CL060: Mit KI das Universum besser verstehen: Big Data und Deep Learning in der Astronomie

Evi: Hallo Elka, übernimmst du jetzt das Intro bei Cosmic Latte? Hallo.

Elka: Ich habe eigentlich nichts gesagt.

Evi: Nicht? Du hast gerade Hallo, willkommen bei Cosmic Latte gesprochen.

Elka: Okay, nein, das ist mein Digital Twin. Die übernimmt jetzt einfach für mich

Elka: die Podcast-Aufnahmen.

Evi: Okay, aber du bist jetzt schon da oder nicht? Mit wem spreche ich denn hier?

Elka: Nein, ich bin jetzt schon da. Also Auflösung für alle, die da reingefallen sind.

Elka: War vielleicht jetzt nicht so schwierig zu erkennen.

Elka: Ich habe ein Modell trainiert mit meiner Stimme.

Elka: Gott sei Dank habe ich ja viele Aufnahmen von meiner Stimme durch diesen Podcast.

Evi: Ach, gern geschehen.

Elka: Ja, und das habe ich in seiner Website, die heißt Eleven Labs,

Elka: vielleicht kennen das eh manche, reintan und meine Stimme trainiert.

Elka: Jetzt kann man sagen, oh mein Gott, ich habe die böse KI in meiner Stimme gefüttert,

Elka: aber ich habe mir halt gedacht, okay, meine Stimme ist sowieso im Internet öffentlich

Elka: für alle verfügbar zum Runterladen bei dem Podcast.

Elka: Deswegen habe ich da jetzt keine Bedenken gehabt und habe dieses Stimmmodell

Elka: bekommen. Ich finde es gar nicht so schlecht eigentlich.

Evi: Ich finde das sogar sehr gut getroffen, also fast ein bisschen gruselig.

Evi: Es klingt wirklich nach dir. Also jetzt so von der Tonalität her,

Evi: finde ich, ist das sehr gut getroffen.

Elka: Kleinigkeiten sind manchmal ein bisschen schwierig. Zum Beispiel hat es am Anfang

Elka: Latte gesagt, Kosmiklate, so ein bisschen Deutsch, Deutsch.

Elka: Und dann habe ich noch ein T dazu getan. Jetzt sagt es halt Kosmiklate.

Elka: Aber ja, ich finde es auch eigentlich recht gut.

Elka: Und das Coole ist, man kann auch andere Sprachen einstellen.

Elka: Also alle meine Clips waren auf Deutsch und trotzdem konnte ich einstellen,

Elka: dass ich Portugiesisch rede zum Beispiel oder Spanisch.

Evi: Okay, und das funktioniert gut. Also das sind dann keine Übersetzungsfehler.

Evi: Hast du das kontrolliert, ob das passt?

Elka: Ich habe nur so kleine, also nur kurze Texte rein dann. Portugiesisch kann ich

Elka: nicht, aber Spanisch, Französisch und Englisch.

Elka: Also das Englisch war besser als mein Englisch, also mein echtes Englisch.

Evi: Oh, okay.

Elka: Das war eigentlich super.

Evi: Dann könnten wir uns überlegen, ob wir jetzt Cosmic Latte expandieren in den anderen Sprachen.

Elka: Stimmt.

Evi: Erhältlich machen da unsere Folgen, die wir da haben oder machen.

Elka: Leider, die Tonalität ist manchmal schon noch ein bisschen komisch.

Elka: Vielleicht, wenn man irgendwie da einen Bezahlaccount, also ich habe eh einen

Elka: Bezahlaccount, nur den Basic gehabt.

Elka: Vielleicht, wenn man da ein teureres Modell irgendwie nimmt,

Elka: vielleicht ist es dann besser, aber so ist die Tonalität manchmal ein bisschen komisch.

Elka: Also, dass er zum Beispiel sagt, hallo Eva, ist auch ein bisschen weird.

Elka: Man sagt doch, hallo Eva oder so.

Evi: Ja, also ich glaube, das ist das Stichwort Emotionen, das wahrscheinlich dann

Evi: noch nicht so gut transportiert werden kann.

Evi: Wir werden heute über künstliche Intelligenz sprechen und zwar natürlich mit

Evi: besonderem Blickwinkel auf

Evi: Astronomie und wo da künstliche Intelligenz zum Einsatz kommt, sprechen.

Evi: Ich finde das super, dass du jetzt gleich für das Intro dich schon gespielt

Evi: hast mit so Stimmsoftwares, die im Stimmen nachmachen.

Evi: Es gibt ja tatsächlich sehr unterschiedliche Einsätze von künstlicher Intelligenz.

Evi: Bevor wir da starten in dieses Thema, dieses sehr spannende Thema und vor allem

Evi: auch ein sehr vielseitiges Thema.

Evi: Ich glaube, das ist auch ein Thema, wo es sehr viele Mythen oder falsche Vorstellungen gibt.

Evi: Da bin ich schon ganz gespannt, was du uns da erzählen hast.

Evi: Bevor wir da aber starten, möchte ich ganz gerne noch persönlich einen kurzen

Evi: Hinweis geben, und zwar zu einer Veranstaltung, die in knapp zwei Wochen stattfinden

Evi: wird. Und zwar ist ja am 30.

Evi: Juni wie jedes Jahr der International Asteroid Day.

Evi: Und diesmal feiern wir den auch in Baden. Also ich wohne ja in Baden und zwar

Evi: mit dem Cinema Paradiso.

Evi: Und zwar werden wir uns gemeinsam am 30.

Evi: Juni beim Asteroid Day den Film Armageddon ansehen, den Blockbuster.

Evi: Den kennen vielleicht einige ja schon aus den späten 90ern. Elke,

Evi: du kennst den bestimmt, oder?

Elka: Ja, voll. Den schon, ja.

Evi: Wir werden uns den ansehen und

Evi: ich werde auch ein bisschen davor über die Science zu dem Film sprechen.

Evi: Und es wird davor eine Einführung zu dem Thema geben. Es wird auf bestimmte Fragen eingegangen.

Evi: Der Florian ist auch dabei und die Ruth Grützbach ist auch dabei.

Evi: Also das Team von Das Universum, von dem anderen Podcast, bei dem ich ja dabei

Evi: bin, eben mit Florian Freistetter und Ruth Grützbach.

Evi: Da wird es eine kurze Einführung geben zu dem Thema und dann werden wir uns

Evi: gemeinsam den Film anschauen.

Evi: Also wer Lust und Zeit hat, am 30.

Evi: Juni im Cinema Paradiso Baden, kommt doch einfach vorbei. Links zu Infos und

Evi: den Tickets werde ich in die Shownotes packen.

Elka: Cool, dann freue ich mich. Ich hoffe, ich schaffe es auch hin.

Evi: Ja, es wäre cool, wenn du auch kommen könntest.

Elka: Dann ist ein kleines Hörerinnen-Treffen.

Evi: Ja, würde mich voll freuen, wenn wir uns dann auch sehen oder mehrere Hörer

Evi: und Hörerinnen da treffen. Und jetzt wieder zurück zum Thema KI.

Evi: Das ist nämlich tatsächlich ein sehr aktuelles Thema, das auch gehäuft in den Medien vorkommt.

Evi: Das war jetzt erst vor ein paar Wochen, ich glaube, das ist noch nicht einmal

Evi: einen Monat her, ja wieder ganz, ja, ich weiß nicht, ob es groß war,

Evi: auf jeden Fall bin ich darüber gestolpert,

Evi: weil sie haben eine KI getestet und da kam irgendwie heraus,

Evi: dass das aus Selbstschutz die KI dann einen Mitarbeiter von dieser Testfirma

Evi: erpresst hat, als es dann irgendwie davon erfuhr, dass es ersetzt oder abgeschaltet werden muss.

Evi: Also das sind immer diese Albtraummeldungen.

Elka: Ja, ich meine, es gibt diese Angst vor den Overlords und dass die KI alles übernimmt.

Elka: Ich finde das immer so ein bisschen schwierig.

Elka: Also ich bin ja voll für Hype und das passt schon so.

