• IT Specialist
  • Who I am
  • Blog

Kopfknacker

~ breaking my head...

Category Archives: Learning

Traust du deiner Intuition?

27 Donnerstag Aug 2015

Posted by Christoph Diefenthal in Learning, Motivation

≈ Leave a Comment

Teste dich selbst mit diesem kleinen Rätsel. Versuche nicht es zu lösen – folge deiner Intuition und las dich überraschen.

Ein Baseballschläger und ein Ball kosten zusammen 1,10 Euro.
Der Baseballschläger kostet 1 Euro mehr als der Ball.

Wieviel kostet der Ball?

Ich weiß was Sie jetzt denken, und sie haben Recht:
Wenn ich schon so frage, dann ist die intuitive Antwort sicher falsch.

Umso erstaunlicher, dass selbst in Aufnahmetests von Universitäten 50-80% der angehenden Studenten diese Frage falsch beantworteten. Daniel Kahneman erklärt das in seinem Buch „Schnelles Denken, langsames Denken“1  mit 2 Systemen, die wir in uns haben:

  • System 1 – das intuitive, schnelle System, dass immer sofort reagieren kann – und das normalerweise stereotypisch
  • System 2 – das langsame, berechnende, denkende System, das wir immer dann anwerfen, wenn System 1 nicht weiterkommt –  und: es ist faul – es meidet jede Anstrengung.

System 1 neigt zu Denkfehlern, da es mit den „groben“ Schablonen kommt: „1,10 Euro? 1 Euro? Ja, klar: 1,10 – 1 = 0,10 Euro – feddisch!“.  Aber leider falsch. In den meisten Fällen des Alltags reichen die Urteile von System 1 völlig aus. Muss ja, sonst wären wir längst ausgestorben. Und ausgestorben wären wir wohl auch, wenn wir System 1 nicht hätten.

System 2: „Warte mal – Mähne, blitzende Augen – stimmt, das ist ein Löwe! Süß. Oh er kommt direkt auf mich zu. Ähh ..“

Aber das schnelle Urteil ist nicht immer das bessere, wie wir an dem kleinen Rätsel sehen. Provokant schreibt Kahneman weiter:

Failing these minitests appears to be, at least to some extent, a matter of insufficient motivation, not trying hard enough.

 

„Also bitte!“, sagt mein intuitves System 1 mit seiner political correctness.  „Hmmm…“ sagt mein System 2.

 

Ach so, die Lösung? 0,05 Euro – aber da sind Sie ja mittlerweile selbst drauf gekommen. :-)2

 

  1. Danke, Domme für die Buchempfehlung :-) [↩]
  2. Der Baseballschläger kostet 1 Euro MEHR. Das bedeutet, dass er wieder Ball auch 5 Cent kostet plus 1 Euro:  0,05+ 1,05 = 1,10 Euro [↩]

Ausländer sind krimineller! Statistisch erwiesen!

17 Montag Aug 2015

Posted by Christoph Diefenthal in Data Analytics, Learning

≈ Leave a Comment

Tags

denkfehler, statistik

Folgende Tabelle stellt die kriminellen Straftaten pro Jahr von Ausländern und Inländern dar.

stadt-gesamt

51 Straftaten von Ausländern und nur 59 von Inländern pro Jahr. Und pro 1000 Einwohner begehen die Ausländer DOPPELT so viele Straftaten wie die Inländer – glasklar zu sehen. Was soll daran falsch sein?

Schaut man sich das Ganze aber nach Stadtteilen getrennt an, dann fällt auf, dass der Anteil an Straftaten pro Stadtteil für beide Bevölkerungsgruppen genau gleich ist!

stadtteile

Das Problem entsteht, wenn man die Zahlen aus verschiedenen Quellen in unterschiedlichen Mengengrößen mischt, was leicht passieren kann!

