16.07.2020

Auch Künstliche Intelligenz kann menschliche Schwächen haben

Algorithmen erkennen Sarkasmus, aber sie können vergessen – zwei Themen, denen sich Wissenschaftlerinnen des Software Competence Center Hagenberg in ihren Forschungsarbeiten widmen.
/artikel/kunstliche-intelligenz-menschliche-schwachen
Künstliche Intelligenz hat in Österreich keinen hohen Stellenwert.
Künstliche Intelligenz hat in Österreich keinen hohen Stellenwert. (c) Adobe Stock / metamorworks
sponsored

Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter. Dabei wäre dies etwa im Onlinehandel wichtig, damit zum Beispiel eine Onlinerezension richtig eingeschätzt werden kann. Bisherige Sarkasmusdetektionen fokussieren sich auf die Erkennung von Sarkasmus auf Satzebene oder für eine spezielle Textphrase. Das Problem dabei ist, dass es oft unmöglich ist, einen einzelnen sarkastischen Satz zu identifizieren, ohne den Kontext zu kennen.

(c) SCCH

Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit. „Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst“, so Schwarz. Beide Methoden können Texte effizient klassifizieren, die vom Kontext des jeweiligen Textes abhängen, da beide über Speichereinheiten verfügen, um sich bereits gelernte Wörter aus dem Text merken zu können.

Die Ergebnisse der Arbeit zeigen somit, dass Deep Neural Networks die Genauigkeit simplerer Modelle übertreffen können – allerdings mit einem Wermutstropfen: Gäbe es mehr und bessere Daten, so könnten auch genauere Resultate erzielt werden.

Auch eine Künstliche Intelligenz kann vergessen

(c) SCCH

Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet. Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte „katastrophale Vergessen“ ein Problem.

„Ich erforsche das katastrophale Vergessen, welches beim Online-Learning von neuronalen Netzen auftritt und wodurch gelernte Zusammenhänge in bestehenden Modellen bei der Anpassung mit neuen Daten verdrängt werden“, sagt Luftensteiner. Ein Modell komplett neu zu erstellen ist zum Beispiel in der Industrie aber oft zu aufwendig oder gar nicht möglich – etwa wegen des Überschreitens zeitlicher Limits oder auch, weil hier benötigte Daten fehlen.

In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren (z.B. Hitzesensoren) – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen. „Ich habe daher ein Framework entwickelt, welches diese Ansätze einbindet und auf verschiedene Datensätze anwendbar ist. Durch die diversen Konfigurationsmöglichkeiten ist dieses Framework gegen das Vergessen in diversen Bereichen – vor allem aber in der Industrie – anwendbar“, so Luftensteiner.

Deine ungelesenen Artikel:
vor 14 Stunden

Was das Bitcoin-Halving wirklich bedeutet

Crypto Weekly #138. In der Nacht auf Samstag steht das vierte Halving in der Bitcoin-Geschichte an. Welche Auswirkungen hat es wirklich?
/artikel/crypto-weekly-138
vor 14 Stunden

Was das Bitcoin-Halving wirklich bedeutet

Crypto Weekly #138. In der Nacht auf Samstag steht das vierte Halving in der Bitcoin-Geschichte an. Welche Auswirkungen hat es wirklich?
/artikel/crypto-weekly-138
Crypto Weekly, Bitcoin Halving
Foto: Adobe Stock
Crypto Weekly
Abonniere unser wöchentliches Krypto-Briefing – was passiert gerade in der Branche und was bewegt den Markt?
Jeden Freitag

Die Kurstafel:

​⚠️ Das Bitcoin-Halving steht unmittelbar bevor

Es steht jetzt endgültig bevor: das vierte Bitcoin-Halving wird in der Nacht auf Samstag über die Bühne gehen. Beim Halving wird die Belohnung, die Miner erhalten, um neue Blöcke zu Bitcoin-Blockchain hinzufügen, halbiert. Die Folge: Es kommen weniger neue Bitcoins in den Umlauf als es ohne Halving der Fall wäre. Diesmal sinkt diese “Ausschüttung” von 6,25 Bitcoin auf 3,125 Bitcoin.

