Sentiment Analysis - Storyboard

Pawel Rasch, Tim Runge

May 2019

Bild Bildbeschreibung Text

Manager-Max auf Betriebspyra-mide. In der Ferne ein Markt,der ziellos Emojis absondert. Maxstarrt angestrengt in RichtungMarkt, ein Fragezeichen erscheintuber seinem Kopf.

Erorterung des Beispielproblems”Unternehmen Big Max mochtenwissen, was seine Kunden vonseinem neuen Produkt halten.Klassische Methoden (wie Umfra-gen, Beobachtung im Feld) konnender Datenflut nicht Herr werden.Hier kommt das maschinelle Ler-nen (flapsig: kunstliche Intelli-genz) in Spiel. Aber was genau istdas uberhaupt und seit wann gibtes das?”00:45

Grafiken zu alten NLP und SATechniken und evtl. Timelinemit wichtigen Meilensteinen (z.B.Enigma)

kurze Abhandlung uber die tech-nischen Anfange von SA ”1. Umdie Mitte des 20Jh konnten auf Ba-sis der ersten Rechner maschinelleUbersetzunghilfen gefertigtwerden, zur Dechiffrierunggeheimer Codes. Zur Analyseder naturlichen Sprache warensie noch vollig Ungeeignet. ImRahmen der Renaissance desmaschinellen Lernens in den 80erJahren kamen dann regelbasierteExpertensysteme auf, die inmanchen Bereichen beachtlicheLeistungen zeigten,” 00:15

1

Grafiken zu modernen ML SATechniken

• Support Vector Maschinen

• Neuronale Netze

kurze Abhandlung uber mod-erne ML SA Techniken ”Grundle-gende Aufgaben im Bereich desmaschinellen Lernens sind Klas-sifikation, das einteilen von Ob-jekten in Typen, und Regres-sion, die Berechnung von Funk-tionen. Eine Support Vek-tor Maschine etwa klassifizierteals Vektoren formalisierte Ob-jekte dadurch, dass sie versuchtpassende Grenzen im Vektorraumzu ziehen.” *elaborate* ”Neu-ronale Netze benotigen ebenfallseine vektorisierte Darstellung derDaten. Sie sind von biologis-chen Nervensystemen inspiriert,aber vereinfachen die Funktion-sweise stark. Die Netze werdentrainiert und konnen dann aufviele Eingaben adaquat reagieren.Trainiert wird anhand von Daten,deren Klasse bereits von Expertenbestimmt worden ist. Anfanglichoft blind bzw. zufallig initialisiert,versucht ein Netz die Klasse einerEingabe zu bestimmen und passtbei Fehlern seine interne Strukturan. Leider ist ein solches Netz abeiner gewissen Komplexitat fur unseine Blackbox.” *elaborate* 00:45

Launige Animationen/Grafikenmit Max und den beschriebenenEinsatzgebieten

Nachfrage: Mogliche Einsatzge-biete fur SA werden aufgelis-tet, gegebenenfalls passende Meta-phern genannt und kurz analysiert:

• Voice of Customer (VoC)

• Customer Experience Man-agement (CXM)

• Voice of Employee (VoE)

• Personal Assistant

• Social Scoring

• glaserner Burger

• Text Mining / Opinion Min-ing

01:30

2

Max recherchiert. Auf demBildschirm erscheinen verschiedenFrameworks und Tools

Angebot: Verbreitung (wowird SA bereits genutzt), En-twicklungsstatus, Verfugbarkeit.Mehrere Ebenen der Abstraktion:Angebote fur Devs (z.B. dl4j)und non-Devs (z.B. monkeylearn)01:00

Bruch: die erste Grafik wirdzu einer Fratze ihrer selbst,Smileys uberdecken alles, dieFarbsattigung nimmt langsam zu,alles wird ein bisschen schriller.

Also: Alles gut? -dramatischePause- 00:10

Dystopie: Max macht gelangweiltGymnastik vor seinem Fernseher,auf dem ein bedrohliches Alexa-artiges Gerat zu sehen ist, das Maxanleitet.

Dialog: Alexa mahnt, Max sollemehr Elan zeigen. Max fordertAlexa auf, eine Beschwerde zuposten/tweeten. Alexa weigertsich, so etwas negatives zu verbre-iten. 01:00

3

Dystopische Bilder, Grafik auf derGoogle alles vereinnahmt. Evtl.Spiel ”Lemminge”

Abhandlung uber moglichen Miss-brauch von SA durch Konzerne(Zensur, Manipulation,...) ”Jebesser die zugrundelegenden Sys-tem werden, desto genauer konnengroße Konzerne den Einzelnen,aber auch die Masse einschatzenund damit manipulieren. Derfeuchte Traum eines maßgeschnei-derten Marktes konsumwilligerLemminge wird greifbar. SAbietet Zugang zu unseren innerenEinstellung und Gefuhlen. Wirwerden zu glasernen Konsumentenund die Abhangigkeit von digi-talen Angeboten nimmt zu. ...selbst wenn wir auf dem Papierfrei sind, kann die große Massediese Freiheit nicht mehr nutzen.... aber ist diese potentielle Frei-heit nicht auch grundlegend inGefahr?”01:00

Dystopische Bilder, Grafik auf dereine Partei alles vereinnahmt

Abhandulung uber moglichenMissbrauch von SA durch Politik(Zensur, Scoring, ”Erziehung”,...)”In China werden die Burger bere-its ”objetiv” von maschinellen Sys-temen bewertet und uberwacht.Durch die Analyse der Einstellung,welche einer Außerung zugrundeliegt, kann die Gedankenpolizei bisins Innerste potentieller Dissiden-ten blicken ... die Burger konnennach Belieben geformt werden,indem auf unerwunschte Regun-gen repressiv und auf erwunschteverstarkend reagiert wird. DieKonditionierung wird allum-fassend und die Lemminge habendabei den Eindruck glucklich zusein.”01:00

4

Google und die Partei breiten sichuber den ganzen Planeten aus, dersichtlich darunter leidet, dustererwird. Ahnliche Effekte wie beimBruch in die Dystopie

Der Begriff Opinion/Text Miningwird wieder aufgegriffen: ”BeimMining kann es zu Raubbaukommen, der nichts als Brachenhinterlasst. Um das zu verhindern,braucht es Regeln und Normen,die aus einem gesellschaftlichenDiskurs entwachsen sollten. Siesollen dem Wohle der Menschheitdienen, nicht den Interessenvon Konzernen und sonstigenMachthabern.” 00:30

Bild mit Kindern die in eineridyllischen Schule außerhalb desEinflussbereichs von Big Maxlernen. Im Hintergrund derStaat(Brussel?) von dem lauterliebe § ausgehen

”Losung”:Aufklarung undBildung ”Gestutzt durch ausre-ichende Schutzraume, die geradein jungen Jahren wichtig sind,und eine kritische Schulbildungkann ein gesellschaftlicher Diskursentstehen, der der Komplexitatdes Themas gewachsen ist. Diesist kein konkreter Vorschlag zurAusgestaltung von Schutzraumen.Es ist aber wohl so, dass jederSchutzraum ausgehohlt werdenkann und schließlich einsturzt,wenn dessen Bewohner nichtverstehen wie er aufgebaut ist.Es kann hier keinen optimalenEndzustand gegeben, sondernlediglich eine stetige und kritische(und hoffentlich erfolgreiche)Auseinandersetzung mit denUmstanden. Nur so kann dieWurde des menschlichen Lebenserhalten werden.” 01:00

5