Deutlich wird das, wenn man – vermutlich auf Grund der ersten Statistik – alle Ausländer aus der Innenstadt vertreibt.
Nun wird der Anteil an Straftaten der Ausländer fast nur noch durch das „Ghetto“ Aschefeld bestimmt.

stadtteile_aum-auslaender-in-innenstadt

Man vergleicht Äpfel mit Birnen und merkt es vielleicht gar nicht…

Mal angenommen ich habe einen Korb voll unverdorbenem Obst mit vielen Äpfeln und nur einer Birne. Dann habe ich einen zweiten Korb der nur verdorbenes Obst enthält – aber in gleichen Anteilen.

Nun mische ich die beiden Körbe: Man, dann sehen die Birnen danach aber alt aus…

aepfel-birnen

Das war: Das Simpson-Paradox.1 Vielen Dank für den Denkstolperstein und das Beispiel von Timm Grams 

Anbei noch eine Excel-Datei zum Rumprobieren.

  1. mal wieder [↩]

Maschinen verstehen

06 Mittwoch Aug 2014

Posted by Christoph Diefenthal in Artificial Intelligence, Learning, Technologie

≈ 4 Comments

Tags

AI, begreifen, deeplearning, intelligenz, ki, lernen, machineintelligence, machinelearning, software, wissen

In den letzten Monaten habe ich mich viel mit Künstlicher Intelligenz beschäftigt und bin nach wie vor fasziniert von dem Thema – bzw den Themen, denn es gibt so viele verschiedene Technologien und Ansätze.

  • Eine sehr gute Einführung, die einem die Geschichte, die Ansätze und Einsatzbereiche der KI nahe bringt: „Künstliche Intelligenz“ von Günter Görz und Bernhard Nebel.
  • Tiefgehender ist der „Grundkurs künstliche Intelligenz“ Wolfgang Ertel.
  • Data Mining und Maschinelles Lernen nutzen teilweise die gleichen Technologien – von daher fand ich den Quereinstieg über „Data Analysis with Open Source Tools“ von Philipp K. Janert auch interessant – auch wenn ich es noch nicht anwenden konnte, glaube ich dass das Hintergrundwissen mit noch zu Gute kommt.
  • Web Data Mining von Bing Liu bietet noch weitere Methoden wie Association Rules zur Wissens-Generierung aus Daten, die ich sicher noch verwenden kann.
  • Hat man die Grundlagen verstanden, lohnt sich der kostenlose Online-Kurs von Andrew Ng sehr! Hier wird das Verständnis für Neuronale Netze aus den mathematischen Grundlagen und anhand von Programmier-Beispielen in Octave aufgebaut. Danach wir einem klar, wie „einfach“ die Algorithmen letztlich sind. Mit einfach meine ich, dass sie gar nicht so kompliziert sind, wie sie anfangs erscheinen – einfach heißt nicht dumm. Sie sind extrem leistungsfähig, und die Menschen, die sie erdacht haben sind äußerst gewitzt vorgegangen. Mein Respekt – aber auch Verständnis – für Mathematiker ist in dem Kurs nochmal gewachsen.

Allerdings bin ich auch ein wenig enttäuscht. Sicherlich habe ich bisher nur an der Oberfläche gekratzt, kenne nur die Werkzeuge und ich lasse mich gerne noch überraschen. Mein erster Eindruck ist aber, dass wir noch weit, weit, weit von einer „echten“ künstlichen Intelligenz – einer „starken KI“ entfernt sind, die einen Menschen in seinen Problemlösungs-Fähigkeiten und mit Bewusstsein nachbilden soll. Auf einer Skala von „normaler“ Software(1) bis „menschlicher“ Intelligenz(10) liegt die KI bei maximal 3 würde ich behaupten. Dafür hole ich ein wenig aus – hoffe ihr habt ein paar Minuten – aber es wird interessant – versprochen :-) Continue reading »

Quizfrage: 2,4,6 was kommt als nächstes?