Elka: Aber wir sollten uns auch halt nicht verrückt machen lassen und es schon sehen

Elka: als das, was es ist, dass es einfach eine Rechenmaschine ist und da passieren

Elka: mathematische Operationen, statistische und ja,

Elka: das ist jetzt noch nicht so weit, dass man das als Bewusstsein bezeichnen könnte oder so.

Elka: Dass das irgendwie ein eigener, selbstständiger Wesen ist.

Elka: Ich würde das ja gar nicht wollen, ehrlich gesagt. Deswegen möchte ich auch

Elka: so ein bisschen, wenn ich über KI spreche, anfangen bei den Basics und erzählen,

Elka: was das überhaupt genau ist, was ist Machine Learning und wie funktioniert das

Elka: im Kleinen und dann erst ins Große übergehen.

Elka: Ich glaube, das ist so das Problem, dass die Öffentlichkeit ist erst zugeschaltet

Elka: worden zu der Entwicklung, als es schon sehr weit war.

Elka: Und in Wirklichkeit gibt es einfach KI schon sehr, sehr lange.

Elka: Und es hat sich einfach stufenweise entwickelt und ist immer komplexer geworden.

Elka: Und wir kriegen jetzt halt nur das Endergebnis sozusagen mit.

Evi: Ich glaube auch, dass da ganz viel vermischt wird, auch aufgrund der Popkultur.

Evi: Ich glaube, dass uns da Filme einfach auch, Science-Fiction-Filme,

Evi: ganz viel geprägt haben und dass ganz viel auch vermischt wird.

Evi: Du hast das eh schon ein bisschen angesprochen.

Evi: Ich glaube, das ist vielleicht auch etwas, was uns Menschen irgendwie inhärent

Evi: ist und deswegen finde ich es auch ganz toll und ganz wichtig,

Evi: dass du das Thema heute mitgebracht hast. Bevor wir starten,

Evi: möchte ich ganz kurz noch einen Teaser geben.

Evi: Das Thema ist ja auch sehr oft und sehr viel in Science-Fiction-Filmen.

Evi: Und deswegen wird es wahrscheinlich ja nach unseren Sommerfolgen dann im Herbst

Evi: ein neues Science-Fiction-Special geben.

Evi: Wieder mit Peter, wo wir dann genau dieses Thema auch besprechen werden.

Elka: Ja, jetzt habe ich es gespoilert schon. Aber da kann man sich dann drauf freuen.

Evi: Vorfreude ist ja bekanntlich die größte Freude. Ja, und ich würde sagen,

Evi: wir starten jetzt auch gleich in das Thema rein nach einer ganz kurzen Pause.

Evi: Beginnen wir bodenständig mit, was ist KI oder künstliche Intelligenz?

Evi: Ich glaube, es ist Zeit, dass wir diesen Begriff ein bisschen entmystifizieren, oder?

Elka: Ja, genau. Das ist mir ganz wichtig. Ich unterrichte auch an der Fachhochschule

Elka: Introduction, eigentlich zur Computer Science, aber wir machen eben auch ein

Elka: bisschen Einführung in die KI oder eigentlich mehr Machine Learning.

Elka: Und da geht es mir auch eben darum, das zu entmystifizieren und da ein bisschen

Elka: Licht ins Dunkeln oder in diesen Hype irgendwie zu bringen. Und ich habe eh

Elka: schon erwähnt, vielen ist nicht bewusst, dass es KI einfach schon sehr, sehr lange gibt.

Elka: Der Begriff zum Beispiel künstliche Intelligenz, den gibt es schon seit den 50er Jahren.

Elka: Also 1956 wurde der Begriff KI geprägt bei einer Konferenz, wo sich mehrere

Elka: Informatiker, ich wollte sagen innen, aber ich glaube wahrscheinlich eher Männer.

Evi: Ich glaube auch, dass Gender nicht notwendig ist, in dem Fall.

Elka: Genau. Und die haben eben nachgedacht über diese Möglichkeiten.

Elka: Und der John McCarthy, der eben da auch dabei war, der hat eben diesen Begriff

Elka: der künstlichen Intelligenz geprägt.

Elka: Und spannend ist aber auch, dass es keine einheitliche Definition gibt, was ist KI.

Elka: Also es gibt mehrere Begriffsdefinitionen, aber es gibt keine,

Elka: wo sich alle WissenschaftlerInnen darauf einigen.

Elka: Eine sehr recht gute, finde ich, ist von Bar und Feigenbaum.

Elka: KI ist die Fähigkeit, einer Maschine kognitive Funktionen auszuüben,

Elka: die dem menschlichen Verstand zugeordnet werden.

Elka: Zum Beispiel lernen, planen, argumentieren, Problemlösung und Erwerb von Fähigkeiten.

Elka: Das heißt, das Wichtigste daran ist dieses menschliche Verstand.

Elka: Also wir sind halt sehr ich-zentriert, wir als Menschen. Und Intelligenz ist

Elka: immer das, was wir halt können.

Elka: Und deswegen ist KI etwas, was uns imitieren kann und unseren Verstand imitieren

Elka: kann und unsere Intelligenz.

Evi: Okay, das heißt, es geht da schon darum, diesen Begriff der künstlichen Intelligenz

Evi: quasi in Relation zu setzen mit dem menschlichen Verstand.

Evi: Denkst du dann, dass das Wort Intelligenz vielleicht falsch gewählt wurde damals

Evi: oder findest du es passend eigentlich?

Evi: Oder denkst du, dass das vielleicht auch so ein bisschen die Wurzel von dem

Evi: ist, warum es jetzt auch oft so vielleicht fehlverstanden oder fehlinterpretiert wird?

Elka: Ja, ich meine, ich würde mir jetzt nicht anmaßen, den John McCarthy zu korrigieren,

Elka: aber ich glaube schon, dass das Intelligenz einfach ein sehr schwammiger Begriff

Elka: ist. Also selbst bei der menschlichen Intelligenz sind wir uns ja auch nicht

Elka: so ganz einig, was das jetzt ist.

Elka: Und es gibt emotionale Intelligenz und das, was einen IQ-Test misst und so.

Elka: Also das ist ja schon bei Menschen sehr, sehr schwammig.

Elka: Aber ja, man hat halt irgendeinen Begriff gebraucht und das ist jetzt halt das, mit dem wir arbeiten.

Elka: Aber es gibt vielleicht bessere. Aber es gibt ja auch Teilbereiche von der künstlichen

Elka: Intelligenz und deswegen ist es auch gescheit, einfach über das zu reden.

Elka: Also ein bisschen konkreter benennen, von was man da spricht,

Elka: von welchen Technologien und Algorithmen.

Elka: Und sicher habt ihr schon mal gehört von Maschinenlernen, Deep Learning, neuronale Netze.

Elka: Das sind diese Buzzwords, die so herumfleuchen.

Elka: Und dann ist immer so unklar, ist das dasselbe? Ist Deep Learning das gleiche wie KI?

Elka: Und ja, wie hängt das alles zusammen? Man kann sich das so vorstellen,

Elka: wie so Teilbereiche über allem schwebt.

Elka: Die künstliche Intelligenz, dann war es so zeitlich, dass in den 1980er Jahren

Elka: maschinelles Lernen entwickelt worden ist, weil maschinelles Lernen einfach

Elka: aus sehr vielen Datenmengen lernt.

Elka: Und in den 80er Jahren war es dann technologisch möglich, dass man sehr,

Elka: sehr viele Datenmengen verarbeiten kann mit den Computern, die wir da eben mittlerweile schon hatten.

Elka: Und dann der nächste Schritt, also wieder eine Teilmenge von maschinellem Lernen,

Elka: war in den 2010er Jahren das Deep Learning und neuronale Netze.

Elka: Das ist ein bisschen synonym, kann man sagen, weil man neuronale Netze für Steep-Learning benutzt.

Elka: Und da war so in den 2010er Jahren eben dieser Sprung, wo man diese neue Ära

Elka: irgendwie erreicht hat.

Elka: Und zwei Meilensteine möchte ich auch noch irgendwie sagen.

Elka: 2018 wurde AlphaFold entwickelt. Hast du von dem mal gehört?

