Der Artikel kann nur mit aktiviertem JavaScript dargestellt werden. Bitte aktiviere JavaScript in deinem Browser und lade die Seite neu.
Rückblick in die Computerzukunft: Algorithmen, die nur auf Belohnung aus sind, ein XR-Planetarium im eigenen Wohnzimmer, flexible Alltagsroboter und mehr.
Inhalt
Algorithmische Belohnungsmaximierung: Polarisierung von der Pole-Position
Empfehlungsalgorithmen sind überall. Forscher:innen warnen jetzt vor der nächsten Generation, die auf bestärkendes Lernen setzen soll. | Bild: Unsplash
Algorithmen bestimmen vielleicht nicht unser Leben, aber sie beeinflussen es maßgeblich. Wie viele Menschen etwa unsere Webseite besuchen, hängt stark davon ab, wie Googles Algorithmen unsere Artikel aufgreifen und ausspielen.
Das wiederum hängt davon ab, welche Interessen Google Nutzer:innen unterstellt und wie diese potenziell interessierten Nutzer:innen auf unsere Artikel reagieren - klicken sie schnell darauf, lesen sie lange, teilen sie den Inhalt und so weiter. Je positiver und schneller Nutzer:innen reagieren, desto weitläufiger spielt Google unsere Inhalte aus. Das gilt für News-Seiten wie unsere ebenso wie für YouTube-Kanäle, Spotify-Podcasts und viele weitere Formate.
___STEADY_PAYWALL___
Theoretisch eine faire Sache: Gute Inhalte führen zu vielen Reaktionen führen zu hoher Reichweite. In der Praxis versagt der beschriebene Mechanismus jedoch häufiger, als er funktioniert, da die Reaktionen von Nutzer:innen nur bedingt als Qualitätskriterium taugen - freilich abhängig davon, was man als Qualität definiert. Aber das ist eine andere Diskussion.
Das Dilemma der Plattformanbieter: Rein auf Basis von Text- und Strukturauswertungen kann ein Algorithmus die Qualität oder Relevanz von Inhalten bestenfalls nur auf einer basalen Ebene bestimmen. Er benötigt die Reaktionen von Menschen, um sich zu orientieren. Das Wissen darüber beeinflusst wiederum, wie Menschen, die Inhalte erstellen, etwa Überschriften und Titelbilder gestalten - also die Elemente, die schnelle Reaktionen hervorrufen.
Davon frei machen können sich nur jene, die entweder schon berühmt sind und Kraft ihrer eigenen Marke gesehen und vom Algorithmus ausgewählt werden, oder die außerhalb algorithmisch getriebener Wirtschaftssysteme agieren.
Bei der Versuch-und-Irrtum-Methode wird ein Algorithmus belohnt, wenn er ein vorgegebenes Ziel erreicht, etwa die Maximierung von Klickzahlen oder positiver Reaktionen. Wie der Algorithmus sein Ziel erreicht, ist für ihn sekundär - aber für unsere Gesellschaft von hoher Bedeutung.
Der von den Forschenden trainierte Algorithmus jedenfalls manipulierte bei Tests mit politischen Nachrichten die Nutzer:innen in drei Schritten: Zuerst fand er ihre politische Gesinnung heraus, um sie dann gezielt mit gegensätzlichen Meinungen zu polarisieren, sodass sie später umso berechenbarer auf zu ihren Einstellungen passende politische Ansichten reagierten. Das ist algorithmische Belohnungsmaximierung auf Kosten der Gesellschaft.
Türen öffnen oder Stühle rücken - beide Aufgaben erledigt Alphabets neuer Haushaltsroboter mit nur einem Algorithmus. | Video: Alphabet
Der Google-Mutterkonzern Alphabet drängt aus dem Internet in eure Wohnzimmer: Flexible, alltagstaugliche Haushaltsroboter sind das Ziel. Die ersten 100 Prototypen wischen jetzt in Google Büros Tische und rücken Stühle.
Idee der Woche: XR-Planetarium im Wohnzimmer
Der AR-Modus von Metas autarker VR-Brille Quest 2 inspiriert Entwickler:innen: Der Stargazer (Deutsch: „Sterngucker“) des XR-Tütftlers Emanuel Tomozei erweitert euch im wahrsten Sinne des Wortes den Horizont.
Hinweis: Links auf Online-Shops in Artikeln können sogenannte Affiliate-Links sein. Wenn ihr über diesen Link einkauft, erhält MIXED.de vom Anbieter eine Provision. Für euch verändert sich der Preis nicht.