08 Dienstag Jul 2014

Posted by Christoph Diefenthal in Learning, Organisation

≈ 2 Comments

Tags

denkfehler, statistik, taleb

8,10,12 vermutlich, oder?

Genau und dann?

14,16,18 …

Richtig

Also immer plus 2 – ist doch ganz einfach!

Je mehr richtige Antworten wir geben, desto sicherer werden wir, dass die Regel, die wir im Kopf haben, stimmt. Was aber, wenn die Regel nur lautet: Die nächste Zahl muss höher sein als die vorherige?

Bestätigungsfehler

… nennt man diese Art von Denkfehler. Oft wählen wir nur Informationen aus, die unseren Erwartungen entsprechen, anstatt das Gegenteil zu prüfen, zu versuchen die Regel in unserem Kopf zu widerlegen!

In Talebs Buch „Der Schwarze Schwan„ bin ich wieder einmal auf das Beispiel gestoßen. Mit schwarzen Schwänen bezeichnet er eben genau die Art von Ereignissen, die plötzlich und unerwartet eintreten, weil wir nicht damit gerechnet haben – nicht mal auf dem Schirm hatten, dass sie auftreten würden.

Continue reading »

Big Data, Big Mind, Big Thinking

18 Mittwoch Jun 2014

Posted by Christoph Diefenthal in Artificial Intelligence, Learning, Technologie

≈ 1 Comment

Tags

AI, begreifen, intelligenz, ki, lernen

Es ist immer wieder schön, wenn man die eigenen Gedanken wiederfindet.

In What Am I Thinking About You? beschreibt Neurowissenschaftlerin Rebecca Saxe, wie eine „Theorie des Mind“1, die eine Maschine von uns entwickelt, Ihre Möglichkeiten uns zu verstehen steigern kann.

Ziele in anderen zu erkennen, ist dabei ein wichtiges Feature.

Ein Zweig der künstlichen Intelligenz-Forschung ist das Verstehen von menschlicher Sprache. Sentiment Analysis versucht bspw. anhand von Facebook und Twitter Kommentaren zu erkennen, ob wir bestimmte Produkte mögen oder nicht. 80% kann man schnell erschlagen, aber wenn jemand ironisch wird oder sein Missfallen in Übertreibung ausdrückt, dann kann das eine Maschine nur sehr schwer erkennen.

Big Data hilft hier weiter – man kann anhand statistischer Vergleiche in großen Datenmengen feststellen, ob ein ähnliches Kommentar eher eine Übertreibung oder Ironie ist. Aber das ist kein „Verständnis“. Komplett Neues – bspw. ein neuer Slang-Begriff wie „voll fett“ – wird dabei schnell als Missfallen interpretiert, wenn man die Hintergründe nicht kennt.

Nicht umsonst sagt Rebecca Saxe:

We can recognize and think about and reason through a literally infinite set of situations and goals and human minds. And yet we have a very particular and finite machinery to do that. So what are the right ingredients? … the human brain devotes a lot of resources to so-called social cognition

Um Neues beurteilen zu können, braucht auch eine Maschine eine „Theorie of Mind“ von Ihrem Gegenüber.

What were her goals? What did she want? What changed her mind? There are all kinds of features of that story that you were able to extract in the moment. If a computer could extract [such] features, we could [improve its ability to do] sentiment analysis.

Die Maschine muss erkennen können, was HINTER den Handlungen steckt. Sie muss Annahmen treffen, die zu Ihren Wahrnehmungen des Gegenüber passen.

Nichts anderes machen wir bspw., wenn uns jemand begegnet, von dem wir dachten, dass er traurig sein sollte. Er lacht! Unsere Wahrnehmung passt nicht zu unseren Annahmen. Wir müssen unser Model korrigieren, bzw müssen etwas neues postulieren, dass sie zum Lachen bringt. Etwas, von dem wir nicht wussten, dass es da ist.