Evi: Nein, ich glaube nicht.

Elka: Die haben nicht einen Nobelpreis bekommen. In dem KI-Programm geht es darum,

Elka: dass sie die Faltung von Proteinen mit KI errechnen.

Elka: Und das ist in der Forschung ein extremer großer Sprung.

Elka: Weil die Faltung von Proteinen, vielleicht kannst du dich noch erinnern,

Elka: in der Schule hat man so gelernt, so Primärstruktur, oder vielleicht habe ich

Elka: es auch in der Uni gelernt.

Elka: Ich bin mir verwischt, das ist schon irgendwie alles so. Da gibt es halt die

Elka: Primärstruktur, Sekundärstruktur und die falten sich in eine sehr,

Elka: sehr komplexe Art und Weise.

Elka: Je nachdem, wie sie sich falten, haben sie völlig andere Eigenschaften.

Elka: Und das halt zu berechnen ist sehr, sehr komplex.

Elka: Und da hat eben das AlphaFold vor kurzem einen Nobelpreis bekommen.

Elka: Ich glaube letztes Jahr, ich bin nicht ganz sicher.

Elka: Und das ist auch lustig, weil ich habe das meinen Studis schon vorher irgendwie gesagt.

Elka: Und weil ich halt auf der JKU, also auf der Johannes-Geppler-Uni,

Elka: hat ein Professor gemeint, die sind ein großer Nobelpreiskandidat,

Elka: hat er schon vor zwei, drei Jahren gesagt.

Elka: Und dann habe ich mich schon so gefreut, so will ich mir so wie Nostradamus

Elka: vorkommen oder positiv und einfach eine Hellseherin, weil dann wirklich die

Elka: einen Nobelpreis bekommen haben.

Evi: Jetzt wo du es erwähnt hast, glaube ich mich auch wieder zu erinnern,

Evi: dass das ja dann ein bisschen umstritten auch war, oder? Weil es ja eben irgendwie

Evi: so, wie er jetzt diesen Nobelpreis bekommen hat, ob das jetzt die KI bekommen

Evi: hat oder stimmt das? War das der Fall?

Elka: Naja, umstritten.

Elka: Nicht deswegen, sondern das war halt das erste Mal, dass jemand,

Elka: der nicht ein Wissenschaftler ist, einen Nobelpreis bekommen hat.

Elka: Also das war halt das erste Mal, dass ein Unternehmen und niemand irgendwie

Elka: jetzt als Wissenschaftler irgendwie tätig ist, sondern eben einfach Informatik.

Elka: Aber das ist ja eigentlich nicht schlecht, das ist ja eine coole Sache eigentlich.

Evi: Ja, dann war es das, ja.

Elka: Genau, deswegen habe ich mir gedacht, das ist sicher mal gehört damals,

Elka: nur den Namen wahrscheinlich nicht erinnert. Dann 2022, ja, in der großen Öffentlichkeit,

Elka: der große Durchbruch, JetGPT kommt auf den Markt.

Elka: Und das ist echt witzig, wie das so ein Unchanging ist, weil wir haben auch

Elka: jetzt gerade Aufnahmegespräche für die Studis fürs nächste Jahr und dann erzählen

Elka: dann viele so, die sind dann halt so 23 oder so,

Elka: ja, ich habe noch maturiert, dass es kein JetGPT gegeben hat.

Elka: Also es ist irgendwie für Schülerinnen und Studis so ein bisschen so,

Elka: es gibt die Zeit vor ChatGPT und die Zeit nach ChatGPT.

Elka: Und es hat so völlig das Leben, zumindest in der Schule, glaube ich, geändert.

Evi: Also ich glaube schon generell, dass es das mit ChatGPT wirklich eine große

Evi: Veränderung jetzt gebracht hat.

Elka: Das ist so witzig, weil es schon so klingt, so wie, ja, ich habe maturiert,

Elka: dass es noch schwierig war.

Elka: Aber das ist halt, ja, das ist eine andere Diskussion. Aber das finde ich,

Elka: kann man jetzt auch nicht so sagen, weil wir haben auch, Ich darf auch Taschenrechner

Elka: benutzen, ist trotzdem nicht einfacher, die Mathematik.

Elka: Das waren irgendwie so die Hauptdinger, aber lustige Sachen,

Elka: da werde ich auch einen Link reintun in die Show Notes, die man sich anschauen kann.

Elka: 1966 kam Eliza auf den Markt. Das war der erste Chatbot, der eine Psychotherapie

Elka: simuliert hat. Das war der erste Chatbot generell.

Elka: Und was hat sie gemacht? Er hat eine Psychotherapeutin simuliert.

Elka: Und die Leute damals sind völlig verrückt geworden danach. Und das war halt 1966.

Evi: Wie sie sind verrückt geworden, nachdem sie den Psychotherapeuten den Chatbot

Evi: konsultiert haben, oder wie?

Elka: Ja, das auch. Aber nein, sie waren halt so begeistert. Und es gibt eine Nachbildung

Elka: von diesem Chatbot, da werde ich einen Link eben hin tun, wo man mit dem Eliza

Elka: auch reden kann. Und es ist echt nicht so gut.

Elka: Also eigentlich stellt Eliza immer nur Rückfragen.

Elka: Und sagt, warum fühlst du dich so? Oder keine Ahnung, do you like being right?

Elka: Zum Beispiel hat sie zu mir gesagt. Also ganz eigenartige Sachen,

Elka: aber es ist recht witzig zum Ausprobieren.

Evi: Ja, also ich habe sie schon mal ausprobiert. Also ich kannte,

Evi: also jetzt vorher schon, schon länger her, dass ich sie mal ausprobiert habe.

Evi: Und ich glaube, es ist wirklich jetzt mit heutigen Maßstäben betrachtet.

Evi: Und ich glaube, da können wir uns mal einfach jetzt nicht mehr rausnehmen.

Evi: Ist es wirklich langweilig und eigentlich eher so, ja, okay.

Evi: Aber ich glaube, dass das für die damalige Zeit wirklich revolutionär war.

Evi: Ja, also damals, glaube ich, war das wirklich schon ein ziemliches Wow-Ding.

Evi: Vielleicht ganz kurz auch noch zum Thema Psychotherapie beziehungsweise generelle Sachen.

Evi: Ich glaube, da gibt es auch ganz viele mittlerweile Untersuchungen,

Evi: dass solche Chatbots gerade bei manchen Sachen hilfreicher sind als jetzt echte

Evi: Menschen, weil du da so eine soziale Hürde nicht hast, dass du denkst,

Evi: okay, der urteilt jetzt über dich.

Evi: Und ich glaube, da gibt es ein paar Sachen, ich glaube, bei einer Apotheke oder

Evi: sowas, dass wenn du da vielleicht Sachen hast, die dir unangenehm sind,

Evi: Dass es da den Menschen leichter fällt, vielleicht auch ehrlicher zu sein,

Evi: wenn sie quasi mit glauben, mit einem Chatbot zu sprechen.

Evi: Auch wenn vielleicht dahinter ist ein echter Pharmazeut, der sie dann berät,

Evi: weil da doch so ein bisschen eine andere Art der Interaktion einfach ist.

Elka: Ja, das kann ich mir gut vorstellen, ja. Es gibt ja auch jetzt viele so Psychotherapie-Apps

Elka: und so. Man muss ja irgendwie aufpassen.

Elka: Es hat ja auch den Fall irgendwie gegeben, wo ein KI-Chatbot dann der Person

Elka: vorgeschlagen hat, sich umzubringen.

Elka: Also es kann auch irgendwie eine sehr, sehr eigenartige Richtung gehen.

Elka: Das war jetzt kein zertifizierter Chatbot, aber trotzdem halt,

Elka: ja, ist schon ein bisschen scary.

Elka: Hat halt Bias auch drinnen, worüber wir dann eh später kurz reden werden.

Elka: Ja, was noch spannend war, so 1995, autonomes Fahren, glaube ich auch eine coole

Elka: Sache gewesen und so ein Schock für die Menschheit.

Elka: Ich kann mich da nicht mehr erinnern, weil da war ich noch klein, aber 1997.

