TU Darmstadt / ULB / TUprints

Neugierige Strukturvorschläge - Eine techniknahe interdisziplinäre Einführung in maschinelles Lernen und dessen Selbstorganisationsprinzipien

Harrach, Sebastian :
Neugierige Strukturvorschläge - Eine techniknahe interdisziplinäre Einführung in maschinelles Lernen und dessen Selbstorganisationsprinzipien.
Technische Universität, Darmstadt
[Ph.D. Thesis], (2013)

[img]
Preview
Neugierige Strukturvorschläge - Eine techniknahe interdisziplinäre Einführung in maschinelles Lernen und dessen Selbstorganisationsprinzipien - Text (PDF)
Harrach - Neugierige Strukturvorschläge.pdf - Accepted Version
Available under Creative Commons Attribution Non-commercial No Derivatives, 2.5.

Download (10MB) | Preview
Item Type: Ph.D. Thesis
Title: Neugierige Strukturvorschläge - Eine techniknahe interdisziplinäre Einführung in maschinelles Lernen und dessen Selbstorganisationsprinzipien
Language: German
Abstract:

Neugierige Strukturvorschläge beschäftigt sich mit maschinellem Lernen – der Autoadaption von algorithmischen Artefakten – als Thema interdisziplinärer Diskurse zu Themen wie Selbstorganisation oder schwacher KI. Die Motivation der Arbeit liegt darin eine verständliche, aber dennoch technisch fundierte Präsentation der technischen Grundlagen des maschinellen Lernens zu erstellen und freizulegen, welche Fragestellungen zu einer genaueren Betrachtung einladen.

Diesen beiden Zielen entsprechend gliedert sich die Arbeit in zwei Teile: der erste Hauptteil ermöglicht einen systematischen interdisziplinären Zugang zum maschinellem Lernen, indem dessen Charakteristika technisch korrekt und präzise aber dennoch interdisziplinär verständlich beschrieben werden. Dabei werden insbesondere Konzepte wie Entscheidungsbäume, künstliche neuronale Netzte oder evolutionäres Lernen interdisziplinär aufgearbeitet und nachvollziehbar dargestellt. Der zweite Hauptteil widmet sich einer technikphilosophischen Verortung des maschinellen Lernens und dem Versuch eine interdisziplinäre Diskussion anzustoßen und zu umreißen.

Ein Hauptproblem bei der interdisziplinären Rede über maschinelles Lernen und scheinbar selbsttätige Artefakte wie künstliche neuronale Netze besteht darin, dass eine tragfähige Diskussion maschinell lernender Artefakte (MLA) sich ohne expliziten Bezug auf die methodischen Grundlagen der Informatik nicht führen lässt. Eine Ursache hierfür liegt in der ungenauen Rede über „Selbstorganisation“ und den daraus resultierenden Pauschalaussagen über „maschinelles Lernen“. Dieser Beobachtung wird in Neugierige Strukturvorschläge Rechnung getragen, indem die Rede von Selbstorganisationsprinzipien für den Spezialfall der Autoadaption im maschinellen Lernen aufgearbeitet wird. Dies geschieht mittels einer systematischen und technisch angemessenen Unterscheidung der unterschiedlichen Teilbereiche dieser Form von Technik und einer Beschreibung der jeweils zugrunde liegenden Autoadaptionsstrategien wie etwa instanzenbasiertem Lernen, künstlichen neuronalen Netzen oder Entscheidungsbäumen. Weiter werden die Ausgaben von MLA systematisch analysiert und als neugierige oder zielorientierte Strukturvorschläge bezeichnet. Ein neugieriger Autoadaptionsprozess erstellt tendenziell einen nicht-erwarteten oder verblüffenden Strukturvorschlag, während ein zielorientierter Strukturvorschlag häufig das Ergebnis einer Optimierung ist. Diese Klassifizierung soll es insbesondere ermöglichen zu analysieren, inwiefern maschinelles Lernen implizit mitgedacht ist, wenn von Lernen, künstlicher Intelligenz, Nano-, Bio- oder Informationstechnologien, den Kognitionswissenschaften oder generell von Computern oder Software gesprochen wird.

Ein Ausgangspunkt der vorgenommenen technikphilosophischen Verortung des maschinellen Lernens findet sich in der titelgebenden Hypothese, dass bestimmte maschinell lernende Artefakte neugierige Strukturvorschläge erzeugen, die unerwartete Ausgaben erzeugen und den Nutzer dabei unterstützen können, einen neuen Weltbezug zu erstellen. Neugierige Strukturvorschläge analysiert dementsprechend die folgenden Fragenkomplexe. Zum ersten: Wie stellt sich aktuell maschinelles Lernen aus Perspektive der Technikphilosophie dar? Zum zweiten: Worin besteht das einzigartige bzw. neuartige an maschinell lernenden Artefakten und wie kann es interdisziplinär beschrieben werden? Zum dritten: Können die bestehenden technikphilosophischen Perspektiven – soweit notwendig – modifiziert oder erweitert werden, um die Widerstände zu beseitigen?