My colleague Josh Tenenbaum and I have been working for years just to build a kind of mathematical representation of what it means to think of somebody as having a plan or a goal, such that this model can predict human judgments about the person’s goal in a really simple context. What do you need to know about a goal? We’re trying to build models that describe that knowledge.

Big Data kann das nicht!

This is not big data; it’s trying to describe the structure of the knowledge.

aber…

That’s always been viewed as an opposition: the people who want bigger data sets and the people who want the right knowledge structures. […] What used to be viewed as opposite traditions in AI should now be viewed as complementary, where you try to figure out probabilistic representations that learn from data.

Da bin ich einer Meinung. Big Data hilft bei einer Sortierung der Wahrnehmungen und kann alle Ereignisse in (vorher) angefertigte Kategorien stecken. Was fehlt ist der Abgleich mit einem Modell.

Nur wenn ich Annahmen treffe, wie die Welt aussieht, kann ich überhaupt merken, wenn sie nicht so aussieht.

  1. der“…Fähigkeit, eine Annahme über Bewusstseinsvorgänge in anderen Personen vorzunehmen und diese in der eigenen Person zu erkennen“ (wiki) [↩]

Das Leben ist doch nicht nur Spaß !?!

15 Sonntag Jun 2014

Posted by Christoph Diefenthal in Leadership, Learning, Motivation, Philosophical

≈ 1 Comment

Tags

erwartungen, gelassenheit, lernen

Parque John Lennon

When I was 5 years old, my mother always told me that happiness was the key to life. When I went to school, they asked me what I wanted to be when I grew up. I wrote down ‘happy’. They told me I didn’t understand the assignment, and I told them they didn’t understand life. John Lennon

Ja ja, der hat gut reden – reich und berühmt und dann nur noch in Indien unterwegs, wo er sicher immer zugedröhnt war.

Mag ja sein, aber hat er nicht recht?

Nein! Man kann als Normalo nicht nur Spaß haben und 24 Stunden am Tag Happy Happy singend durch die Gegend laufen! Da kriegt man doch nix mehr auf die Reihe.

Ok, zugegeben, aber das sagt er ja auch nicht. Es ist sein Ziel glücklich zu sein. Ich glaube nicht, dass er das immer ist.

Eben, das ist doch total unrealistisch! Als wenn man immer machen kann was man will! Man muss halt manchmal auch anpacken und richtig ranklotzen!

Stimmt. Aber warum machst du das? Warum klotzt du richtig ran? Machst du das, weil du unglücklich werden willst, oder weil du glücklich sein willst?

Was für eine Frage! Natürlich will ich auch glücklich sein, aber es geht halt nicht immer.

Ok, aber dann sind du und John Lennon doch nicht so unterschiedlich, oder? Ihr wollt beide glücklich sein. Das ist doch jedermanns Ziel.

Ja, aber das geht halt nicht immer! Das muss man doch einfach akzeptieren!

Es gibt Dinge, die nerven. Das ist nunmal so.

Ja stimmt, da hast du recht. Dennoch frage ich dich: Warum machst du die Sachen, die dich unglücklich machen?

Warum machst du’s denn? Weil man muss – weil man Geld braucht um zu leben und um sich schöne Sachen zu erlauben – oder damit man es später dann mal besser hat. Die Gesellschaft ist nun mal so.

Verstehe, du machst also die Dinge, die dich unglücklich machen, damit du mehr Zeit hast, mehr Geld hast, mehr Reisen kannst etc. Also einfach damit du mehr Möglichkeiten hast glücklich zu sein!

Exakt! Und auf die Gefahr hin, dass du mir jetzt damit kommst das wäre ein Widerspruch: Damit kriegst du mich nicht. So ist die Welt nunmal, egal ob ich mehr Geld verdiene oder weniger  – Ying und Yang – Gut und Böse – fifty/fifty – oder auch mal 80/20 und umgekehrt, aber da gibts nix dran zu rütteln.

Hm, hast dus schon mal probiert?