Elka: Als Kasparov, der Schachheld, Schachgenie, im Schach besiegt wurde von Deep Blue.

Elka: Da kann ich auch eine Serie empfehlen, ich glaube auf Artie oder so,

Elka: die heißt auch Deep Blue, wo es genau um dieses Turnier geht,

Elka: wo Kasparov gegen den IBM KI antritt.

Elka: Das ist sehr spannend und was auch die Leute da rein interpretiert haben, die Menschheit so.

Elka: Mein Gott, das ist das Schlimmste der Welt, weil wenn jetzt diese Maschine den

Elka: klügsten Schachspieler der Welt besiegt. Und ich denke mal, es ist doch eine coole Sache.

Elka: Wir sind so gescheit, dass wir solche Maschinen bauen können.

Elka: Was sagt das über uns erst aus?

Evi: Das finde ich super, deine Interpretation. Ich finde es gerade erstaunlich,

Evi: dass, wenn du sagst, 1995 autonomes Fahren, dass das jetzt 30 Jahre her ist

Evi: und dass wir noch immer keine wirklich so selbstbewahrten Autos haben.

Evi: Ich meine, wir sind natürlich schon weiter, gibt sie schon, aber so richtig

Evi: den Durchbruch hat es da jetzt noch nicht ganz gegeben oder so,

Evi: wie wir uns das aus den Filmen vorstellen.

Elka: Ja, ich glaube, in San Francisco oder so gibt es schon so Taxis,

Elka: die selber fahren. Aber ja, auch 95, das waren halt die ersten Versuche.

Elka: Es war halt noch sehr schlecht.

Elka: Es sind auch schwierige Fragen, die man da beantworten muss.

Elka: Allein zum Beispiel dieses berühmte Trolley-Dilemma, wenn du halt wohin fährst

Elka: und du musst ausweichen und vor dir ist ein Kind, links von dir ist eine ältere

Elka: Person oder so. Was soll das Auto machen?

Evi: Die moralischen Dilemma, die immer wieder auftauchen.

Elka: Toll, und das ist ja für Menschen schwierig schon und dann das Einprogrammieren.

Elka: Ja, aber gut, ich möchte nicht zu sehr ausschweifen, weil ich möchte auch ein

Elka: bisschen eben was die technischen Basics reden, nämlich Machine Learning.

Elka: Wie gesagt, das war dieser nach KI, der nächste Level.

Elka: Da gibt es drei Arten von Machine Learning, das wir unterscheiden.

Elka: Das eine ist Supervised Learning, also überwachtes Lernen, Unsupervised Learning,

Elka: also unüberwachtes Lernen und

Elka: Und Reinforcement Learning, ich glaube, Bestärken des Lernen ist das auf Deutsch.

Elka: Beim Überwachten lernen, also in so einem Comic, den ich habe,

Elka: darüber wird das so bezeichnet, Lernen mit einem Lehrer oder Lehrerin.

Elka: Da geht es darum, dass man der KI oder dem Modell eher Daten gibt,

Elka: die schon beschriftet sind. Zum Beispiel ein sehr einfaches Beispiel.

Elka: Man gibt dem Modell ein Bild von einem Apfel und Bilder von einer Erdbeere.

Elka: Also nicht nur eins, sondern ganz viele Bilder von Äpfel und Erdbeeren.

Elka: Diese Daten sind auch gelabelt, also das ist auch kategorisiert schon von einem

Elka: Menschen vorher, das ist eben etwas, was Arbeit benötigt, dass man sagt,

Elka: das ist Apfel, das ist Erdbeere.

Elka: Man tut da ganz viele Apfeln und Erdbeeren rein und dann am Ende,

Elka: wenn die KI oder das Modell fertig trainiert ist,

Elka: kann es dann, wenn man ein ungelabelte Daten rein tut, also irgendein Foto möchte

Elka: wissen, ist das jetzt ein Apfel oder eine Erdbeere, kann es daneben unterscheiden

Elka: und das kann klassifizieren.

Elka: Also das ist eine typische Klassifizierungsaufgabe.

Elka: Bilderkennung ist ja auch so ein typisches Ding. Zum Beispiel habe ich so eine

Elka: App, die, weil ich vorher gerade so einen lauten Vogel auf meiner Terrasse hatte

Elka: und ich kenne mich überhaupt nicht aus mit Tieren, aus jetzt mit meinen Katzen,

Elka: aber ich meine jetzt so mit Wildtieren und Bäumen und so.

Elka: Und die kann anhand des Gesanges, kann sie mir sagen, was für ein Vogel das

Elka: ist. Das ist eigentlich recht cool.

Elka: Das habe ich dann manchmal benutzt und habe so ein bisschen wie bei Pokémon spielen.

Elka: Da kann man sich dann eben speichern, welche Vögel man halt gesehen hat oder gehört hat.

Evi: Ah, okay, ja.

Elka: Und dann kann man so sammeln. Und ich war ja auch in Argentinien letztes Jahr

Elka: und habe dann auch dort ganz seltene, also selten, dort sind es nicht selten,

Elka: aber für uns halt ganz selten.

Evi: Für dich selten, ja.

Elka: Genau.

Evi: Dann hast du auch noch was gelernt, nicht nur die KI.

Elka: Genau, ja. Und das Zweite ist eben dieses unüberwachte Lernen.

Elka: Da geht es eher um Clustern.

Elka: Also da gibt man Daten, aber man hat die nicht vorher markiert mit das ist Apfel,

Elka: das ist Erdbeere, sondern man sagt, ich habe hier einen Haufen von Daten,

Elka: Keine Ahnung, bitte mach mir Cluster, bitte sag mal, wie die zusammenhängen könnten.

Elka: Das Modell macht dann eben selber Cluster nach gewissen Abständen,

Elka: meistens ist es so eine Distanzberechnung, die die halt nahe beieinander liegen,

Elka: denkt man, dass die eher ähnlich zueinander sind und die, die weiter weg liegen,

Elka: sind eher unterschiedlich.

Elka: Und dann sagt man einfach, okay, mach mir drei Cluster aus diesen Daten und

Elka: dann wird das nach einer gewissen Logik, einer mathematischen.

Elka: Und das sind eben ganz normale Algorithmen, die man nehmen kann.

Elka: Zum Beispiel K-Nearest Neighbor ist ein Algorithmus, den man auch so zumindest

Elka: auf der Uni lernt. Und das ist alles sehr, sehr nachvollziehbar.

Elka: Unsupervised Learning, für was man das auch verwendet, ist zum Beispiel bei

Elka: Anomalie-Detektionen.

Elka: Also wenn man jetzt zum Beispiel etwas produziert am Fließband und man möchte

Elka: schauen, dass das alles ähnlich ausschaut von der Qualität her,

Elka: kann man eben auch das Unsupervised Learning nehmen, weil das eben so Ähnlichkeiten erkennt.

Elka: Und wenn etwas einfach nicht passt, dann wird das eben markiert.

Elka: Oder was ihr auch sicher kennt, ist, wenn ihr in einen Film schaut,

Elka: so auf Netflix, und dann wird gesagt, ja, dir hat dieser Film gefallen,

Elka: dir könnte auch dieser Film gefallen.

Evi: Ja, also Ähnlichkeiten. Ja, da bin ich schon gespannt, was dann in der Astronomie

Evi: zum Einsatz kommt. Und welche Art von Machine Learning.

Elka: Genau, das werden wir dann besprechen. Und das Letzte ist dieses bestärkte Lehre,

Elka: Reinforcement Learning.

Elka: Das wird vor allem bei Spielen verwendet. Da kann ich dann auch noch einen Link

Elka: dazu tun, wo man Tic-Tac-Toe spielt

Elka: mit einem Modell und das aber vorher trainieren muss mit Tic-Tac-Toe.

Elka: Also es klingt ein bisschen abstrakt, aber da geht es um Lernen durch Bestrafung und Belohnung.

Elka: Also ein bisschen wie beim Hund, wenn es etwas richtig gemacht hat,

Elka: dann wird es belohnt und bestraft. Aber das heißt jetzt nicht,

Elka: dass man irgendwie draufhaut oder so, sondern man ändert einfach das Verhalten.

