![\"\"](\"https:\/\/www.vorspeisenplatte.de\/speisen\/archiv\/230103_01_Emilo.jpg\")
<\/a><\/p>\nMittagessen sp\u00e4ter im B\u00fcro: Apfel, Clementinen (besonders gut), Pumpernickel mit Butter.<\/p>\n
Nachmittags weitere Gesch\u00e4ftigkeit, die sich aus dem Vormittag ergeben hatte.<\/p>\n
P\u00fcnktlicher Feierabend ohne Probleme, ich war verabredet mit zwei Menschen aus einer lang vergangenen Vergangenheit, n\u00e4mlich Mitsch\u00fclerinnen. Kein Regen mehr, wir trafen uns im Caf\u00e9 Pfundig<\/a> – und ich entdeckte erstmal, dass wir beim #Lindwurmessen dieses Lokal \u00fcbersehen hatten: Ich hatte es in der H\u00e4berlstra\u00dfe gew\u00e4hnt, doch die Adresse lautet Lindwurmstra\u00dfe.<\/p>\n Fast drei Stunden erz\u00e4hlten wir einander, ich erfuhr aktuelles Leben (studierende Kinder, seltsame Schwager), aber auch erstmals, wie der Lebensabschnitt dieser beiden Frauen direkt nach dem Abitur verlaufen war, als ich sie sofort aus den Augen verloren hatte (dass die dritte Kollegstufe und Abitur gar nicht mit uns gemacht hatte, sondern auf ein anderes Gymnasium gewechselt war, hatte wir beiden anderen nicht mal in Erinnerung).<\/p>\n Herr Kaltmamsell wartete mit Abendessen auf mich: Die zweite H\u00e4lfte K\u00fcrbis aus Ernteanteil gab es mit Erbsen, Tamarinde, Tomate, dazu Reis. Nachtisch Pralinen.<\/p>\n \u00a7<\/p>\n Dass es problematisch sein kann, gro\u00dfe Datenmengen im Web zum Trainieren von Algorithmen zu verwenden, die oft KI genannt werden, wurde schon fr\u00fch klar. Michaela Menken schildert in einem Aufsatz, wie unterschiedliche problematische Verzerrungen eigentlich entstehen und welche L\u00f6sungen es geben k\u00f6nnte: Noch nie bedacht hatte ich zum Beispiel:<\/p>\n Manche Dinge tauchen in nat\u00fcrlicher Sprache gar nicht h\u00e4ufig auf, obwohl sie hochfrequent in der Welt vorkommen. In solchen F\u00e4llen sprechen wir von der Reporting Bias<\/i>. Merkmale, die implizit vorhanden oder so gel\u00e4ufig sind, dass sie nicht extra erw\u00e4hnt werden m\u00fcssen, sprechen oder schreiben Menschen einfach nicht mit. Kaltes Eis, gelbe Zitrone, aber auch das Verb blinzeln, all das sind W\u00f6rter und Kombinationen, die in unserem Weltwissen verankert sind, \u00fcber die wir aber nicht mehr reden m\u00fcssen. Das stellt f\u00fcr ein maschinelles System ein Problem dar, da der Computer nat\u00fcrlich nicht wei\u00df, dass wir alle paar Sekunden blinzeln, oder dass Eis grunds\u00e4tzlich kalt ist. Implizite, ontologische Kenntnis der Welt steht der KI nicht vollumf\u00e4nglich zur Verf\u00fcgung, da Teile unseres sprachlichen und Weltwissens in Texten nicht auffindbar sind.<\/p><\/blockquote>\n
\n“Bias in \/ bias out \u2013 Warum wir mehr Datenethik brauchen”.<\/a><\/p>\n