sandtner.net

Menü Schließen

Kategorie: Leben (Seite 1 von 3)

My Corona – COVID-19 Update

Im letzten Post habe ich mich mit den Daten zu dem Corona/Covid-19-Virus beschäftigt. Dort habe ich ein paar Diagramme erstellt und (subjektive) Rückschlüsse daraus gezogen. Ein Kollege fragte mich, in Bezug auf den Vergleich zwischen den bestätigten Infektionen zwischen Deutschland und China, wie sich die Kurven im Verhältnis zur jeweiligen Bevölkerung verhalten.

Voilà, so schauts’ aus:

Diagramm: Bestätigte Infektionen in Bezug zur Bevölkerung.

Man sieht sehr schön: In Deutschland stehen wir am Anfang eines exponentiellen Anstiegs. In Bezug auf die Gesamtbevölkerung herrschen bei uns noch nicht die gleichen Herausforderungen, wie es in China ist und war.

Auf Hinweis des gleichen Kollegen habe ich auch die Infizierten, Geheilten und Toten gegenüber gestellt. Und siehe da: Wir haben stand 05.03.2020 mehr geheilte als bestätigt infizierte.

Diagramm: Vergleich der Infektionen, Heilungen und Toten

Es bleibt abzuwarten, wie sich das Virus in Europa und Amerika entwickelt, dennoch finde ich das diese positive Entwicklung auch mal erwähnt werden muss!

Coronavirus – oder: COVID-19 übernehmen sie!

Coronavirus? COVID-19? Nichts bestimmt die News mehr als dieser Virus, gegen den bisher keine Impfung und Heilmittel bekannt ist. Trotzdem sterben daran nur die Wenigsten. Daten dazu habe ich mir mal angeschaut und für mich interpretiert.

Da ich weder über eine geeignete medizinische Ausbildung, noch in der Forschung beschäftigt bin, habe ich die Daten rein aus persönlichem Interessen analysiert und interpretiert. Alle Interpretationen sind rein subjektiv und spiegeln meine Beobachtungen wider.

Vor allem diente mir dieser Case als Übung. Zum einen, um mit Pandas und Matplotlib zu arbeiten. Zum Anderen konnte ich die Analyse von Daten inkl. der Interpretation von Daten üben. Ich stelle in dem Post meist die Zahlen aus China und Deutschland in Bezug. Hintergrund ist, dass der Virus in China eine ganz andere Verbreitung hat, als in Deutschland. Hierbei kann man einige (subjektive) Rückschlüsse ziehen.

Die Daten habe ich aus dem Github-Repository von JHU CSSE entnommen. Dort findet man zum einen eine Gesamtübersicht über alle registrierten Fälle, als auch eine zeitliche Betrachtung der Fälle, jeweils aufgeteilt in Länder und, falls vorhanden, in deren Regionen. Die Daten dort sind immer Tagesaktuell und werden aktuell gehalten. Meine Analyse basiert auf den Daten vom 02.03.2020.

Weiterlesen

Mein 2019 in Zahlen

Ich habe mal meinen persönlichen Rückblick auf 2019 in Zahlen zusammengestellt. Es kam erwartungsgemäß nichts Überraschendes dabei heraus.

Weiterlesen

RING, RING! Der digitale Denunziant

2018 hat Amazon Ring übernommen. Ring ist Hersteller von intelligenten Türklingeln. Die Klingeln sind im Netzwerk eingebunden und haben Zugang zum Internet. Somit kann ein Bild des Besuchers auf unser Smartphone gesendet werden – egal wo wir uns gerade befinden. Neben den Klingeln sind auch Überwachungskameras im Angebot, ebenfalls mit Internetzugang. Was liegt also näher, als die Bilder und Videostreams zu analysieren, und dank moderner Gesichtserkennung auf verdächtige Personen hinzuweisen. Diese Idee hat Amazon noch etwas weiter gesponnen: Wird eine verdächtige Person erkannt, bekommt man einen Hinweis auf dem Smartphone. Ein großer (roter?) Knopf erscheint und wir können die Nachbarn informieren, dass hier etwas vor sich geht. Die Bürgerwehr kann sich dann formieren…

Im ersten Moment klingt das schlüssig. Denkt man darüber nach, woher die Daten für den Abgleich kommen und wie gut die Algorithmen sind, stellen sich einige Fragen:

  • Woher kommen die initialen Vergleichsdaten, mit den „verdächtigen“ Personen/Gesichtern?
  • Wo werden die Bilder gespeichert, wenn unschuldige Personen klingeln oder am Haus vorüber gehen?
  • Wer teilt die Personen in „verdächtig“ und „unschuldig“ ein?
  • Usw., usf.