Elka: Zum Beispiel beim Spiel ist das sehr einfach zu verstehen, wenn es gewinnt im

Elka: Tic-Tac-Toe, dann merkt es sich, welche Züge habe ich gemacht, um zu gewinnen.

Elka: Und diese Züge, da wird die Wahrscheinlichkeit beim nächsten Mal höher,

Elka: dass es diese Züge macht.

Evi: Ist das dann beim Schach auch so?

Elka: Genau, also bei allen Spielen. Ich

Elka: meine, beim Schach, da gibt es nochmal Regeln, die es auch kennen muss.

Elka: Nehme ich an. Aber das ist eben das Spannende bei dem Tic-Tac-Toe.

Elka: Es hat keine Ahnung, was die Regeln sind von Tic-Tac-Toe oder von irgendeinem

Elka: Spiel, sondern es lernt nur, habe ich gewonnen oder habe ich verloren?

Evi: Trial and error.

Elka: Genau, trial and error, ja. Voll. Und das ist auch beim autonomen Fahren,

Elka: was da auch verwendet wird.

Elka: Okay, ja das ist das Machine Learning und dann eben der nächste Schritt war

Elka: ja das Deep Learning und da, wie du das Wort schon sagt, neuronale Netze,

Elka: versucht man das Gehirn wieder zu imitieren und ich finde es da sehr spannend, sich zu überlegen,

Elka: wie das ist mit dem Wissen in diesen neuronalen Netzwerken.

Elka: Also es wird immer so bezeichnet, als ob das so eine Blackbox ist,

Elka: aber es ist nicht wirklich eine Blackbox. Wir wissen schon, dass da mathematische

Elka: Operationen passieren.

Elka: Ja, es ist einfach zu komplex, um diese nachzuvollziehen.

Evi: Zu komplex, wie die KI da quasi zum Ergebnis kommt oder wie?

Elka: Zu viele Parameter. Da gibt es auch ein Beispiel. Ich habe jetzt zwei Fragen

Elka: an dich und die erste ist sehr leicht und die andere ist sehr schwer.

Elka: Nämlich, was ist die Hauptstadt von Frankreich?

Evi: Paris.

Elka: Okay, passt, richtig. Zweite Frage, seit wann weißt du das?

Evi: Was?

Elka: Dass Paris die Hauptstadt ist von Frankreich?

Evi: Wahrscheinlich seit der Schule.

Elka: Seit wann genau?

Evi: Ich weiß ja nicht, wann ich es genau gelernt habe in der Schule.

Elka: Genau, und das ist halt genau die Sache, dass wir können jetzt nicht genau nachvollziehen,

Elka: wann, wo genau in deinem Gehirn wurde das abgespeichert im Deep Learning,

Elka: in diesem neuronalen Netzwerk.

Elka: Also dieses Wissen hat nicht einen Schleiferl und eine Beschriftung mit,

Elka: an diesem Tag wurde das so gelernt, aber es ist da irgendwo drinnen.

Elka: Wir können es auch nicht einfach rauslöschen, so, ach, das tun wir wieder raus,

Elka: weil das einfach zu komplex halt ist.

Elka: Bei Neuronanznetzen will ich jetzt nur sagen, wie das aufgebaut ist.

Elka: Da haben wir eine Input-Schicht, eine Output-Schicht und in der Mitte haben

Elka: wir Hidden Layers heißen die.

Elka: Und je mehr von diesen Hidden Layers da sind, desto komplexer wird das natürlich.

Elka: Und es gibt diese Verbindungen zwischen den Knoten und beim Trainieren passiert

Elka: nur das, dass diese Gewichte, es gibt Gewichte zwischen den Knoten,

Elka: diese angepasst werden.

Elka: Das klingt jetzt ein bisschen abstrakt, man muss sich das glaube ich auch in

Elka: einer Bildskizze irgendwie anschauen.

Elka: Aber es ist nur eine Formel, also eine Activation Function.

Elka: Und diese Formel wird jedes Mal, also dieses Gewicht ist einfach wie ein Faktor,

Elka: kann man sich dann vorstellen. man haut was rein, dann passiert diese Berechnung

Elka: und beim Output-Faktor kommt eine Zahl raus, die dann auch die Wahrscheinlichkeit darstellt.

Elka: Zum Beispiel, ich haue ein Katzenbild rein und jeder Pixel wird dann berechnet.

Elka: Jeder Pixel hat ja einen Wert, weil ein Bild hat zum Beispiel Schwarz-Weiß-Wert von der Farbe her.

Elka: Dann passiert diese Berechnung, also diese Funktionen und dann geht das von

Elka: Datenpunkt zu Datenpunkt, wird berechnet, berechnet, berechnet.

Elka: Am Ende kommt dann wieder eine Zahl raus, die uns dann sagt,

Elka: wie wahrscheinlich ist es, dass dieses Bild ein Katzenbild ist.

Elka: Und wenn das aber nicht stimmt, dann, was macht man dann? Man ändert einfach

Elka: die Gewichte von diesen Funktionen, also die Faktoren.

Elka: Und dann passiert das noch einmal und noch einmal und so oft,

Elka: bis man dann das bekommt, was halt stimmt sozusagen, dann ist das richtig trainiert.

Elka: Was ich nur mitgeben will, ist wichtig, dass KI immer mit Wahrscheinlichkeiten funktioniert.

Elka: Auch JGPD versteht euch nicht, sondern es sagt einfach immer nur das Wahrscheinlichste.

Elka: Was in seinen Datensatz nach diesem Wort gekommen ist. Also das ist wirklich ganz, ganz wichtig.

Elka: Da gibt es keine absoluten Wahrheiten, sondern es ist immer eine Wahrscheinlichkeit.

Elka: Und es geht auch nicht darum, dass das irgendwer ein Bewusstsein hat.

Elka: Schaut es euch da gerne dazu auch ein Video an, das chinesische Zimmer.

Elka: Das ist ein philosophisches Gedankenexperiment, was man, finde ich,

Elka: sehr gut mit KI vergleichen kann.

Elka: Weil da geht es darum, dass jemand in einem Raum sitzt, der nicht chinesisch

Elka: kann und bekommt über den Türschlitz einen chinesischen Satz.

Elka: Er hat aber in diesem Raum ganz viele Regelwerke, wo steht, wie er antworten

Elka: soll auf diese Sätze in Chinesisch.

Elka: Und er antwortet dann immer so, wie er dieses Regelwerk halt findet und tut

Elka: es wieder rausschieben.

Elka: Und die Person draußen sieht nur, okay, ich frage auf Chinesisch,

Elka: wie geht es dir? Und es kommt zurück, mir geht es gut.

Elka: Und es ist jetzt für eine außenstehende Person nicht nachvollziehbar,

Elka: ob die Person innen wirklich Chinesisch kann oder ob es einfach nur sehr,

Elka: sehr gut nach diesem Regelwerk funktioniert.

Elka: Was würdest du sagen? Hat die KI ein Bewusstsein?

Evi: Nein, ich würde mal sagen, dass du mir nachher dann auflösen, oder?

Elka: Dann kommt die große Enthüllung.

Evi: Genau.

Elka: Ja, auch ein Problem eben, also erstens mal eben meiner Meinung nach ist die

Elka: KI ja auch einfach nur mathematische Operationen.

Elka: Und auch ein Problem, was ich vorhin gesagt habe, ist Bias in KI.

Elka: Das Erste ist natürlich, dass auch unsere Datenmengen nicht perfekt sind und

Elka: dass wir von gewissen Gruppen nicht genug Daten haben, weil wir jetzt nicht

Elka: an die Astronomie denken,

Elka: sondern generell zum Beispiel Gesichtserkennung, ist es so, dass Gesichtserkennung

Elka: meistens mit weißen Männern trainiert wurde.

Elka: Und die Fehlerquote bei weißen Männern bei einer Gesichtserkennungssoftware,

Elka: die ich mal nachgeschaut habe, bei 0,6 Prozent und für schwarze Frauen bei über 30 Prozent.

Evi: Okay, ja, das ist ein großer Unterschied.

