In der vorliegenden Hausarbeit wird sich mit dem algorithmischen Sehen, genauer mit Schönheit im Auge des Algorithmus, befasst. Konkret wird es um EyeEm Vision gehen. Dabei handelt es sich um die automatische Bilderkennungstechnologie des Berliner Startups EyeEm, die mithilfe von Computer Vision ästhetische Werturteile fällt und in den im Zitat erwähnten Feldern farbiger Pixel auch Gesichter, Personen, Räume und Gegenstände erkennt.
Doch nach welchen Regeln und Vorkenntnissen entscheidet der Algorithmus, wie schön ein Bild ist? Woher nimmt er seine Definition von Schönheit?
Diese Fragen werden im Verlauf der Arbeit beantwortet. Ziel ist es, EyeEms ästhetischer Wertungspraxis auf den Grund zu gehen und diese dann kritisch zu hinterfragen.
Den Begriff der Schönheit zu fassen, stellt für die Menschen seit mehreren Jahrhunderten eine Herausforderung dar. Es scheint so, als könne man ihr Wesen nicht verallgemeinern, als sei für jeden etwas anderes schön. Individuelle Meinungen treffen aufeinander und folglich hat man sich darauf geeinigt, dass Schönheit wohl im Auge des Betrachters liegen müsse. Aber was geschieht, wenn der Betrachter gar keine Augen hat, und dennoch sieht? Wenn ein Algorithmus entscheidet, was schön ist und was nicht, wird die Diskussion womöglich noch um einiges komplizierter.
Die Digitalisierung verwandelt Bilder virtuell in Ziffern und damit das Sichtbare zu symbolischen Daten, die beliebigen Rechenoperationen ausgesetzt werden können. Seitdem sind Bilder einem Blick ausgesetzt, der sie nicht mehr nur durch menschliche Sinne, sondern auch im algorithmischen Sinn testet. Sie werden aufgelöst, zerstückelt, wieder zusammengesetzt, analysiert, zergliedert und mathematisch generiert.
Diese Worte finden sich bereits 2003 im Editorial von „Suchbilder“ von Wolfgang Ernst, Stefan Heidenreich und Ute Holl. Im digitalen Zeitalter sind das Sehen und weiterführend auch das Erkennen nicht nur menschliche Fähigkeiten. Auch Computer werden zunehmend mit Programmen ausgestattet, die auf ihre eigene Weise mit Bildmaterial umgehen.
Aber zwischen den endlosen Ziffernkolonnen und den Gestalten, die ein menschlicher Blick erkennt, gähnt eine Lücke. [...] Auf der einen Seite stehen die Rohdaten, die Bilder als Felder farbiger Pixel kodieren; auf der anderen Seite eine Wahrnehmung, die nicht anders kann, als etwas zu sehen: Gesichter, Personen, Räume, Gegenstände.2
Inhaltsverzeichnis
1. Einleitung
2. EyeEm
2.1 Das Unternehmen
2.2 EyeEm Vision
3. Maschinelles Lernen
3.1 Computer Vision
4. Welche Ästhetik liegt zugrunde?
5. Fazit
Zielsetzung & Themen
Die vorliegende Arbeit untersucht die Funktionsweise und das Ästhetikverständnis der automatischen Bilderkennungstechnologie "EyeEm Vision". Das primäre Ziel besteht darin, die algorithmische Praxis der ästhetischen Bewertung kritisch zu hinterfragen, um aufzudecken, nach welchen Regeln künstliche Systeme Schönheit definieren und ob diese Definitionen Raum für individuelle Innovation lassen.
- Technische Grundlagen des Maschinellen Lernens und der Computer Vision.
- Analyse der Trainingsprozesse von EyeEm Vision durch menschliche Kuratoren.
- Praktische Überprüfung fotografischer Qualitätskriterien anhand von Stichproben.
- Kritische Reflexion über algorithmische Objektivität und sozialen Kontext.
Auszug aus dem Buch
3. Maschinelles Lernen
Beim Maschinellen Lernen handelt es sich um ein Teilgebiet der Künstlichen Intelligenz. Es ist eine Schlüsseltechnologie, die immer mehr Einzug in die unterschiedlichsten Unternehmen und somit auch in den menschlichen Alltag findet. Eine grundlegende Definition ist „der [automatisierte] Erwerb neuen Wissens durch ein künstliches System“. Das bedeutet, dass Computerprogramme ähnlich wie Menschen Wissen aus Erfahrung generieren und dieses Wissen dann auf neue Probleme anwenden. Dazu erhalten die Algorithmen große Mengen an Daten, in denen sie nach Mustern und Gesetzmäßigkeiten suchen, um diese dann intelligent miteinander zu verknüpfen. So können Zusammenhänge in Daten erkannt werden, Rückschlüsse gezogen werden und bestenfalls korrekte Vorhersagen getroffen werden - im Grunde genommen handelt es sich um angewandte Statistik. Beim Maschinellen Lernen unterscheidet man zwischen überwachten und nicht überwachten Lernverfahren. Überwachte Lernverfahren sind meist bereits im Vorfeld auf ein bestimmtes Ziel ausgerichtet, sodass die Daten auf dieses Ziel hin untersucht werden. Dies ist zum Beispiel in der Computer Vision, einem Anwendungsgebiet des Maschinellen Lernens, der Fall, auf welches nun genauer eingegangen wird.