Mit Blick auf die unterirdische Erkennungsrate, ahnt man, was bei dieser Nachbarschaftsüberwachung passieren wird. Der Onkel steht vor der Tür, klingelt und wird kurz darauf durch den Nachbarn mit Mistgabeln vom Hof gejagt. Sein Gesicht wird als „verdächtig“ gekennzeichnet und landet in irgendeiner Datenbank bei Amazon. Was dann mit dem Bild und der falschen Information passiert? Wer weiß das schon.

WTF, AI! Der Algorithmus sagt, du bist schuldig

Unter Predictive Policing versteht man die Vorhersage von Straftaten. Sie dient auch dazu Wiederholungstäter vorherzusagen. Es gibt einige Firmen, die hierzu schon Computergestützte Systeme anbieten und in Deutschland wird es teilweise schon genutzt. PredPol, PRECOBS, COMPAS und wie sie alle heißen. Das Versprechen ist das Gleiche: Verbrechen vorhersagen, die Rückfallwahrscheinlichkeit nennen oder gar die Wahrscheinlichkeit nennen, an einer Schießerei beteiligt zu sein.

Schon länger wird kontrovers darüber diskutiert. Man spricht von einer Vorhersagequote von rund 67 %. Das entspricht in etwa dem Ergebnis, dass eine Gruppe von Menschen erzielen kann, würden sie einfach wahllos raten. Die zugrunde liegenden Modelle sind nicht offen. Keiner weiß, wie die Algorithmen funktionieren bzw. wie sie trainiert wurden. Es gibt bestätigte Vermutungen, dass die Systeme rassistische Tendenzen haben.

Dass ein Algorithmus auch gezielt rassistisch eingesetzt werden kann, zeigt sich in China. Ein kürzlich geleaktes Dokument beschreibt nicht nur, wie in China Menschen gezielt interniert werden. Es beschreibt ebenfalls, dass eine Software gezielt dafür eingesetzt wird, potenzielle Staatsfeinde zu ermitteln. Grundlage dafür sind die Unmengen an Daten, die über die Menschen in China durch Überwachung gesammelt werden. In China kommuniziert nahezu jeder mit WeChat und bezahlt mittels WeChat Pay. Gepaart mit der flächendeckenden Überwachung kommen einige Daten zusammen. Wird jetzt gezielt nach einer ungeliebten ethnischen Gruppe gesucht, wird einem das Ausmaß klar. Erwähnenswert ist die Tatsache, dass diese ethnische Gruppe keine Minderheit in China ist. Sie ist mit etwas mehr als 10.000.000 Menschen die viertgrößte in China.

Wie hat es Amy Webb in ihrem Buch „The Big Nine“ treffend formuliert:

The G-MAFIA* is beholden to capitalist market forces; the BAT** serves the will of the Chinese government.

Genau so ist es.

* G-MAFIA: Google, Microsoft, Apple, Facebook, IBM, Amazon
**BAT: Baidu, Alibaba, Tencent

Photo by Emiliano Bar on Unsplash

Lebenslang lernen: Man ist nie zu alt

Früher hätte man einen Menschen über 50 belächelt, wenn er gesagt hätte: Ich lerne jetzt Programmieren. Lebenslang lernen? Lieber nicht. Es herrschte der allgemeine Glaube, dass ab einem bestimmten Alter das Gehirn nicht mehr in der Lage ist neues zu lernen. Hieß es doch „Fürs Leben lernen“. Die Frage ist, wofür muss ich lernen, damit ich in 10 bis 20 Jahren gewappnet bin? Das kann keiner beantworten. Gerade der heutige Fortschritt geht so schnell, dass wir immer und ständig neues lernen müssen. Zum Glück ist unser Gehirn bis ins hohe Alter lernfähig.

Wie hoch das Alter sein kann, um etwas gänzlich Neues zu lernen und erfolgreich zu betreiben, zeigt Masako Wakamiya aus Japan. Die Dame ist 84 Jahre alt und App-Entwicklerin. Auch wenn sie mit erscheinen des ersten iOS SDK im Jahr 2008 angefangen hätte, wäre sie 73 Jahre alt gewesen. Das finde ich genauso beeindruckend wie inspirierend. Höre niemals auf Neues zu lernen! Egal wie alt du bist.

I have turned 84, and I feel I am more intelligent than before.

Masako Wakamiya

Vorschau auf die Welt von Morgen

Den Blick in die Zukunft aus dem Jahre 1967 habe ich schon erwähnt. Darin werden einige Themen der Digitalisierung angesprochen, die heute wirklich Alltag sind. Nun bin ich auf eine Reportage des ZDF aus dem Jahre 1972 gestoßen. Betitelt mit „Vorschau auf die Welt von Morgen“ erfolgt ein Blick in das Jahr 2000. Darin kommen sehr viele Themen, auch außerhalb der Digitalisierung aufs Tableau, mit denen wir uns 2019 viel zu wenig auseinandersetzen.

