36

Vorstellung · Weiterbildung Erfolg Weiterbildung Erfolg Motivation Weiterbildung Erfolg Prolem: Kausalität Datenanalysen sind nicht geeignet, um Ursachen zu erklären. Korrelation

  • Upload
    others

  • View
    18

  • Download
    0

Embed Size (px)

Citation preview

Vorstellung

Prof. Dr. Katharina Simbeck

[email protected]

Helge Roski-Krahn

[email protected]

Finn Folkerts

[email protected]

Agenda

1. Trainingsdaten erstellen

2. Was ist Künstliche Intelligenz?

3. KI Modell trainieren

4. Sind datenbasierte Entscheidungen objektiv?

5. KI Modell verwenden

6. Datenbasierte Entscheidungen im Personalwesen

1. Trainingsdaten erstellen

Wir wollen Maschinelles Lernen ausprobieren.

Wir möchten einem Computer beibringen VER.DI und IGBCE zu unterscheiden.

Bitte beschriften Sie jeweils eine Karte mit VER.DI und IGBCE.

- In Druckschrift

- In Großbuchstaben

Was ist Künstliche Intelligenz?

Künstliche Intelligenz ist die Wissenschaft davon, Computern Dinge beizubringen, in denen im Moment noch Menschen besser sind. ( Elaine Rich, 1983, zitiert nach Ertel: Grundkurs Künstliche Intelligenz)

https://youtu.be/E96EXx83s9o

BeŻet, cropped version of

https://www.flickr.com/photos/scho

schie/171544759/sizes/o/ by

schoschie

https://de.wikipedia.org/wiki/Datei:

Robocuphumanoid.jpg

Bildquelle DeepBlue:

https://www.flickr.com/photos/22453761@N00/5

92436598/, Autor James the photographer

Bildquelle Kasparov:

http://www.kasparovagent.com/photo_gallery.ph

p

Suchen/Problemlösen - Breitensuche

Heuristische Suche

Heuristiken: Problemlösungsstrategien, die in vielen Fällen zu einer schnelleren

Lösung führen als die uninformierte Suche.

● Suchen unter beschränkten Ressourcen (z.B. Zeit)

● Heuristische Bewertungsfunktion

Welche Heuristik würden Sie verwenden, um den Weg nach Hanoi zu finden?

Quelle: Ertel: Grundkurs Künstliche Intelligenz, Kapitel 6.3

KI Herausforderung: Lernen

Maschinelles Lernen:

Supervised Learining vs. Unsupervised Learning

Was Computer besser können…how-old.net

Unsupervised Learning http://www.akiwi.eu/ Prof. Dr .Barthel

Lernen durch Verstärkung (Re-inforcement Lernen)

„Lernen ohne Lehrer“

Beispiele:

● Backgammon Programm TD-Gammon wurde mit einer 2 Züge Vorausschau

in 1,5 Millionen Spielen gegen sich selbst trainiert und erreichte

Weltklasseniveau.

● RoboCup Soccer: Fußballroboter lernen laufen.

Quelle: Ertel: Grundkurs Künstliche Intelligenz, Kapitel 10.9

Re-Inforcement Learning: AlphaGo

https://commons.wiki

media.org/wiki/File:G

o_game_(20944976

15).jpg

Urheber:

Luis de Bethencourt

from Madrid, Spain

In AlphaGo verwendete Lern-Strategien

● Deep Learning basierend auf gespeicherten Meisterspielen (30 Millionen

Spielstellungen und Züge)

● Lernen durch Verstärkung (AlphaGo spielt gegen sich selbst)

● Lernen einer Stellungsbewertung („Ausprobieren“)

Zum Einsatz kamen Parallelrechner mit 1202 CPUs und 176 Grafikkarten.

Quelle: Ertel: Grundkurs Künstliche Intelligenz, Kapitel 10.10

KI braucht viele Trainingsdaten

3. KI Modell trainieren

4. Sind datenbasierte Entscheidungen objektiv?

Bekommen dunkelhäutige Spieler häufiger rote Karten von Schiedsrichtern?

1 Datensatz61 Wissenschaftler29 Ergebnisse

Silberzahn, R; Uhlmann, E L; Martin, D P; Anselmi, P; Ullrich, Johannes (2017). Many analysts, one dataset: Making transparent how variations in analytical choices affectresults. Cornell University: PsyArXiv. https://doi.org/10.5167/uzh-148470

Datenbasierte Entscheidungen sind gut.

Daten schützen nicht vor Entscheidungen.

Ergebnis muss robust sein:

- Leichte Änderung der Annahmen

- Leichte Änderung der Daten (10% weglassen)

- Änderung der Analysemethode

Weiterbildung Erfolg

Weiterbildung Erfolg

Motivation

Weiterbildung

Erfolg

Prolem: Kausalität

Datenanalysen sind nicht geeignet, um Ursachen zu erklären. Korrelation ≠ Kausalität.

Zusammenhang Ursache-Wirkung: Nicht immer beobachtbar

Experimente mit Kontrollgruppe

Grafik „Anker im Kopf“ von Ralf Appelt unter CC BY 3.0 DE.

Problem:

Wirkung von nicht-monetären Anreizen (Restivo, van de Rijt 2012)

● Experiment mit ehrenamtlichen Wikipedia-Mitarbeitern

● Identifikation von besonders produktiven Schreibern

● Vergabe von „Barnstars“ (Bienchen)

Produktivität sank nach Vergabe der „Barnstars“

Problem: Tendenz zur Mitte

Wirkung von nicht-monetären Anreizen (Restivo, van de Rijt 2012)

● Experiment mit ehrenamtlichen Wikipedia-Mitarbeitern

● Identifikation von besonders produktiven Schreibern

● Vergabe von „Barnstars“ (Bienchen)

● Kontrollgruppe: genauso produktiv, keine „Barnstars“

Produktivität sank nach Vergabe der „Barnstars“ in beiden Gruppen

Produktivität sank stärker in Gruppe ohne „Barnstars“

Problem: Tendenz zur Mitte (Regression to the Mean)

Tendenz zur Mitte (Regression to the Mean):

--> Vorsicht bei der Analyse von extremen

Ausprägungen

Problem: Messbarkeit …

Was ist Performance?

Wann war eine Einstellungsentscheidung richtig?

Wieviele Arbeitsunfälle traten auf?

Wie hoch war die Qualität der Weiterbildungsmaßnahme?

Problem: Mangel an objektiven Daten

Vorspiel hinter schwarzem Vorhang

Problem: Diskriminierung

5. KI Modell anwenden

6. Datenbasierte Entscheidungen im Personalwesen

Frage 1:

Welche Daten

werden in Ihrem Unternehmen über

Mitarbeiter_innen erfasst?

Frage 2:

Welche Entscheidungen (mit Auswirkungen auf Mitarbeiter_innen)

werden in Ihrem Unternehmen

datenbasiert getroffen?

Frage 3:

Welche Systeme

werden in Ihrem Unternehmen im

Personalwesen verwendet?

7. Möglichkeiten der Einflussnahme für Betriebsräte