Shyam Sankar: Der Aufbruch der Mensch-Maschine-Kooperation

Rohe Computergewalt alleine kann die Probleme dieser Welt nicht lösen. Datamining Vorreiter Shyam Sankar erklärt warum große Probleme zu lösen (wie Terroristen zu fangen oder verdeckte Trends zu identifizieren) keine Frage des richtigen Algorithmus ist, sondern eher der richtigen symbiotischen Beziehung zwischen Rechenleistung und menschlicher Kreativität.

Ich möchte von zwei Schachspielen erzählen.

Das erste fand 1997 statt: Garry Kasparow,

ein Mensch, verlor gegen Deep Blue, eine Maschine.

Für viele war das der Beginn einer neuen Ära,

in der Maschinen herrschen.

Heute ist die größte Veränderung

in unserer Beziehung zu Computern

nicht HAL, sondern das iPad.

Das zweite Spiel war ein Freestyle-Turnier

2005, bei dem Mensch und Maschine

als Partner statt als Gegner spielen konnten.

Anfangs waren die Ergebnisse klar.

Selbst ein Supercomputer
wurde von einem Großmeister

mit einem einfachen Laptop geschlagen.

Die Überraschung kam zum Schluss.
Wer gewann?

Kein Großmeister mit einem Supercomputer,

sondern zwei amerikanische Amateure,

die drei einfache Laptops benutzten.

Ihrer Fähigkeit, ihre Computer so auszureizen,

um bestimmte Stellungen intensiv zu erforschen,

waren weder das Wissen der Großmeister

noch die Rechnerleistung der Supercomputer

anderer Gegener gewachsen.

Ein erstaunliches Ergebnis:
Durchschnittliche Menschen

mit durchschnittlicher Technik schlagen
die besten Menschen und die beste Maschine.

Heißt es nicht eigentlich Mensch gegen Maschine?

Stattdessen geht es um die richtige Zusammenarbeit.

In den letzten 50 Jahren war
große Aufmerksamkeit

auf Marvin Minskys Vision
der künstlichen Intelligenz (KI) gerichtet.

Sie wurde zur dominierenden Denkrichtung
in der Informatik.

Sie wurde zur dominierenden Denkrichtung
in der Informatik.

Angesichts der großen Daten,
der Netzwerk-Systeme,

Plattformen und eingebetteter Technologie

wird es Zeit, eine andere Vision
wieder zu beleben,

die etwa zur gleichen Zeit entstand.

Ich meine Lickliders Mensch-Maschine-Symbiose

oder "Intelligence Augmentation" (IA).

Licklider hatte einen großen Einfluss

auf die Entwicklung der Technologie
und das Internet.

Seine Vision war, die Mensch-Computer-Kooperation

bei Entscheidungen und Kontrolle komplexer Situationen zu ermöglichen

ohne jegliche Abhängigkeit von
vorgegebenen Programmen.

ohne jegliche Abhängigkeit von
vorgegebenen Programmen.

Die Betonung liegt auf "kooperieren".

Er meinte nicht, einen Toaster zu benutzen,

um Daten von "Star Trek" zu generieren,

sondern Menschen leistungsfähiger zu machen.

Der Mensch ist unglaublich – wie er denkt,

seine nichtlinearen Gedankengänge, Kreativität,
– all das kann ein Computer

seine nichtlinearen Gedankengänge, Kreativität,
– all das kann ein Computer

nur mit großen Schwierigkeiten.

Licklider erkannte das intuitiv, während er Menschen

bei der Formulierung von Zielen und Hypothesen

und der Auswertung von Erhebungen beobachtete.

Natürlich sind Menschen andererseits begrenzt.

Wir machen Fehler bei Maßstab,
Berechnungen und Umfang.

Wir benötigen ein talentiertes Management,

um Rockbands zum Spielen zu bringen

Licklider erkannte, Computer können
die notwendige Routinearbeit tun,

um Einsichten und
Entscheidungen vorzubereiten.

um Einsichten und
Entscheidungen vorzubereiten.

Dieser Ansatz ist nicht nur im Schach sehr erfolgreich.

Proteinfaltung ist wie ein Schachspiel:

es gibt zahllose Möglichkeiten,
ein Protein zu falten.

Dies ist ein Problem
mit großen Auswirkungen

auf unsere Fähigkeit,
Krankheiten zu behandeln.