Alternative Abstract:
Alternative AbstractLanguage
Neugierige Strukturvorschläge deals with machine learning - the auto-adaptation of algorithmic artifacts - as part of the interdisciplinary discourse on topics such as self organization or weak AI. The book provides a technically sound, yet understandable, presentation of the technical basics of machine learning and exposes fundamental issues important to interdisciplinary discussions of the topic. The book is divided into two parts: the first part gives a systematic overview of machine learning. The characterizations and depictions within this part are precise and technically sound, but are aimed at interdisciplinary readers who do not necessarily have a background in computer science. The various concepts such as decision trees, artificial neural nets and evolutionary learning are explained comprehensibly. The second part of the book looks at machine learning from the perspective of philosophy of technology, with the aim of stimulating and positioning an interdisciplinary discussion. A common difficulty encountered in interdisciplinary discourses on machine learning and self actuating artifacts such as artificial neural networks is that a viable discussion of artifacts that incorporate machine learning (MLA) is possible only if the topic’s foundations in computer science are taken into account. If they are not, this results in vague talk about "self-organization" and blanket statements about "machine learning". Neugierige Strukturvorschläge bears this observation in mind, focusing on self organization principles in the special case of auto-adaptation as it occurs in machine learning. This is done by means of a systematic and technically adequate distinction of the different aspects of machine learning and a description of the underlying auto-adaptation strategies, such as instance-based learning, artificial neural networks or decision trees. In addition, the types of MLA are systematically analyzed and classified as curious or goal-oriented structure proposals. A curious process of self-adaptation will tend to create an unexpected or surprising structure proposal while a goal-oriented process is often based on an optimization. This classification enables the analysis of the way machine learning is often implicitly included in discussions about learning, artificial intelligence, nanotechnology, biotechnology, Information technology, cognitive science, or computers and software in general. A starting point for the technology philosophical positioning of machine learning can be found in the eponymous hypothesis that certain machine learning artifacts generate curious structure proposals, offering an unexpected output which in turn enables the user to identify new ways of making or disclosing a world. Neugierige Strukturvorschläge accordingly analyzes the following sets of questions. First: What is the current view of machine learning from the perspective of philosophy of technology? Secondly: What is new and unique about the concept of artifacts incorporating machine learning and how can it be described interdisciplinary? Third: Is it possible to modify or enhance existing technology philosophical perspectives in such a way as to include the new topic? English
Place of Publication: Darmstadt
Uncontrolled Keywords: Maschinelles Lernen, Abduktion, Angemessenheit, Autoadaption, Artefakt, Algorithmus, Autonomie, Autonomiesensibilität, Bias, Big Data, Biofakt, Biotechnik, Cyber-physisches System, Cyberfakt, Computer, Delegation, Experiment, Eigentätigkeit, Entscheidungsbaum, Evolutionäres Lernen, Evolutionäre Algorithmen, Erwartbarkeit, Erwartungserwartungen, Exempel, Goodman, Heidegger, Hybridisierung, Instanz, Informatik, Inszenierung, Intervention, Internet der Dinge, Intentionalität, KI, Künstliches neuronales Netz, KNN, Kognitionswissenschaften, Kontrolle, Klassische Technik, Konvergierende Technologien, Kompetenz, Lernstrategie, Medialität, Medium, Maschinenkomponente, Mensch-Technik-Interaktion, Mediale Steuerung, Maschinell lernendes Artefakt, Mittel, Neugier, Nanotechnik, Nichtwissen, Nichtrivialität, Nichttriviale Maschine, Nichterwartbarkeit, Repräsentation, Regelung, Steuerung, Selbstorganisation, Subjekt, Strukturvorschlag, Spuren, Schnittstelle, Technikkompetenz, Technikphilosophie, Transklassische Technik, Vorstruktur, Vor-Struktur, Welt, Welttechnik, Zufallstechnik, Zufallsexperiment, Zielorientiertheit, Zweck, Zwecklosigkeit
Alternative keywords:
Alternative keywordsLanguage
Machine LearningEnglish
Ambient IntelligenceEnglish
ANNEnglish
AbductionEnglish
AIEnglish
Artificial neural netEnglish
ActualityEnglish
Big DataEnglish
BigDataEnglish
Cyber-physical systemEnglish
Data MiningEnglish
Internet of ThingsEnglish
NBICEnglish
Pervasive ComputingEnglish
RealityEnglish
SmartnessEnglish
TechnoscienceEnglish
Toy modelingEnglish
Ubiquitous ComputingEnglish
UbiCompEnglish
VirtualityEnglish
Classification DDC: 000 Allgemeines, Informatik, Informationswissenschaft > 000 Allgemeines, Wissenschaft
000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik
100 Philosophie und Psychologie > 100 Philosophie
600 Technik, Medizin, angewandte Wissenschaften > 600 Technik
Divisions: 02 Department History and Social Science
02 Department History and Social Science > Institute of Philosophy
03 Department Human Sciences > Institut für Allgemeine Pädagogik und Berufspädagogik > Institute for General and Vocational Pedagogy > Graduiertenkolleg E-Learning
Date Deposited: 11 Jul 2013 11:18
Last Modified: 11 Jul 2013 11:18
URN: urn:nbn:de:tuda-tuprints-34842
Referees: Gehring, Prof. Dr. Petra and Hubig, Prof. Dr. Christoph and Nordmann, Prof. Dr. Alfred and Mühlhäuser, Prof. Dr. Max
Refereed: 12 June 2013
URI: http://tuprints.ulb.tu-darmstadt.de/id/eprint/3484
Export:
Actions (login required)
View Item View Item

Downloads

Downloads per month over past year