Elka: Genau, also da ist auch schon drinnen, dass man einfach die Daten nicht berücksichtigt

Elka: von allen Menschengruppen.

Elka: Plus, was auch drinnen ist, ist, dass ja auch unsere Welt Rollenbilder hat und

Elka: unsere Welt ja auch nicht fair ist.

Elka: Und dass auch unsere Wertevorstellung uns Stereotypen abbildet.

Elka: Und da ist ein berühmtes Beispiel der AMS-Algorithmus in Österreich,

Elka: also das Arbeitsmarktservice.

Elka: Da hat es eine KI gegeben, wo den Leuten empfohlen wurde, was sie später mal arbeiten sollten.

Elka: Und diese KI hat den Frauen empfohlen, Friseurin zu werden und den Männern in die IT zu gehen.

Elka: Das ist halt nicht das, was wir halt wollen.

Elka: Aber jetzt kann man nicht sagen, dass die KI irgendwas falsch gemacht hat oder

Elka: irgendwie falsch funktioniert hat, sondern das ist ja die Realität.

Elka: Die Realität ist, wir haben nur 15 Prozent Frauen in der IT.

Elka: Nur was wir uns halt Gesellschaft fragen müssen ist, wollen wir,

Elka: dass die KI noch weiter die Ungleichheiten, die in unserer Gesellschaft bestehen, halt verstärkt?

Elka: Das wollen wir natürlich nicht und da muss man einfach aware sein und man kann

Elka: da schon noch an Stellschrauben drehen, aber man muss sich halt dem bewusst

Elka: sein und das sind halt so typische Gefahren von KI.

Evi: Du hast halt Input-Output und wenn du halt shitty Input hast oder Fehlerhaften

Evi: oder wenn du da was mit drinnen hast, ist natürlich der Output auch dementsprechend.

Evi: Also ich glaube, in dem Sinne zeigt es uns vielleicht einen eigenen Spiegel sogar ganz gut auf.

Elka: Genau, also das Garbage in, Garbage out ist die eine Sache. Manchmal sind die

Elka: Daten ja korrekt, aber sie sind halt, wie unsere Welt halt ist.

Elka: Unsere Welt ist halt. Ja, es gibt es auch zum Beispiel für das US-Justizsystem,

Elka: da benutzen die eine KI, die empfiehlt, ob die rückfällig werden oder nicht.

Elka: Also ob die so, wie heißt das, auf Bewährung rauskommen sollen.

Elka: Und die KI sagt bei schwarzen Menschen mehr Nein. Also das ist halt auch einfach

Elka: eine rassistische Anwendung von KI.

Evi: Das ist halt wirklich problematisch und ich finde halt auch gerade in so sensiblen

Evi: Bereichen muss man da wirklich aufpassen.

Elka: Genau, deswegen sind wir in der EU ja cool und haben den EU-AI-Act,

Elka: wo wir da nach Risikogruppen definieren, wo es okay ist, das zu verwenden,

Elka: wo man aufpassen muss und wo es überhaupt völlig verboten ist.

Elka: Das Gute ist ja, in der Astronomie haben wir keine Daten über Menschen.

Elka: Da ist es zumindest nicht so hakelig, sondern da ist es eigentlich eine sehr

Elka: coole Sache, KI zu verwenden.

Elka: Und vor allem, es ist eigentlich so naheliegend, weil es gibt nicht sehr viele

Elka: Bereiche, wo wir so absurd viele Daten haben.

Elka: Also die Astronomie ist ja genau das, wo wir fast unendlich viel aufzeichnen

Elka: können und ganz, ganz viele Daten haben.

Evi: Und Daten produzieren, ja.

Elka: Genau, ja. Also das kann ja bis in die Petabyte gehen. Also das ist ja eigentlich

Elka: gar nicht mehr vorstellbar für uns.

Evi: Ganz spannend. Also das sind ja auch immer wieder Größen, glaube ich,

Evi: die ja eigentlich unvorstellbar sind, mit denen wir da ja arbeiten.

Evi: Ich habe mal schon gesprochen über das Bild von dem schwarzen Loch,

Evi: das wir ja haben. Also ich glaube, das ist nämlich etwas, was viele ja kennen.

Evi: Und das wurde ja gemacht mit dem Event Horizon Teleskop. Und das ist dieses

Evi: virtuelle Teleskop, was ja auch riesengroß eigentlich ist.

Evi: Und da hat man ja auch eine wahnsinnige Datenmenge produziert,

Evi: also dreieinhalb Petabyte und das ist halt so wie 100 Jahre HD-Videomaterial,

Evi: also wirklich unvorstellbar und wirklich so groß, weil das hat man ja auch an

Evi: mehreren Stationen auf der Welt eben aufgezeichnet.

Evi: Die haben eben zur gleichen Zeit wirklich die gleiche Gegend am Himmel beobachtet

Evi: und dann mussten diese Daten auch wirklich physisch transportiert werden.

Evi: Also das ist dann so eine große Datenmenge, das kannst du nicht mehr mit einer

Evi: Internetverbindung irgendwie dann senden oder sowas.

Evi: Sondern da hat man halt dann wirklich 1024, 8 Terabyte Festplatten mit dem Flugzeug

Evi: transportieren müssen.

Evi: Und dann hat man auch fünf Jahre gebraucht, um das alles auszuwerten und auszuarbeiten.

Evi: Also das ist halt auch, damit man mal so ein Gefühl bekommt,

Evi: von welcher Datengröße wir hier sprechen.

Elka: Vor allem bei dem Thema hat es ja auch die Bume eingegeben, eine von den Wissenschaftlerinnen.

Elka: Das Foto von ihr ist so viral gegangen, wo sie vor dem PC sitzt und so völlig baff ist.

Elka: Oh mein Gott, ein Foto, ein Bild vom schwarzen Loch.

Elka: Und sie ist auch eine von den Wissenschaftlern, die ich bei der Muttertagsshow

Elka: im Planetarium vorgestellt habe.

Elka: Es ist eigentlich unglaublich, was für Möglichkeiten eben KI da bietet.

Elka: Und es war ja, wenn wir auch zum Beispiel über die Herschel geredet haben,

Elka: das war ja eine extrem mühsame Arbeit früher, dass Sachen irgendwie einzeln

Elka: durchzugehen, also ich würde verrückt werden.

Elka: Mit der Automatisierung ging das alles natürlich noch viel einfacher.

Evi: Ich sehe auf diesen alten Platten noch gar nichts. Hast du es mal schon gesehen,

Evi: diese Glasplatten, diese alten Fotoplatten mit diesen ganzen Punkten drauf oder

Evi: sowas? Ich würde ja nichts erkennen.

Evi: Also ich glaube, ich wäre total ungeägnet für diesen Job.

Elka: Voll, da ist man dann schon sehr froh, wenn...

Elka: Wie KI eine Art Vorauswertung macht. Also KI sagt meistens nicht,

Elka: dass es es fix, sondern es schränkt einmal stark ein, wo man hinschauen soll

Elka: und was man sich anschauen soll.

Elka: Und ich habe da ein paar Beispiele mitgenommen.

Elka: Ich werde jetzt nicht so viel dazu sagen zu den Projekten, aber so ein paar

Elka: Grundinfos, wo man dann auch irgendwie nachlesen kann, wenn man mehr wissen

Elka: will, wo jetzt KI-Technologie benutzt wird in der Astronomie.

Elka: Und vor allem sieht man da auch, dass das schon länger benutzt wird,

Elka: Nicht erst seit 2022, seit es JetGPT gibt, sondern diese Projekte sind teilweise

Elka: schon auch früher passiert.

Elka: Also es ist einfach in der Forschung Machine Learning schon sehr,

Elka: sehr lang eigentlich relevant.

Elka: Das erste Themengebiet sind Exoplaneten.

Elka: Da kann KI sehr, sehr gut helfen. Also

Elka: da gibt es auch eine automatisierte Exoplanetensuche mit Machine Learning.

Elka: Ein Projekt aus 2023 wurde zum Beispiel von den University Space Research Association

Elka: und dem CT-Institut unter NASA gemacht.

