join the conversation

follow us:

Prototype Blog · 29.Aug 2018

Lesen&Lernen No.11

Heute korrespondieren die ausgewählten Texte ausgesprochen harmonisch miteinander: im ersten geht es um die vermeintliche Zuschreibung von Superkräften an Technologien (der Text demonstriert dabei sogar, wie wissenschaftliche Misrepräsentation entsteht). Eine Fehlzuschreibung an Disruptionsenergie ist auch die Geschichte der Innovation: Es waren eigentlich gar keine Garageboys, die den größten Einfluss auf die Technologieentwicklung hatten, sondern: eine Kette aus Normen, Ideologien – und strategischem Funding.

MIT Technology Review: Who needs Copernicus if you have machine learning

https://www.technologyreview.com/s/611798/who-needs-copernicus-if-you-have-machine-learning/

Dieser Artikel besticht weniger durch seinen Inhalt, als dass er deutlich macht, wie sehr der Vergleich von “Künstlicher Intelligenz” und menschlichem Wissen (!) hinkt: Ein Neuronales Netz hat aus einer Serie an Messdaten ein Modell zur Vorhersage von Ergebnissen entwickelt, das in seinem Aufbau Parallelen zur mathematischen Beschreibung physikalischer Gesetze aufzuweisen scheint (mit all den interpretatorischen Schwierigkeiten, die ein Neuronales Netz nun mal mit sich bringt): Zum Beispiel bei der Vorhersage der Position von Mars aus Sicht der Erde. Hierbei bezieht das Neuronale Netz die Position der Sonne als Datum mit ein: Es scheint abstrahiert zu haben, dass die Position der Sonne in einem heliozentrischen System im wahrsten Sinn des Wortes der zentrale Punkt ist, um die Positionen der Planeten vorherzusagen. Wie die Autoren des Artikels selbst angeben, ist dafür nicht unbedingt Künstliche Intelligenz notwendig: Vor einigen Jahren war auch ein genetischer Algorithmus in der Lage, das Vorhersagemodell ähnlich (und für Menschen sogar leichter interpretierbar) abzubilden. Soweit, so gut.

Was jedoch auffällt, ist der Aufmacher des Artikels, der so viele methodische wie wissenschaftstheoretische Fehler enthält, dass man schreien möchte: “It took humanity centuries to decide that Earth orbits the sun. Now a neural network has come to the same conclusion, using the same data, in just a few hours.” Hier werden nicht nur sinnentstellende Verkürzungen der Historie getätigt, sondern auch Äpfel mit elliptischen Kurven verglichen: Menschen schaffen Wissen im Rahmen eines sozialen Settings und unter Wissensparadigmen, die stark reglementiert und stabil sind und sich oft nur generationsübergreifend wandeln können. Neuronale Netze mit der Menschheit als vermeintlichem System zu vergleichen, ist ungefähr so hahnebüchen, wie Wissen mit Output gleichzusetzen.

Most of the time, innovators don’t move fast and break things – W Patrick McCray | Aeon Essays

https://aeon.co/essays/most-of-the-time-innovators-don-t-move-fast-and-break-things

Dieser Artikel hat zwar schon ein paar Jahre auf dem Buckel, wurde aber zurecht gerade wieder in meinen und andere Twitterfeeds gespült, denn er ist sehr gut: Statt die Originalgenie-Fixierung fortzuführen, macht Technikgeschichtsprofessor W Patrick McGray darauf aufmerksam, dass Innovationsgeschichte nicht ausschliesslich auf Disruption beruht, sondern bei der Beschreibung von Innovationsprozessen viel mehr Augenmerk darauf gelegt werden sollte welche Rolle Normen, Ideologien, und auch Institutionen – die Nicht-dinglichen-Aspekte der Technologie also – spielen. Da wir diese institutionellen Vorraussetzungen für (soziale) Innovation als Fördertopf selbst mitprägen/tragen, ist es spannend, über Forschungsdaten bestätigt zu bekommen, dass das eine gute strategische Entscheidung war

The history of technology is too important to be left to the technologists. … cultural history gives us accounts of lone genius men toiling in industrial labs and Bay Area garages. This view of innovation – narrow and shallow – casts a long shadow, one that obscures the broad and deep currents that actually drive technological innovation and shape its impact on society. For instance, Edison almost never worked alone. The more than 2 billion smartphones used around the world today function not because of Jobs’s singular genius, not even because of the private sector, but because of research and development funded by an entrepreneurial state.

Lesen&Lernen No.11
Logo: Das Bundesministerium für Bildung und Forschung (BMBF)
Logo: Open Knowledge Foundation Deutschland