Deep Learning ist meist ein überflüssiger Begriff

In vielen Handreichungen, Positionspapieren, Erklärungen und Materialien zu maschinellem Lernen (aka "KI") wird im Abschnitt "Wie funktioniert das?" der Begriff "Deep Learning* (Biblionetz:w02947) verwendet und mehr oder weniger …

 

In vielen Handreichungen, Positionspapieren, Erklärungen und Materialien zu maschinellem Lernen (aka "KI") wird im Abschnitt "Wie funktioniert das?" der Begriff "Deep Learning* (Biblionetz:w02947) verwendet und mehr oder weniger schlecht definiert.

Ich wage jetzt mal zu behaupten: In den allermeisten Fällen ist die Verwendung des Begriffs Deep Learning überflüssig und macht nichts verständlicher.

Begründungen:

  • Zu technisch: Um mit dem Begriff Deep Learning etwas anfangen zu können, also z.B. zu verstehen, was denn der Unterschied zu Nicht-Deep-Learning ist, müssten Leserinnen und Leser deutlich mehr Verständnis von der Funktionsweise von maschinellem Lernen haben, als sich in der zur Verfügung stehenden Zeit vermitteln lässt.
  • Nicht notwendig für weitere Erkenntnisse: Der Begriff ist nicht notwendig, um über Potenziale und Herausforderungen von maschinellem Lernen diskutieren zu können und schon gar nicht für die Nutzung von generativen Machine-Learning-Systemen (GMLS). Es reicht in diesem Zusammenhang zu erklären, dass Computer in den letzten Jahren massiv leistungsfähiger wurden und ihnen massiv mehr Daten zur Verfügung stehen, um mittels Statistik Muster in diesen Daten erkennen und daraus etwas ableiten zu können.

Warum wird der Begriff trotzdem so häufig verwendet?
Ich habe so meine Verdachtsmomente, warum der Begriff trotzdem so häufig verwendet und erklärt wird:

  • Veraltetes Verständnis von Didaktik: Die Autor:innen gehen davon aus, dass eine seriöse Publikation zu einem Thema doch die wesentlichen Fachbegriffe enthalten muss, statt sich zu überlegen, welche Begriffe man dem Publikation wirklich zumuten soll und wo didaktische Reduktion sinnvoll wäre.
  • Glitzernde Begriffe zur Aufwertung des Themas: Auch wenn das fast nicht mehr nötig wäre, klingt KI und deep learning fancier als "Statistische Auswertungen aus grossen Datenmengen" oder "Mustersuche mit mathematischen Modellen".
  • Aufwertung des eigenen Expertenstatus: Wer mit solchen Begriffen um sich wirft, erweckt oberflächlich den Eindruck, Experte oder Expertin auf diesem Thema zu sein. Mir scheint, dass viele Erklärungen des Begriff in solchen Publikationen eher zeigen, dass es Einäugige unter Blinden sind.

 

Weitere Blogbeiträge aus dem zITBOx Netzwerk

Biblionetz neu mit GMLS-generierten Anteilen

Biblionetz neu mit GMLS-generierten Anteilen

Seit heute enthält das Biblionetz auch Zusammenfassungen und Bemerkungen zu Büchern und Texten, die von einem generativen Machine-Learning-System (GMLS) geschrieben worden sind. Solche Texte werden sowohl für den Menschen als …

MFA-Ärger lindern

MFA-Ärger lindern

Mein Arbeitgeber lässt sich nicht davon abbringen, die M365-Konten so einzustellen, dass jedes Gerät, das sich nicht im Arbeitgebernetzwerk befindet, sich täglich neu authentisieren muss per Multifaktor-Authentisierung (MFA). Dies bedeutet …

Biblionetz - Wiki - GMLS - und was ist meine Aufgabe?

Biblionetz – Wiki – GMLS – und was ist meine Aufgabe?

Anfang April hat Andrej Karpathy, ein ehemaliger Mitarbeiter von OpenAI (Herstellerin von ChatGPT) ein Dokument mit dem Titel LLM Wiki (Biblionetz:t33408) veröffentlicht, das beschreibt, wie man mit einem generativen Machine-Learning-System …