Die rohe Gewalt eines Computers ist nicht genug.

Foldit, ein Wissenschaftsspiel,

illustriert den Wert dieses Ansatzes.

Amateure müssen die Struktur eines Proteins

visuell neu ordnen,
während sie dem Computer

erlauben, die atomaren Kräfte und

Wechselwirkungen zu verwalten
und Probleme zu identifizieren.

Dieser Ansatz übertraf
in 50 % der Fälle die Supercomputer

und war in 30 % der Fälle gleichwertig.

Foldit machte kürzlich eine große Entdeckung

bei der Entzifferung
des Mason-Pfizer-Affen-Virus.

Eine Protease, die der Bestimmung über 10 Jahre auswich,

wurde von drei Spielern
in ein paar Tagen gelöst,

vielleicht der erste bedeutende Fortschritt,

der aus einem Videospiel hervorging.

Letztes Jahr wurde
die 9/11-Gedenkstätte eröffnet.

Letztes Jahr wurde
die 9/11-Gedenkstätte eröffnet.

Es zeigt die Namen tausender Opfer
und nutzt

das schöne Konzept "bedeutungsvoller Nähe".

Es platziert die Namen in Relation zu Beziehungen:

Freunde, Familien, Kollegen.

Eine riesige technische Herausforderung

3.500 Opfer, 1.800 Nähe-Anfragen,

die Wichtigkeit der physischen Spezifikationen

und das endgültige Aussehen.

Zuerst wurde diese Leistung

dem Algorithmus der New Yorker Designfirma

Local Projects zugesprochen.
Die Wahrheit ist komplexer.

Ein Algorithmus wurde verwendet,
um das Bezugssystem zu entwickeln,

Menschen nutzten dieses System,
um die Endergebnisse zu gestalten.

In diesem Fall hat der Computer
also Millionen möglicher

Anordnungen berechnet,
ein komplexes Beziehungssystem bearbeitet

und eine große Anzahl
von Meßwerten und Variablen

berücksichtigt, was den Menschen ermöglichte,

sich auf Design- und
Kompositionsfragen zu fokussieren.

Je mehr man sich umschaut,

desto mehr sieht man Lickliders Vision.

Ob Augmented Reality in Ihrem iPhone oder GPS,

Mensch-Computer-Symbiose macht uns leistungsfähiger.

Was kann man tun, um diese Symbiose

zu verbessern?

Man kann den Mensch
in den Prozess designen.

Anstatt zu denken, wie Computer
das Problem lösen wird,

entwirft man die Lösung
um die Möglichkeiten des Menschen.

Es wird schnell klar,
dass man seine ganze Zeit

in die Schnittstelle zwischen
Mensch und Maschine investiert,

insbesondere, um die Reibung
in der Interaktion zu umgehen.

Tatsächlich ist diese Reibung wichtiger als

die Leistung des Menschen oder der Maschine

für die Bestimmung der Leistungsfähigkeit.

Daher konnten zwei Amateure mit Laptops

einfach das Duo Supercomputer-Großmeister schlagen.

Kasparow sagt, Prozess sei
ein Nebenprodukt der Reibung.

Je besser der Prozess,
desto weniger Reibungsverlust.

Die Minimierung der Reibung
ist die entscheidende Variable.

Oder ein anderes Beispiel: große Datenmengen.

Jede Interaktion wird von

immer mehr Sensoren aufgezeichnet: Ihr Telefon,

Ihre Kreditkarte, Ihr Computer.
Es sind viele Daten

und wir bekommen dadurch die Gelegenheit,

unser Dasein genauer zu verstehen.

Der Schwerpunkt der meisten Ansätze bei Datenmengen

besteht in: "Wie kann ich diese Daten speichern,
durchsuchen und verarbeiten?

besteht in: "Wie kann ich diese Daten speichern,
durchsuchen und verarbeiten?

Notwendige, aber unzureichende Fragen.

Entscheidend ist nicht nur
zu wissen "wie",

sondern "was" man berechnet.
Wie ist unsere Intuition

in Daten dieser Größenordnung zu bringen?

Wir fangen an, das Menschliche
in dem Prozess zu gestalten.

Wenn PayPal anfing, war
ihre größte Herausforderung nicht,

wie man Geld online hin- und herschickt.

Es war, wie man es macht,
ohne betrogen zu werden.

