TU Braunschweig
Öffentliche Veranstaltung: Automation and Creativity: Practice, Aesthetics and Reception of the Digital in Music and Literature (Online Conference) - Forum
Saturday, October 10th, 2020
4:00–4:20pm Screening
4:20–4:50pm Discussion

 


Abstract (German)

In den letzten Jahren verändern Methoden der Künstlichen Intelligenz unser Leben in ungeahnter Weise: Von den Anfängen in den 1960iger Jahren über die langjährige Durststrecke des KI-Winters bis zum derzeitigen allgegenwärtigen Einsatz intelligenter Systeme, insbesondere im Sinne selbstlernender Algorithmen. In erster Linie sind die heutigen Erfolge auf extreme Verbesserungen der zur Verfügung stehenden Rechenkapazitäten zurückzuführen, aber auch auf eine gewisse Rationalisierung der Erwartungen an künstlich intelligente Systeme: sie werden auf größeren Datenmengen (Big Data), aber für spezifischere Aufgaben trainiert (schwache vs. starke KI), häufig in direkter Zusammenarbeit mit menschlicher Intelligenz eingesetzt und es wird auch nur noch selten von der Möglichkeit künstlichen Bewusstseins ausgegangen. Eindrucksvolle Erfolge wie der IBM Schachcomputer Deep Blue, das ebenfalls von IBM entworfene System Watson für Jeopardy-Quizzes, oder das Go-spielende System AlphaZero von DeepMind belegen die Möglichkeit, auch in Aufgaben mit komplexen Regeln konsequent bessere Ergebnisse zu erzielen als die jeweiligen menschlichen Champions.

Aber handelt es sich hierbei wirklich um Erfolge, die mit menschlicher Kreativität vergleichbar sind? Während Kritiker davon ausgehen, dass die Erfolge in zugegebenermaßen immer komplexer werdenden Spielen nur einer explorativen Kreativität entsprechen, also im wesentlichen dem schnellen (und für Menschen unmöglichen) Ausschöpfen eines Lösungsraums und der effektiven Bewertung der einzelnen Lösungen, werden immer wieder intelligente Systeme für echte kreative Aufgaben wie das Erzeugen von Texten, Bildern oder Musik eingesetzt. Die Idee hier ist, dass ein künstlich intelligentes System aus einer sehr großen Menge eingegebener Beispieldaten die entscheidenden Merkmale lernt, also z.B. welche Worte in Texten semantisch zusammenpassen oder welche Farben und Formen in einem Gemälde als ästhetisch empfunden werden. Auch hier ist ein gewisser Erfolg nicht von der Hand zu weisen: Das Kunstauktionshaus Christie‘s in New York versteigerte 2018 ein algorithmisch erstelltes Gemälde namens „Edmond de Belamy“ für den Preis von 432.500 USD.

Aber welche Merkmale kann ein künstlich intelligentes System lernen? Und sind kreative Assoziationen oder spontane Geistesblitze am Ende auch nur ein (erahnter) Ausdruck statistischer Regelmäßigkeiten bisher unbeachteter Merkmale?

Wolf-Tilo Balke ist seit 2008 Leiter des Instituts für Informationssysteme (IfIS) und Ordinarius an der Technischen Universität Braunschweig und Mitglied des Direktoriums des Forschungszentrums L3S. Zuvor war er mehrere Jahre als Leiter einer Nachwuchsgruppe am L3S und als Research Fellow an der University of California at Berkeley in den USA tätig. In der Forschung beschäftigt er sich vor allem mit Datenbanktechnologie und Informationssystemen, insbesondere personalisierte Anfrageverarbeitung, Retrieval-Algorithmen, Deep Learning und Knowledge Embeddings, sowie deren Anwendung in Digitalen Bibliotheken. 2013 wurde Wolf-Tilo Balke zum Mitglied der Academia Europaea gewählt. Er ist mit zwei Förderungen Mitglied des Emmy-Noether-Exzellenz-Programms der Deutschen Forschungsgemeinschaft (DFG) und Träger des Wissenschaftspreises der Universitätsstiftung Augsburg. Er erhielt ein Diplom in Mathematik und die Doktorwürde in Informatik von der Universität Augsburg, Deutschland.

 

Abstract (English)
In recent years, Artificial Intelligence is changing our lives in quite unexpected ways: from the beginnings in the 1960s, through the long dry spell of the AI winter, to today's ubiquitous use of intelligent systems, especially in terms of self-learning algorithms. Today's successes are primarily due to extreme improvements of the available computing capacities. On the other hand, we can also state a certain rationalization of the expectations on artificially intelligent systems: they are trained on larger amounts of data (Big Data), yet for more specific tasks (weak vs. strong AI). Moreover, they are often used in direct cooperation with human intelligence, and the possibility of artificial consciousness is only rarely assumed. Impressive success stories like IBM’s chess computer Deep Blue, IBM’s Watson system for Jeopardy quizzes, or the go-playing system AlphaZero by DeepMind prove the possibility to consistently achieve better results than the respective human champions even in tasks with increasingly complex rules.

Still, are these really achievements comparable to human creativity? While critics assume that successes in admittedly increasingly complex games only correspond to explorative creativity, i.e. essentially the rapid (and for humans impossible) exhaustion of a solution space and the effective assessment of individual solutions, intelligent systems are also used for real creative tasks, such as the creation of texts, images, or music. The idea is that an artificially intelligent system learns decisive characteristics (called features) from a very large amount of input data, e.g. which words in texts semantically fit together or which colors and shapes in a painting are perceived as aesthetic. A certain success cannot be denied here either: In 2018, the art auction house Christie's in New York auctioned an algorithmically created painting called "Edmond de Belamy" for the astonishing price of 432,500 USD.

But what features can an artificially intelligent system learn? And, are creative associations or spontaneous flashes of inspiration in the end just an (probably unconscious) perception of statistical regularities of features so far neglected?


Wolf-Tilo Balke currently heads the Institute for Information Systems (IfIS) as a full professor at Technische Universität Braunschweig, Germany, and serves as a director of L3S Research Center at Leibniz Universität Hannover, Germany. Before, he was associate research director at L3S and a research fellow at the University of California at Berkeley, USA. His research is in the area of databases and information systems, including personalized query processing, retrieval algorithms, deep learning and knowledge embeddings, as well as their application in Digital Libraries. In 2013 Wolf-Tilo Balke has been elected as a member of the Academia Europaea. He is the recipient of two Emmy-Noether-Grants of Excellence by the German Research Foundation (DFG) and the Scientific Award of the University Foundation Augsburg, Germany. He has received his B.Sc and M.Sc degree in mathematics and a PhD in computer science from University of Augsburg, Germany.<

[Last edited by Dennis Fuchs - 11.11.20 - 17:32]
y0034511
Offline Dennis Fuchs
Lecturer
Beiträge: 40
Received "Like!"s: 7
Link to this posting