,

z. B. wo vergangene Verbrechen
begangen wurden,

und weiß, wohin man
die Polizeistreifen schicken muss.

Das leuchtet ein,
aber das Problem ist natürlich,

dass es nicht einfach bei
Standortdaten aufhören wird,

es wird auch auf der Ebene
der individuellen Daten passieren.

Warum verwenden wir nicht die Daten

über das Abschlusszeugnis einer Person?

Vielleicht sollten wir prüfen,

ob sie arbeiten oder nicht,
ihre Kreditwürdigkeit,

ihr Surfverhalten,

oder ob sie bis spät nachts
wach sind.

Sobald ihr "Fitbit" biochemische
Prozesse erkennen kann,

wird es zeigen können,
wann jemand aggressive Gedanken hat.

Wir werden vielleicht Algorithmen haben,

die vorhersagen könnten,
was wir tun werden,

und wir könnten bestraft werden,

bevor wir tatsächlich gehandelt haben.

Privatsphäre war
die größte Herausforderung

im Zeitalter der Small Data.

Im Zeitalter der Big Data

wird die Herausforderung sein,
den freien Willen,

moralische Entscheidungen,
menschliche Willensäußerungen

und menschliches Handeln zu beschützen.

Es gibt ein weiters Problem:

Big Data wird unsere Jobs klauen.

Big Data und Algorithmen werden
eine Herausforderung

für Angestellte
und professionelle Wissensarbeit

im 21. Jahrhundert

auf die gleiche Art werden,
wie die Fabrikautomation

und das Fließband

eine Herausforderung für Arbeiter
im 20. Jahrhundert war.

Denken Sie an einen Laboranten,

der durch ein Mikroskop

Gewebeentnahmen anschaut

und bestimmt,
ob es Krebszellen sind oder nicht.

Die Person ging zur Universität.

Die Person kauft ein Grundstück.

Er oder sie wählt.

Er oder sie ist ein wichtiger
Akteur in der Gesellschaft.

Der Beruf der Person,

genauso wie ein ganzes Geschwader

an Berufstätigen wie diese Person,

wird feststellen, dass ihre Berufe
sich radikal verändern

oder sogar komplett verdrängt werden.

Wir mögen den Gedanken,

dass Technologie in einem bestimmten
Zeitraum neue Berufe

nach einer kurzen vorübergehenden Zeit
der Verlagerung schafft,

und das stimmt für unseren Bezugsrahmen,

die industrielle Revolution,

weil genau das passiert ist.

Aber wir vergessen etwas in der Analyse:

Es gibt einige Arten von Berufen,

die einfach verdrängt werden
und nie zurückkommen.

Die industrielle Revolution war
nicht sehr gut,

wenn man ein Pferd war.

Deshalb müssen wir vorsichtig sein

und Big Data
unseren Bedürfnissen anpassen,

unseren zutiefst
menschlichen Bedürfnissen.

Wir müssen die Herrscher
über diese Technologie sein

und nicht ihre Diener.

Wir stehen erst am Anfang
des Zeitalters der Big Data,

und ehrlich gesagt sind wir nicht sehr gut

im Umgang mit all den Daten,
die wir erheben können.

Es ist nicht nur ein Problem für
die National Security Agency [NSA].

Unternehmen erheben auch viele Daten
und sie missbrauchen sie auch,

und wir müssen darin besser werden
und das wird Zeit brauchen.

Es ist ein bisschen wie
die Herausforderung,

die Feuer für den
primitiven Menschen darstellte.

Es ist ein Werkzeug, aber eines,

an dem wir uns verbrennen
werden, wenn wir nicht aufpassen.

Big Data wird unser Art, wie wir leben,
grundlegend verändern,

ebenso wie wir arbeiten
und wie wir denken.

Es wird uns helfen
unsere Berufe zu bewältigen

und ein Leben voller Zufriedenheit
und Hoffnung

und Glück und Gesundheit zu führen,

aber in der Vergangenheit haben wir
bei Informationstechnologie

nur das "T" gesehen,

die Technologie, die Hardware,

weil das greifbar war.

Jetzt müssen wir unseren Blick
auf das "I" richten,

die Information,

die weniger sichtbar ist,

aber in mancher Weise viel wichtiger ist.

Die Menschheit kann endlich
von den Informationen lernen,

die sie einsammelt,

als Teil unserer zeitlosen Aufgabe,

die Welt und unseren Platz
darin zu verstehen,

und deshalb ist Big Data
eine große Sache.

(Applaus)