Das weiß man doch einfach! Ok, guck mal: Ich hab nen Job der mir Spaß macht. Ich bin gut da drin. Aber es gibt eben auch da Dinge, die mich nerven. Das ist nun mal so.

 

Schon als Baby hat der Elefant seine Ketten nicht sprengen können. Sinnlos, es nochmal zu probieren. (Bildquelle)

Da fällt mir eine kleine Anekdote ein. Hast du dich mal gefragt, warum Elefanten nur mit einer dünnen Kette gefesselt sind? Er könnte sich leicht aus der Gefangenschaft befreien. Als Baby-Elefant hat er es oft probiert und es nie geschafft. Irgendwann hatte er gelernt, dass es nicht geht und hat es aufgegeben.

Haha, ja nette Geschichte. Aber doch nur eine Geschichte von Tieren. Wir Menschen sind da wohl ein wenig klüger.

Findest du?…

Continue reading »

Turning Point für Turing Test?

11 Mittwoch Jun 2014

Posted by Christoph Diefenthal in Artificial Intelligence, Learning, Philosophical, Technologie

≈ 2 Comments

Tags

AI, begreifen, denken, intelligenz, ki, lernen, turing, verstehen

Nachdem mal wieder fast alle Medien auf den Zug aufgesprungen sind, ohne groß zu hinterfragen (klar, es geht ja um Klicks!), rudern sie nach einem Tag Recherche wieder zurück:

  • zeit.de 9.6.: Computerprogramm gaukelt erfolgreich Menschsein vor
  • zeit.de 10.6.: Ein Trickser namens Eugene Goostman

Ich war gespannt, als ich den ersten Artikel anklickte, aber leider konnte der Artikel meine Sensationslust nicht befriedigen… Tatsächlich gibt es genug Kritikpunkte an diesem speziellen Test. Und es gibt einige Kritik an Turing-Test selbst.

Worum gings im Turing Test?

Vor 50 Jahren wagte Turing für das Jahr 2000 die Prognose, dass ein Computer:

  • nach einer 5 minütigen Unterhaltung mit Mensch und Maschine,
  • bei reinem Schriftverkehr –  kein Sehen, Zeigen, Sprechen, etc –
  • bereits in 30% der Tests als Mensch durchgeht.1

Ein netter Wettbewerb, ein erster Schritt und schon schwer genug, wie man feststellt. Mit der Realität hat das aber wenig zu tun.

Eine weitere wichtige <implizite> Einschränkung im Turing-Test ist: die Versuchsteilnehmer WISSEN alle, dass sie beim Turing-Test mitmachen. Von daher ist durchaus vorstellbar, dass Menschen, die damit nicht rechnen, und die daher keine investigativen Fragen stellen, in Chats-Foren – auch länger als 5 Minuten – getäuscht werden.

Aber es gibt Wege dagegen anzugehen:

Turing Test für Spam-Bots

Turing Test für Spam-Bots, (von xkcd.com)

Lustig.

Continue reading »

  1. http://mind.oxfordjournals.org/content/LIX/236/433, Seite 442 [↩]

Kranke Wahrscheinlichkeit

18 Dienstag Feb 2014

Posted by Christoph Diefenthal in Learning

≈ Leave a Comment

Tags

bayes, statistik, wahrscheinlichkeit

Quizfrage für zwischendurch:

 

 

  • Von 100.000 Menschen haben 20 eine bestimmte Krankheit.
  • Ein Test erkennt die Krankheit in 95% der Fälle.
  • Der Test zeigt nur in 1% der Fälle die Krankheit fälschlicherweise an.
  • Du bist positiv: Wie hoch ist die Wahrscheinlichkeit, dass du wirklich krank bist?

 

Die Antwort scheint einfach zu sein: 99%.

 

 

 

Stimmt aber nicht.

Continue reading »

Delegieren an Mensch oder Maschine – wem vertraue ich mehr?

