Facebook, Google, Twitter & Co geraten immer mehr in die Kritik. Sie spielen weltweit eine dominante Rolle, wenn es um Informationen, soziale Netzwerke oder digitale Marktplätze geht.
Doch gehen sie mit ihrem Einfluss auch verantwortungsvoll um? Eine Regulierung scheint notwendig: DSGVO, Netzneutralität und Upload-Filter sind hitzig diskutierte Beispiele dafür. Doch kann die digitale Ökonomie überhaupt effektiv reguliert werden, wenn die Anbieter in den USA oder China sitzen? Gehören Monopolisten zerschlagen? Oder behindern wir damit Innovationen und Kundennutzen?
Wir diskutieren mit Jura-Professor Thomas Fetzer aus Mannheim über die Regulierung der digitalen Welt. Eines scheint bereits klar: Die informationelle Selbstbestimmung ist eine Illusion.
Wir fragen Prof. Daniel Oberski von der Uni Utrecht: Ist der Mensch wirklich so vorhersehbar? Die aktuelle BigSurv18 Konferenz in Barcelona zeigt, dass sich selbst Google, Facebook und Co. schwer tun, aus noch mehr Daten noch bessere Prediction-Modelle zu bauen. Vielleicht auch eine gute Nachricht.
Wobei die Frage nach der Vorurteilsfreiheit von Algorithmen weiterhin schwierig bleibt: Können wir vielleicht automatisiert den Bias von Algorithmen erkennen? Oder müssen wir anerkennen, dass die Verzerrungen der Maschinen nur unsere eigenen Vorurteile widerspiegeln? Bislang scheint es, dass der Lösungsweg kein technischer sein wird.
Google Duplex hat die Welt verblüfft – ein digitaler Assistent, der beim Friseur anruft und kompetenter als sein menschliches Gegenüber wirkt. Es folgt ein großer Aufschrei: Können wir bald Mensch und Maschine nicht mehr auseinander halten?
Die Vision ist klar: Maschinen werden weitere menschliche Aufgaben übernehmen, diesmal mit hoher sozialer Interaktion. Und sie sprechen wie echte Menschen, eben: nicht perfekt. Parallel dazu entwickeln sich die Fähigkeiten, Stimmen und Gesichter durch Machine Learning zu synthetisieren. Stehen wir an der Schwelle zu einer Welt, in der Mensch und Maschine Hand in Hand leben werden?
Micro-Targeting heißt das Zauberwort: Jeder bekommt genau das, was er verdient. Werbung, Infos, Produkte – alles soll mit Batch-Größe 1 genau auf meine Bedürfnisse zugeschnitten sein. Damit das Machine Learning kann, müssen wir die Maschine füttern – mit unseren Daten. Und das tun wir sehr bereitwillig. Jedes Spielchen auf Facebook, jede Umfrage via Twitter verrät mehr über mich.
Wir diskutieren mit unserem Studiogast und Daten-Experten Ralf Klüber von umlaut über die Folgen. Die Werbung passt also immer besser. Aber wir werden vorhersehbarer, bis hin zum Verhalten am Wahltag. Schön ist auch: Man muss heute keinen Fernsehsender mehr mit der Armee kapern, um die öffentliche Meinung zu beherrschen.
Es wird schwieriger, Manipulationen überhaupt zu sehen und zu messen. Nur wenige nutzen die Möglichkeiten, Google & Co in die Schranken zu weisen, die sie sogar von sich anbieten. Die Großen werden zur gesellschaftlichen Kraft, wie auch die Anhörungen vor dem amerikanischen Kongress gezeigt haben.
Und wie im Podcast versprochen unsere Folge nun auch endlich in einfachem Deutsch:
Drei Typen unterhalten sich am Computer.
Große Firmen machen individuelle Werbung.
Dazu brauchen sie ganz viele Daten.
Die Menschen geben diese Daten freiwillig her.
Gleichzeitig beschweren sie sich darüber.
Das finden manche ein wenig schizophren.
Viele haben Angst, dass die großen Firmen alles beherrschen könnten.
Wir wissen auch nicht, wie wir das Problem lösen sollen.
Vier Wochen Sendepause, in denen viel passiert ist – wir berichten aus Berkley, Washington und Berlin.
Google arbeitet am verteilten, „föderalen“ Machine Learning ohne zentrale Trainingsdaten und macht sich weitere Gedanken zum Thema Privacy. Facebook will seine gesammelten Daten auch im B2B-Umfeld zu Geld machen, weiß aber manchmal weniger, als man denkt.
In Berlin wurde im Rahmen der Bitkom-Kongresses Digital Aviation zum zweiten Mal der Innovationspreis der deutschen Luftfahrt vergeben.
Dass oft die Herausforderung im Machine Learning der Strompreis ist, haben wir auf der Machine-Learning-Konferenz der TU Berlin gelernt.
Und: Wie zählt man Zebras? Wie beim Zensus bedrohter Tierarten auch Crowdsourcing genutzt werden kann.