Wer gut im Kopfrechnen ist, kann es sich schon herleiten: Nachdem es das vierte Halving ist, ist die Belohnung zunächst von 50 auf 25 (im Jahr 2012), dann von 25 auf 12,5 (im Jahr 2016) und zuletzt 2020 von 12,5 auf 6,25 gesunken. Das Halving ist dabei aber nicht über einen Zeitraum definiert, allerdings dennoch klar vorherbestimmt: Es findet alle 210.000 Blöcke statt - was in der Praxis aktuell (bei einer Blockzeit von zehn Minuten)  auf etwa vier Jahre hinausläuft.

Das Halving spielt eine extrem wichtige Rolle für die Geldpolitik von Bitcoin. Denn dass die Menge aller jemals bestehender Bitcoin begrenzt ist, ist eines der zentralen Merkmale von Bitcoin. Und geht Hand in Hand mit einer deterministischen Geldpolitik. Es entscheidet keine Zentralbank nach eigenem Ermessen, wie viele Bitcoin in Umlauf kommen. Sondern es ist im Code vorgegeben. 

Und weil neue Bitcoin eben als “Block-Subvention” für Miner entstehen, hängt die Anzahl der im Umlauf befindlichen Coins klarerweise direkt davon ab, wie viele Bitcoin diese “Belohnung” ausmacht. Mit dem Halving ist sichergestellt, dass die Anzahl der neu entstehenden Coins langfristig sinkt. Wichtig dabei: Es sinkt nicht die Gesamtzahl der Bitcoin - es kommen weiterhin neue dazu, nur eben nicht mehr so viele wie vorher.

​📈 Warum das Halving den Bitcoin-Kurs antreiben könnte…

Soweit einmal die Auswirkungen des Halvings auf die in Umlauf kommenden Bitcoin. Für viele, die am Markt aktiv sind, ist aber ein anderer Aspekt interessanter: Wie wirkt sich das Halving auf den Bitcoin-Kurs aus? 

Und auch hier gibt es Theorien, die in Crypto Weekly auch immer wieder diskutiert worden sind. Eine der populärsten Annahmen: Auf das Halving folgt ein Bullenmarkt mit steigenden Kursen. 

Bei den vergangenen drei Halvings war dies - mit einigen Monaten Verzögerung - auch tatsächlich der Fall. Drei Fälle sind aber statistisch nicht viel und die zeitliche Verzögerung macht es noch einmal schwieriger, Kausalitäten herzuleiten. Zumal Bitcoin sich im Jahr 2024 unter völlig anderen Rahmenbedingungen bewegt als in den Jahren 2012, 2016 und 2020.

Anstatt uns von der Vergangenheit leiten zu lassen, werfen wir doch einen Blick auf die Logik hinter der Annahme. Die lautet im Wesentlichen: Wenn weniger Bitcoin in Umlauf kommen, werden sie wertvoller. 

🤔 …und warum vielleicht auch nicht

Aber diese Begründung hat gewisse Probleme: Einerseits sinkt ja das Bitcoin-Angebot nicht, sondern es kommen weiterhin neue dazu. Andererseits ist es beim Bitcoin-Kurs so wie bei jedem anderen Asset: Er wird nicht monokausal vom Angebot bestimmt - ebenso entscheidend ist auch die Nachfrage. Und die hängt von sehr vielen unterschiedlichen Faktoren ab - die mitunter sogar völlig außerhalb des Kryptomarkts angesiedelt sind. Etwa, wenn makroökonomische oder geopolitische Entwicklungen die Nachfrage nach sämtlichen “Risk Assets” dämpfen. 

Dazu kommt: Dass das Halving kommt, ist bekannt. Wahrscheinlich gibt es nur sehr wenige Ereignisse in der Finanzwelt, deren Eintreten mit dermaßen geringer Unsicherheit vorhergesagt werden kann. Und kursrelevante Ereignisse, die bereits bekannt sind, sind im Normalfall bereits im Kurs widergespiegelt. 