Warum ist das so schwierig?
Obwohl Computer lernen können,

Betrug nach Mustern zu erkennen,

können sie das nicht
anhand von Mustern lernen,

die sie noch nie gesehen haben;
die organisierte Kriminalität

hat viel mit diesem Publikum gemeinsam: geniale Leute,

sehr kompetent und mit Unternehmergeist
(Gelächter) –

und mit einem Unterschied: die Absicht.

Computer erwischen alle außer die Schlausten.

Das Fangen der Cleversten macht den Unterschied

zwischen Erfolg und Niederlage.

Es gibt eine Reihe solcher Probleme, manche mit

lernfähigen Gegnern.
Sie zeigen sich selten

mit einem reproduzierbaren Muster,
das man erkennen kann.

Stattdessen werden mit innewohnender
Innovation und Störungen

diese Probleme unter Datenmengen begraben.

Z.B. Terrorismus. Terroristen passen sich immer

den neuen Bedingungen an und trotz allem

was Sie im Fernsehen sehen,
sind diese Anpassungen

und ihre Erkennung im Wesentlichen menschlich.

Computer erkennen keine
neuen Muster und Verhaltensweisen,

aber Menschen schon –
wir nutzen Technologie, testen Hypothesen,

und suchen nach Erkenntnissen,
indem wir Maschinen Aufgaben geben.

Bin Laden wurde nicht von KI erwischt.

Er wurde von engagierten, kompetenten Menschen

gefangen, die bestimmte Technologien verwendeten.

Egal wie reizvoll das klingt, man kann nicht

durch Analysieren von Daten zur Antwort kommen.

Es gibt keinen "Finde den Terrorist"-Knopf. Je mehr Daten

wir aus einer Vielzahl an Quellen integrieren

mit einer großen Bandbreite
an Datenformaten, von sehr

ungleichen Systemen, desto
weniger effektiv ist Datenanalyse.

Stattdessen werden Menschen
die Daten untersuchen müssen

und nach der Erkenntnis suchen müssen.
Wie Licklider vorhersah, die richtige Kooperation

ist der Schlüssel für hervorragende Ergebnisse

und wie Kasparow erkannte,

bedeutete das, den Reibungsverlust
an der Schnittstelle zu minimieren.

Dieser Ansatz ermöglicht jetzt Dinge wie alle

verfügbaren Daten der unterschiedlichen
Quellen zu durchkämmen,

um Schlüsselbeziehungen zu identifizieren
und sie zu sammeln,

etwas das vorher nahezu unmöglich war.

Für einige hat dies furchteinflößende Auswirkungen
auf private und bürgerliche Rechte.

Für einige hat dies furchteinflössende Auswirkungen
auf private und bürgerliche Rechte.

Für andere ist es eine Ära von stärkerem
privatem und gesellschaftlichem Schutz.

Für andere ist es eine Ära von stärkerem
privatem und gesellschaftlichem Schutz.

Aber diese Rechte sind von fundamentaler Bedeutung.

Man kann das nicht einfach bei Seite wischen.

Also lasst uns die Auswirkungen untersuchen,

die Technologien zum Betrieb
von Mensch-Maschine-Symbiosen

in jüngster Zeit gehabt haben.

Im Oktober 2007 haben US- und Koalitionsstreitkräfte

ein sicheres Al-Qaida Haus in der Stadt Sinjar

an der Grenze zu Syrien und Irak gestürmt.

Sie fanden eine Fundgrube von Dokumenten:

700 biografische Skizzen ausländischer Kämpfer.

SIe hatten ihre Familien im Golf, der Levante

und Nordafrika zurück gelassen,
um sich Al-Qaida im Irak anzuschließen.

Diese Aufzeichnungen waren menschliche Bezugsformate.

Die Kämpfer füllten sie aus,
als sie der Organisation beitraten.

Es zeigt sich, dass auch Al-Qaida

nicht ohne Bürokratie auskam.
(Gelächter)

Fragen wie: "Wer hat dich rekrutiert?",

"Was ist deine Heimatstadt?",
"Welche Tätigkeit suchst du?"

Die letztere verrät einen überraschenden Einblick.