Weiterlesen

Das Jahr 1999, wie man es sich 1967 vorstellte

Wir schreiben das Jahr 1999. Der Computer steht im Mittelpunkt des Lebens. Alles ist irgendwie automatisiert oder zumindest teilautomatisiert. Kinder gehen nicht zur Schule, sondern haben im Haus einen eigenen Schulungsbereich. Computerunterstützt wird mit Video gelehrt und elektronisch das Gelernte abgefragt. Darauf basiert gibt es Empfehlungen, wie man die Lernlücken schließt. Kochen muss man nicht mehr. Der Computer schlägt uns Gerichte vor, die basierend auf unseren Gesundheitsdaten abgestimmt werden. Alles liegt tiefgekühlt vor und wird nur noch erwärmt. Homebanking ist selbstverständlich, genau so wie Videotelefonie. Die Brennstoffzelle im Haus sorgt für Wärme und Strom. Einkaufen? Nur noch per Computer.

So hat man sich 1967 das Leben im Jahre 1999 vorgestellt. Das alles wurde in einen wunderbaren Film verpackt. Viele der gezeigten Dinge sind, stand heute, Realität geworden. Ein paar Jahre später als 1999, aber dennoch eine gute Vorhersage, wie ich finde. Nur eine Sache konnte man sich 1967 scheinbar nicht gut vorstellen: Die Ehefrau, die selbstbestimmt arbeitet und nicht nur in der Küche steht und sich um Familiendinge kümmert. Klar, ein Hobby darf sie haben: Töpfern. Aber in ihrem ursprünglichen Beruf zu arbeiten, das war wohl nicht vorstellbar und absurd. Gut, dass nicht alles so eingetreten ist, wie im Video gezeigt.

Photo by NeONBRAND on Unsplash

Tempolimit – Überall klappt’s, hier nicht

Jedes Mal, wenn ich aus einem Urlaub im europäischen Ausland mit dem Auto zurückfahre, ergibt sich für mich die gleiche Situation. Dank Tempolimits fährt man außerhalb Deutschlands ganz entspannt. Irgendwann übertritt man wieder die Grenze nach Deutschland. Damit fängt der pure Terror auf der Autobahn an. Links und Rechts wird überholt, Lichthupe, Beschimpfungen, weil andere vermeintlich zu langsame wieder einscheren und die Tempo-250-Fahrt unterbrochen werden muss. Schlagartig ist man unter Stress, der erholsame Urlaub wird noch vor dem ersten Arbeitstag wieder zunichtegemacht.

Die Grünen haben im Oktober einen Versuch unternommen, ein generelles Tempolimit von 130 in Deutschland per Abstimmung zu etablieren. Die Abstimmungsergebnisse waren vorhersehbar. Ebenso klar war und ist, wer sich dagegen ausspricht.

In Deutschland herrscht die Meinung, dass ein Tempolimit ein Einschnitt in die Freiheit und Selbstbestimmung der Bürger sei. Inwiefern eine Nötigung und gefährliche Überholmanöver ein Einschnitt in meine Freiheit ist, lasse ich mal dahingestellt.

Was machen andere Länder? Die schauen auf das, was wirklich wichtig ist! So zum Beispiel die Niederlande: Um die Emissionen zu verringert, planen sie ab 2020 tagsüber ein Tempolimit von 100 km/h. Nachts bleiben die jetzt schon geltenden 130 km/h bestehen. Ich will mir gar nicht ausmalen, was hier los wäre, wenn es einen solchen Entschluss von Politikern mit Rückgrat in Deutschland gäbe.

Daten, Daten, Daten – Gesichter für die KI

Wer ein neuronales Netz trainieren möchte, benötigt sehr viele Daten. Das ist allgemein bekannt. Doch woher kommen die Daten? Sind es Netze, die das Verhalten einer Produktionsmaschine lernen sollen, ist es noch relativ einfach. Die Sensoren liefern Daten und der Mensch kann sie klassifizieren. Damit kann man lernen. Es existieren Unmengen von offenen Datenbanken mit Trainingsdaten für nahezu alle Arten von neuronalen Netzen. Kaggle hat einiges an Sets, damit man sein Algorithmus anlernen und validieren kann. Viele Unternehmen bieten unter dem Begriff Open Data einige Daten, wie beispielsweise die Bahn es tut.

Die Frage ist, woher diese Daten alle Stammen. Bei den Daten der Unternehmen ist es noch relativ einfach zu sagen. Trainingssets für Bilderkennung sind da schon schwerer nachvollziehbar.

Eine bekannte Datenbank für Gesichtserkennung ist MegaFace. Darin enthalten sind Millionen von Trainingsdaten und Testsets. Ein Traum – vor allem für die, die Algorithmen verbessern, neuronale Netze trainieren oder validieren möchten.

Nur, woher stammen diese Bilder?

Weiterlesen

© 2020 sandtner.net. Alle Rechte vorbehalten.

Thema von Anders Norén.