Elka: Wo sie mit Deep Neural Networks, das heißt das sind einfach diese neuronalen

Elka: Netze, die sehr, sehr viele Layers haben, sehr, sehr viele Schichten in der

Elka: Mitte, haben die 69 neue Exoplaneten entdeckt.

Elka: Und das ist halt schon eine sehr coole Sache.

Elka: Und wieso haben sie das so gut entdeckt? Oder wieso waren das auch Planeten,

Elka: die vorher übersehen wurden?

Elka: Also es geht nicht nur darum, dass es extrem viele Datenmengen sind,

Elka: die kein Mensch Zeit hat, sich anzuschauen, sondern auch Daten,

Elka: die verrauscht sind, das ein sehr, sehr schwaches Signal ist oder verrauscht.

Elka: Und deswegen, auch wenn Menschen drüber geschaut hätten, haben sie das halt

Elka: nicht entdecken können.

Evi: Einfach selber.

Elka: Das ist sehr spannend. Das zweite Projekt zum Thema Exoplaneten,

Elka: da hat es eine KI-gestützte Analyse von den Testdaten gegeben,

Elka: also vom Transiting Exoplanet Survey Satellite gegeben.

Evi: Sag einmal, bei dir, ich habe jetzt schon irgendwie so Hintergrundgeräusche.

Evi: Ist das die Katze bei dir?

Elka: Ja, die sind gerade ausgezuckt, aber ich glaube, jetzt haben sie sich beruhigt.

Evi: Ah ja, okay, gut. Tests ist ganz super, ganz toll. Finde ich sehr wichtige und

Evi: sehr gute Satelliten und Survey. Der Nachfolger ja vom Kepler.

Evi: Finde ich sehr schön auch immer. Also da werden ja erdnahe Exoplaneten untersucht,

Evi: gesucht, auch identifiziert. Ein sehr spannendes Projekt.

Elka: Und das war auch schon 2022, diese Auswertung.

Elka: Und da haben die ja mehrere Algorithmen verwendet.

Elka: Und weil du sagst, es war dieses Mal nicht einfach nur Neural Networks,

Elka: weil es ein bisschen fad ist, wird immer Neural Network verwendet,

Elka: sondern die haben semi-supervised und unsupervised Machine Learning Algorithmen

Elka: verwendet. Also diese Clustering und

Elka: Diese Klassifikationsalgorithmen, die ich am Anfang vorgestellt habe.

Elka: Und was haben die entdeckt? Also die schauen sich ja diese Lichtkurven an von

Elka: den Exoplaneten oder von den potenziellen Exoplaneten.

Elka: Und die haben sich über 10.000 von diesen Kurven angeschaut oder halt die KI

Elka: und haben drei Exoplanetary Candidates ausgemacht.

Elka: Das ist eigentlich auch eine coole Sache.

Evi: Mir fällt gerade übrigens ein, vielen Tipp, wenn sich da jemand ein bisschen

Evi: mehr mit dem Thema, auch mit den Testdaten beschäftigen möchte.

Evi: Ein sehr netter Film ist A Billion

Evi: Stars. Zu deutsch ist der Beititel im Universum ist man nicht allein.

Evi: Den hat mir eine Hörerin empfohlen vom Das Universum Podcast.

Evi: Und der ist sehr nett. Also da geht es auch um einen Astronomen.

Evi: Der arbeitet eben auch mit diesen Testdaten.

Evi: Und da geht es auch um diese Entdeckung von Exoplaneten. Und da sieht man auch

Evi: sehr schön diese Simulation von Lichtkurven.

Evi: Also da ist das eben auch sehr schön erklärt, wenn du die Lichtkurven hast von einem Stern.

Evi: Und was dann eben passiert, wenn jetzt ein Exoplanet da vorüberzieht,

Evi: wie dann die Lichtkurve runtergeht und was für Simulationen es da gibt,

Evi: um herauszufinden, ob das jetzt ein Exoplanet ist oder nicht.

Evi: Also wer möchte, kann sich den anschauen, kann ich sehr empfehlen.

Elka: Das zweite Themengebiet sind die Galaxienklassifikationen. Das ist auch eine

Elka: Aufgabe, die eine KI sehr gut kann, Sachen klassifizieren.

Elka: Und da gibt es ein Projekt, das schon 2020 gestartet wurde, nämlich Morpheus.

Elka: Und diese KI wurde mit Bildern vom Hubble-Teleskop trainiert.

Elka: Und das Coole ist, dass diese KI pixelgenau erkennt, ob etwas eine Spiralgalaxie

Elka: ist oder ein Stern oder ein Hintergrund oder was auch immer.

Elka: Und dafür hat man ein Neural Network genommen, das heißt UNET.

Elka: Und das tut man eigentlich zur medizinischen Bildverarbeitung verwenden.

Elka: Das finde ich auch irgendwie spannend, weil ich komme ja aus dem Bereich der

Elka: medizinischen Bildverarbeitung. Und man kann sich so vorstellen,

Elka: wie man einfach Röntgenbilder auch analysiert.

Elka: Da gibt es ja auch sehr viele KI-Modelle.

Evi: Ja, das ist ja dazu so Krebserkennung, oder? Also Tumorerkennung.

Elka: Die haben alle, also nicht nur Tumor, man kann auch andere Krankheiten,

Elka: Pathologien damit erkennen, Brüche oder auch ein Schlaganfall oder so.

Elka: Also da kann man sehr viele Pathologien auf den Bildern dann erkennen.

Elka: In den Paper steht auch, was mich irgendwie gefreut hat, weil ich unterrichte

Elka: auch Python und ein bisschen TensorFlow.

Elka: Da haben sie auch sehr genau dann beschrieben, dass sie eben ein Neural Network

Elka: verwenden und Using Python 3 and the TensorFlow Library verwenden.

Evi: Ja, voll, das ist eigentlich... Der Programmierherz hat da höher geschlagen, oder?

Elka: Ja, genau. Und ich habe ja schon gesagt, sie haben Hubble-Bilder verwendet.

Elka: Sie haben nämlich 10.000 Galaxien vom Hubble Space Telescope aus 2005 und einer

Elka: Studie verwendet, um diesen Algorithmus zu trainieren.

Evi: Das ist halt auch ein Wahnsinn, oder? Ich meine, 10.000 Galaxien,

Evi: das muss man ja auch mal trainieren lassen dann. Und auch die Daten haben,

Evi: ja, also das ist schon...

Elka: Ja, der dritte Themenbereich ist Simulationen des Universums.

Elka: Das ist eigentlich ja auch sehr naheliegend. Und Simulationen gibt es zwar auch

Elka: schon länger, aber jetzt mit KI geht das eben halt viel schneller.

Elka: Und das ist das sogenannte Cosmological Simulation Modeling,

Elka: wo man einfach versucht, alle Prozesse, die einfach passieren,

Elka: im Universum nachzubilden.

Elka: Und da gibt es auch ein Projekt, das heißt CAMELS.

Elka: Und in diesem CAMELS-Projekt haben sie 4000 kosmologische Simulationen erstellt.

Elka: Und als Methode schreiben sie, das ist irgendwie lustig in einem Paper,

Elka: da gehen sie gar nicht darauf ein, was genau das ist. und sie schreiben einfach,

Elka: ja, als Methode einfach traditional deep learning.

Elka: Sonst redet sie immer ganz so voll schwurbelig, bla bla bla.

Elka: Und sie sagen einfach, ja, wir haben einfach traditional deep learning verwendet.

Evi: Allgemein bekannt.

Elka: Genau. Und sie haben dort more than 100 billion particles und Fluid-Elements simuliert.

Elka: Also 100 Milliarden wäre das auf Deutsch.

Elka: Extrem komplex. Und das, also kann man sich vorstellen, was das für neue Möglichkeiten

Elka: einfach eröffnet für uns.

Elka: Wenn man das in so schneller Zeit, also es ist wirklich wie gemacht für KI.

Elka: Und ich glaube, das ist wirklich so ein extremer Fortschritt oder extremer Sprung

Elka: nach vorn für die Astronomie.