Die große Mehrheit wollte

Selbstmordattentäter werden –

sehr wichtig, denn zwischen
2003 und 2007 gab es im Irak

1.382 Selbstmordattentate,
eine Hauptursache für Instabilität.

Die Analyse dieser Daten war schwierig.
Die Originale waren

auf Arabisch, die eingescannt
und übersetzt werden mussten.

Der Reibungsverlust in diesem Prozess
hätte keine bedeutenden

Ergebnisse innerhalb des operativen Zeitrahmens ermöglicht,

wenn nur Menschen, PDFs und
Beharrlichkeit genutzt worden wären.

Die Forscher mussten ihren menschlichen Verstand um

Technologie ergänzen, um tiefer
einzutauchen, um nicht offensichtliche

Hypothesen zu erforschen und
es ergaben sich tatsächlich Erkenntnisse.

20 % der ausländischen Kämpfer waren aus Libyen,

50 % davon stammten aus derselben Stadt,

enorm wichtig, da frühere Statistiken diesen Anteil mit

3 % angaben. Es half auch dabei,
sich auf eine Person

von zunehmender Bedeutung
zu konzentrieren, Abu Yahya al-Libi,

ein hochrangiger Geistlicher innerhalb
der libyschen islamischen Kampfgruppe.

Im März 2007 hielt er eine Rede, nach der es einen

Beteiligungsanstieg unter
libyschen ausländischen Kämpfern gab.

Vielleicht am cleversten und wenig offensichtlich,

dadurch, dass die Daten auf den Kopf
gestellt werden, sind die Forscher in der Lage,

die Koordinierungsnetzwerke
in Syrien zu erforschen,

diese waren letztlich dafür
verantwortlich, die ausländischen

Kämpfer aufzunehmen und
zur Grenze zu transportieren.

Das waren Netzwerke von Söldnern,
nicht von Ideologien,

sie waren wegen des Profits
im Koordinierungsnetzwerk.

Sie berechneten zum Beispiel
den saudischen ausländischen Kämpfern

wesentlich mehr als den Libyern,
Geld das ansonsten

an Al-Qaida gegangen wäre.

Vielleicht würde der Gegner
das eigene Netzwerk zerstören,

wenn sie wüssten, dass sie von angeblichen
Dschihadisten betrogen werden.

Im Januar 2010 traf ein verheerendes Erdbeben Haiti,

das dritttödlichste Erdbeben aller Zeiten,
eine Million Menschen,

10 Prozent der Bevölkerung wurden obdachlos.

Ein anscheinend kleiner Aspekt
der allgemeinen Hilfsmaßnahmen

wurde immer wichtiger
als die Ausgabe von Essen

und Wasser ins Rollen kam.

Januar und Februar sind in Haiti trocken,

dennoch hatte sich in einigen Camps
stehendes Wasser gebildet.

Die einzige Einrichtung
mit detailliertem Wissen über Haitis

Überschwemmungsgebiete wurde

beim Erdbeben plattgemacht,
Führungspersonen inklusive.

Die Frage ist also,
welche Camps gefährdet sind,

wie viele Menschen in
diesen Camps sind, was der

Zeitrahmen des Flutens ist und,
wegen der begrenzten Ressourcen

und der Infrastruktur,
wie priorisieren wir die Umverteilung?

Die Daten waren unglaublich ungleich.
Das US-Militär verfügte

über detailliertes Wissen über
einen kleinen Bereich des Landes.

Es waren Daten online verfügbar
von einer Umweltrisiko-Konferenz

von 2006, andere raumbezogene Daten,
keine davon integriert.

Das menschliche Ziel war hier,
Camps für Umsiedlung zu identifizieren,

basierend auf vorrangigem Bedarf.

Der Computer musste eine große Menge
an raumbezogener

Information integrieren,
Social Media-Daten und Informationen

der Hilfsorganisationen,
um diese Frage zu beantworten.

Indem ein verbesserter Prozess
eingeführt wird, was sonst

eine Aufgabe für 40 Personen
über drei Monate war,

wurde zu einer einfachen Aufgabe
für drei Personen in 40 Stunden.

Das alles sind Siege der Mensch-Computer-Symbiose.

Wir befinden uns mehr als 50 Jahre in Lickliders Vision

einer Zukunft und die Daten
deuten darauf hin, dass wir

begeistert darüber sein sollten, das schwierigste
Problem des Jahrhunderts zu lösen,

Mensch und Maschine in Kooperation vereint.

Danke.
(Applaus)

(Applaus)