Zusammenfassung der Kapitel
1. Einleitung: Die Einleitung führt in die Problematik des algorithmischen Sehens ein und definiert die Forschungsfrage bezüglich des Ästhetikverständnisses von EyeEm Vision.
2. EyeEm: Dieses Kapitel stellt das Unternehmen EyeEm als globale Fotocommunity vor und erläutert die Funktionsweise der Bilderkennungstechnologie EyeEm Vision.
3. Maschinelles Lernen: Es werden die technischen Grundlagen erläutert, wie Maschinen durch Mustererkennung und überwachte Lernverfahren Wissen aus Bilddaten generieren.
4. Welche Ästhetik liegt zugrunde?: Basierend auf praktischen Stichproben wird analysiert, welche fotografischen Parameter die algorithmische Bewertung beeinflussen und wo die Grenzen der technischen Ästhetik liegen.
5. Fazit: Das Fazit fasst die Erkenntnisse zusammen und betont, dass EyeEm Vision visuelle Ähnlichkeiten bewertet, ohne den historischen oder sozialen Kontext des Bildes zu erfassen.
Schlüsselwörter
Maschinelles Lernen, Computer Vision, EyeEm Vision, Ästhetik, Algorithmus, Bilderkennung, Künstliche Intelligenz, Digitalisierung, Fotografie, Aesthetic Score, Datenanalyse, Mustererkennung, Bildverarbeitung, Kuratierung, Technologiekritik.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit dem "algorithmischen Sehen" und der Frage, wie künstliche Intelligenz, speziell am Beispiel von EyeEm Vision, ästhetische Werturteile über Fotografien fällt.
Was sind die zentralen Themenfelder?
Die zentralen Themen sind das Maschinelle Lernen, die Grundlagen der Computer Vision, die Ästhetiktheorie in Bezug auf Technologie sowie die kritische Reflexion algorithmischer Bewertungspraxen.
Was ist das primäre Ziel der Forschungsfrage?
Ziel ist es, das Ästhetikverständnis des Algorithmus transparent zu machen und zu hinterfragen, ob dieses System eher als objektive Instanz oder als Spiegel eines vordefinierten, kuratorischen Geschmacks fungiert.
Welche wissenschaftliche Methode wird verwendet?
Die Arbeit kombiniert theoretische Analysen aus Kunstgeschichte und Informatik mit einer praktischen, empirischen Untersuchung in Form von Stichproben mit verschiedenen Bildmerkmalen.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die Vorstellung der Technologie, die Erklärung der technischen Lernprozesse und die praktische Testung von Bildparametern wie Schärfe, Komposition und Licht.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die wichtigsten Begriffe sind Maschinelles Lernen, Aesthetic Score, EyeEm Vision, algorithmische Ästhetik und Bildanalyse.
Wie lernt der EyeEm-Algorithmus Schönheit zu bewerten?
Der Algorithmus lernt durch ein "überwachtes Lernverfahren", bei dem er in der Anfangsphase von Kuratoren mit einer großen Menge an als "gut" oder "schlecht" markierten Fotos trainiert wurde.
Warum kann der Algorithmus keinen sozialen Kontext verstehen?
Er arbeitet rein auf Basis von Pixelverteilungen und mathematischen Mustern; ihm fehlt das notwendige Vorwissen über die historische oder soziale Bedeutung eines abgebildeten Motivs.
Inwieweit schränkt die Technologie die Innovation ein?
Die Kritik äußert, dass der Algorithmus Bilder bevorzugt, die dem antrainierten Standard entsprechen, was die Entwicklung neuer, individueller Bildsprachen erschweren könnte.
Kann Technologie den persönlichen Geschmack ersetzen?
Laut dem Unternehmen dient die Technologie als Werkzeug zur Kuratierung, kann jedoch den menschlichen Geschmack und die individuelle Urteilskraft nicht vollständig ersetzen.
- Citar trabajo
- Judith Böttger (Autor), 2018, Schönheit im Auge des Algorithmus. Wie kommt das Ästhetikverständnis von EyeEm Vision zustande und wie lässt sich dieses kritisch hinterfragen?, Múnich, GRIN Verlag, https://www.grin.com/document/975591