Natürlich kann man trefflich darüber diskutieren, ob der Kryptomarkt einen effizienten Markt darstellt. Aber grundsätzlich ist die geschilderte Annahme plausibel: Wer ein iPhone verkauft, von dem man sicher weiß, dass es in drei Monaten kaputt geht, wird dafür einen geringeren Preis erzielen als wenn dies nicht der Fall ist. Der Käufer weiß, dass das passieren wird - und preist es dementsprechend ein. Analog dazu läuft es an den Finanzmärkten. 

Heißt das nun also, dass das Halving keine Auswirkungen auf den Bitcoin-Kurs haben wird? So einfach ist es dann auch wieder nicht. Wie schon in Crypto Weekly #124 geschildert, kann das Halving bis zu einem gewissen Grad auch zu einer selbsterfüllenden Prophezeiung werden: Wenn alle auf einen Kursanstieg setzen, kommt er dann tatsächlich - zumindest vorübergehend. Der Kurs wird in einem solchen Fall also nicht vom Halving selbst getrieben, sondern von der Wahrnehmung des Halvings durch die Trader:innen. 

Entscheidend dabei ist aber: Die kurzfristige Kursreaktion auf das Halving ist jedenfalls spekulativ getrieben. Und spekulativ getriebene Marktbewegungen können schnell in die eine wie auch in die andere Richtung gehen. Wie sich das Bitcoin-Halving kurzfristig auf den Kurs auswirken wird, werden wir morgen wissen. Zuverlässig voraussagen, lässt es sich jedenfalls nicht.


Disclaimer: Dieser Text sowie die Hinweise und Informationen stellen keine Steuerberatung, Anlageberatung oder Empfehlung zum Kauf oder Verkauf von Wertpapieren dar. Sie dienen lediglich der persönlichen Information. Es wird keine Empfehlung für eine bestimmte Anlagestrategie abgegeben. Die Inhalte von brutkasten.com richten sich ausschließlich an natürliche Personen.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.

brutkasten Newsletter

Aktuelle Nachrichten zu Startups, den neuesten Innovationen und politischen Entscheidungen zur Digitalisierung direkt in dein Postfach. Wähle aus unserer breiten Palette an Newslettern den passenden für dich.

Montag, Mittwoch und Freitag

AI Summaries

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Welche gesellschaftspolitischen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Welche wirtschaftlichen Auswirkungen hat der Inhalt dieses Artikels?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Innovationsmanager:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Investor:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Welche Relevanz hat der Inhalt dieses Artikels für mich als Politiker:in?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Was könnte das Bigger Picture von den Inhalten dieses Artikels sein?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Wer sind die relevantesten Personen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.

AI Kontextualisierung

Wer sind die relevantesten Organisationen in diesem Artikel?

Leider hat die AI für diese Frage in diesem Artikel keine Antwort …

Auch Künstliche Intelligenz kann menschliche Schwächen haben

  • Das Erkennen von Sarkasmus im Web ist sogar für Menschen ein schwieriges Unterfangen – für eine künstliche Intelligenz ist es umso komplizierter.
  • Diesem Thema widmet sich Nicole Schwarz vom Software Competence Center Hagenberg (SCCH) in ihrer Arbeit.
  • “Ich arbeite dabei mit einem Deep Neural Network, das jeweils ein Convolutional Neural Network und ein Long-Short-Term Memory Network umfasst”, so Schwarz.
  • Daten sind zugleich das Thema, dem sich Sabrina Luftensteiner in ihrer Arbeit widmet.
  • Denn Vergessen ist kein menschliches Privileg, wie sie erklärt: Auch bei Maschinen ist das sogenannte “katastrophale Vergessen” ein Problem.
  • In diesem Kontext sind auch zensurierte Daten ein Problem: Diese entstehen zum Beispiel durch physikalische Grenzen von Sensoren – sie führen zu einem verfälschten Modell, da die im Training genutzten Daten nicht den realen Daten entsprechen.