19 Dienstag Nov 2013

Posted by Christoph Diefenthal in Artificial Intelligence, Learning, Philosophical, Technologie

≈ 4 Comments

Tags

AI, begreifen, delegieren, entscheidung, intelligenz, ki, konzepte, lernen, motivation, vertrauen, ziel

Im Rahmen des Artikels zum Internet der Dinge unternahm ich einen kleinen Exkurs in den Unterschied von Maschinen und Menschen. Das Übertragen von komplexen Entscheidungskompetenzen an Computerprogramme halte ich für problematisch. Unerwartete Empfehlungen von Google Now, Autos mit Autopiloten und Börsenprogramme, die so schnell Kaufentscheidungen durchführen, dass wir sie nicht stoppen könnten, selbst wenn wir wollten. Sie haben alle das gleiche Problem: Die Entscheidungen sind nicht nachvollziehbar.

Continue reading »

Raucher sehen alt aus! – jetzt statistisch bewiesen (?)

10 Sonntag Nov 2013

Posted by Christoph Diefenthal in Learning

≈ 2 Comments

Tags

denkfehler, rauchen, statistik

Was zu Beweisen war: Rauchen ist die Ursache für schnelles Altern! Mal abgesehen davon, ob man so eine Studie braucht. Darf man an den Ergebnissen zweifeln? Oder oute ich mich damit als Ketzer des gesunden Menschenverstands? Es weiß doch jeder, dass Rauchen schädlich ist!

Rauchervergleich / Zwillingsstudie

Der rechte Bruder rauchte 14 Jahre länger, Quelle: Plastic & Reconstructive Surgery, Volume 132, Nov 2013

Der Artikel ist ein Klasse-Beispiel für die vorschnelle Interpretationen von statistischen Studien:

  • Die Leute rauchen und sehen älter aus als Ihre Geschwister.
  • Rauchen ist schlecht – das wissen wir alle.
  • Also ist Rauchen auch die Ursache für das Alt-Aussehen.

Ist das so?

Continue reading »

← Older posts

Categories

  • Artificial Intelligence
  • Data Analytics
  • Innovation
  • Leadership
  • Learning
  • Motivation
  • Organisation
  • Philosophical
  • Technologie
  • Uncategorized
  • User Interface

Tags

3D 3D Drucker AI anfänger artificial intelligence aufmerksamkeit begreifen biblionetz blog deeplearning delegieren denkfehler dueck early adopters erfindung erwartungen führung gedanken gelassenheit hüther innovation intelligenz ki konstruktivismus konzepte lernen machinelearning motivation multitouch organisieren programmieren real schreiben sinek software softwareentwicklung statistik thebrain triz vertrauen virtuell wahrheit wissen worte zukunft

Last Posts

  • Auf zu neuen Welten
  • Neural Network – really easy explained – I mean: really!
  • Analysing DATA2 – Star Trek and Predict Who Said What via Multinomial Naive Bayes
  • Analyzing DATA – Pandas, Python and Star Trek: The Next Generation
  • No one can tell you you can’t learn about yourself!

Archive

  • September 2018
  • März 2016
  • Januar 2016
  • Oktober 2015
  • August 2015
  • Juni 2015
  • Februar 2015
  • Januar 2015
  • Dezember 2014
  • November 2014
  • September 2014
  • August 2014
  • Juli 2014
  • Juni 2014
  • März 2014
  • Februar 2014
  • Januar 2014
  • November 2013
  • Oktober 2013
  • August 2013
  • Juli 2013
  • Juni 2013
  • Mai 2013

Meta

  • Anmelden
  • Feed der Einträge
  • Kommentare-Feed
  • WordPress.org

Tweets

Meine Tweets

Proudly powered by WordPress Theme: Chateau by Ignacio Ricci.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Cookie settingsACCEPT
Privacy & Cookies Policy

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may have an effect on your browsing experience.
Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these cookies, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may have an effect on your browsing experience.

Notwendig immer aktiv

Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.

Nicht notwendig

Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.