Evi: Ja, also ich glaube, gerade eben im Bereich von den Simulationen ist das wirklich

Evi: ganz, ganz toll, wenn du halt einen Parameter änderst und siehst,

Evi: okay, wie verändert sich das dann in dem Modell, in der Abbildung.

Evi: Und da kannst du dann viele Theorien auch bestätigen, bekräftigen,

Evi: sagen, ja, okay, das hat sich da jetzt bestätigt, dass das Modell stimmt,

Evi: wenn man das nochmal nachrechnen kann.

Evi: Ich finde das ganz toll, ein sehr spannendes Thema.

Elka: Und weil das alles so ein bisschen ältere Projekte waren, habe ich jetzt zum

Elka: Schluss noch ein ganz neues Projekt rausgesucht.

Elka: Nämlich Multimodel Universe. Das wurde nämlich gerade vor kurzem veröffentlicht.

Elka: Das ist nämlich das größte offene KI-Datenset für die Astronomie.

Elka: Und das hat ein internationales Team von Astronomen und KI-Forschenden gestartet

Elka: letztes Jahr 2024 und eben das Multimodel Universe genannt.

Elka: Und die haben ein 100-Therabyte-Datenset veröffentlicht, das Beobachtungen von

Elka: unterschiedlichen Teleskopen kombiniert hat.

Elka: Das Ziel ist eben, dass man damit KI-Modelle trainieren kann,

Elka: dass man das noch einfacher, noch schneller machen kann, dass man da Muster

Elka: in verschiedenen Datenlängen erkennen kann, also von Infrarot bis Röntgen.

Elka: Und sie wollen halt damit noch mehr die Entwicklung neuer KI-Methoden in der

Elka: Astronomie beschleunigen.

Evi: Sehr spannend.

Elka: Und dass das auch so offen ist, das finde ich schon eine coole Entwicklung.

Elka: Und da sieht man halt auch eine typische Beispiele, wo Zusammenarbeit in der

Elka: Forschung einfach sehr sinnvoll ist und nicht jeder macht sein eigenes kleines Süppchen.

Evi: Ja, das stimmt. Vor allem viele Daten sind ja auch öffentlich zugänglich.

Elka: Ja, voll. Es ist eh guter Ton in der Forschung, das so zu machen.

Elka: Ja, also das ist so die Zukunft, wie es weitergehen wird. Und ich glaube,

Elka: da ist es ja recht offensichtlich, dass wir wollen, dass das schneller vorangeht.

Elka: Aber natürlich gibt es ein Thema für ein anderes Mal auch gesellschaftlich relevante

Elka: Bereiche, wo KI eingesetzt wird, wo man vielleicht ein bisschen mehr darüber

Elka: nachdenken sollte und wo man den Einsatz einschränken sollte.

Elka: Aber ich glaube, in der Astronomie ist es ein sehr vielversprechender und sehr

Elka: toller Einsatzbereich.

Evi: Ja, sehr spannend. Also danke, dass du das Thema mitgebracht hast und dass du

Evi: uns das jetzt auch so toll erklärt hast und erzählt hast, wo es auch überall zum Einsatz kommt.

Evi: Ich glaube, wenn wir jetzt das Anfangsbeispiel aus den Medien noch einmal heranziehen,

Evi: wo die KI den Mitarbeiter presst hat, sollte er ihn abschalten.

Evi: Ich glaube, ich finde da irgendwie schon klar, das sind halt alles Programmiersachen.

Evi: Du musst deinen KI-Selbstschutz auch programmieren, meiner Meinung nach.

Evi: Und das ist halt, so wie wir auch gesagt haben, je nachdem, welche Daten du

Evi: auch reingibst, das kommt dann auch raus.

Evi: Und deswegen finde ich das immer so ein bisschen seltsam, wenn dann so überrascht

Evi: getan wird, weil es stehen ja dahinter immer noch Menschen, Informatiker,

Evi: Programmierer, die ja was machen damit, die ja mit dieser KI arbeiten.

Evi: Und deswegen finde ich das immer ein bisschen seltsam. Und wie du ja auch schön

Evi: gezeigt und dargestellt hast, ist es ja ein Lernen, ein Arbeiten mit Daten.

Evi: Es sind Wahrscheinlichkeiten, die dann rauskommen. Und deswegen glaube ich,

Evi: dass da von unserer Seite oft viel zu viel hineininterpretiert wird.

Elka: Ja, und es lernt eben aus Daten und in unseren Daten werden auch Leute erpresst.

Elka: Also das ist halt, im Internet findet man oder was auch immer für Daten,

Elka: das trainiert wurde, findet man halt auch solche Daten und das wird dann halt

Elka: auch reproduziert. Das ist nicht verwunderlich.

Evi: Ich bin da ganz bei dir. Ja, vielen Dank. Bevor wir noch weitergehen zum Dank,

Evi: noch ganz kurz eine kleine Pause.

Evi: Ja, danke Elke für dieses spannende Thema. Also ich glaube, gerade im Bereich

Evi: Astronomie, da könnte man ja noch viel weiter und viel länger sprechen,

Evi: weil es da auch eben in so vielen unterschiedlichen Bereichen dann natürlich

Evi: damit gearbeitet wird, von Entdeckung der Exoplaneten bis hin zu Simulationen

Evi: von Universen. Ganz spannend.

Evi: Vielen lieben Dank, dass du uns das näher gebracht hast.

Elka: Wenn es wieder was Neues gibt, dann machen wir ein Update.

Evi: Und wenn ihr euch auch bei uns bedanken wollt, dann könnt ihr das natürlich auch machen.

Evi: Sehr gerne einmalig in Form einer Spende über PayPal.

Evi: Oder ihr könnt natürlich auch ein Abo abschließen bei Steady oder Patreon.

Evi: Dieses Mal wollen wir uns bedanken bei Wolfram und Marcel, die uns eine Spende

Evi: über PayPal zukommen haben lassen.

Evi: Und ganz besonders natürlich auch bei Martin und Thorsten, die sehr großzügig

Evi: waren. Vielen, vielen lieben Dank an euch.

Evi: Damit ermöglicht ihr uns auch natürlich, dass wir diesen Podcast weitermachen

Evi: können. Ihr könnt uns natürlich jederzeit eine Bewertung hinterlassen,

Evi: am besten fünf Sterne oder Feedback zukommen lassen.

Evi: Ihr könnt den Podcast weiterempfehlen. Und ja, wenn ihr Feedback,

Evi: Fragen oder Anregungen habt, könnt ihr uns natürlich auch direkt schreiben.

Evi: Gerne eine Mail am kontakt.kosmoglatte.at oder hinterlasst einfach ein Kommentar

Evi: auf unserer Seite kosmoglatte.at.

Evi: Natürlich könnt ihr uns auch auf Instagram kontaktieren. Wir sind da unter kosmoglatte.podcast

Evi: zu finden oder Elka natürlich auch auf ihrem Account des Science. sie Feminist.

Evi: Ja, und damit bleibt mir nur noch zu sagen, danke, Elke.

Evi: Und ja, ich freue mich schon, was wir dann das nächste Mal besprechen werden.

Elka: Ja, ich auch.

Evi: Bis zum nächsten Mal. Danke. Tschüss.

Elka: Ciao.

Elka: Ich habe so einen lauten Vogel da auf meiner Terrasse. Den hörst du aber nicht, oder?

Evi: Nein, nein, nein. Hast du das Fenster offen?

Elka: Ja, weißt du, die Katzen sind auf der Terrasse, deswegen muss ich immer das

Elka: offen lassen, damit sie rein und raus kommen können.

Evi: Okay, ich mache immer alles zu, weil bei uns ist ja dann oft gerne mal irgendwie

Evi: Baustelle oder sonstiges oder die Nachbarn, wenn man das Rasen will.

Elka: Nein, sie sind in den Hof rein, Gott sei Dank, bei mir ist sie in den Hof hinein

Elka: und außerdem, wenn ich die Tür zumache, in dem Moment wollen die Katzen wieder rein.

Evi: Das ist eh klar.

Elka: Wenn sie drinnen sind, dann wollen sie dann wieder raus.

Evi: Ja, das ist Katzengesetz, oder?

Elka: Ja, wirklich.