Medien und Infrastrukturen der Künstlichen Intelligenz: Computer Vision, Transfer Learning und Künstliche Neuronale Netzwerke als Black Box

• Antragsteller: Privatdozent Dr. Andreas Sudmann
• Fachliche Zuordnung: Theater- und Medienwissenschaften
• Förderung: Förderung von 2019 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 429625021

Technologien der Künstlichen Intelligenz werden gegenwärtig von Verfahren Künstlicher Neuronaler Netzwerke (KNN) dominiert. Das zentrale Erkenntnisinteresse des vorliegenden Projekts zielt darauf ab, zu erforschen, auf welche Weise Medien in ihrer spezifischen infrastrukturellen Organisation an der Hervorbringung und Formierung dieser KNN-Verfahren beteiligt sind. Im Zentrum stehen dabei zwei eng miteinander verschränkte Perspektiven: Erstens möchte das Projekt das Medienwissen der KNN-Forschung/-Entwicklung untersuchen. Welche impliziten und expliziten Konzepte von Medien kennzeichnen den KNN-Diskurs (z.B. – funktional – als Medien der Arbeit, der Organisation und/oder der Kommunikation)? Zweitens geht es darum, die industrielle Praxis von KI-Technologien als Medienpraxis zu beleuchten: Wie artikulieren sich Medien und Infrastrukturen in der konkreten Praxis der KNN-Forschung/-Entwicklung, nicht zuletzt mit Blick auf Unterschiede zu bzw. hinsichtlich Verschränkungen mit dem konsolidierten, offiziellen Wissen des Fachdiskurses?Zur Engführung dieses Forschungsinteresses konzentriert sich das Projekt auf die Anwendungsgebiete des Transfer Learning und der Computer Vision. Entsprechend werden die KNN-Verfahren primär hinsichtlich ihrer medialen Prozesse der Übertragung von bereits Erlerntem auf neue Lernaufgaben sowie in Bezug auf mediale Aspekte der visuell-maschinellen Wahrnehmung bzw. Erkennung der Umwelt – insbesondere in ihrer komplexen Verbindung – untersucht. Denn gerade im Bereich der visuellen Wahrnehmung der Umwelt durch ein KI-System ist es effektiver, wenn dieses nicht für jede spezifisch neue Aufgabe (z.B. Erkennung ähnlicher, aber doch unterschiedlicher Objekte) immer wieder eigens trainiert werden muss.Neben dem Fokus auf Aspekte des Transfer Learning und der Computer Vision, nimmt das Projekt ferner die häufig auftauchende Charakterisierung der KNN als Black Box zum Ausgangspunkt, um auszuloten, wie das Phänomen der vermeintlichen Opazität dieser Technologien im Diskurs der KNN-Forschung verhandelt wird und welche Relevanz ihm in der Praxis der KNN-Forschung als Medienpraxis zukommt. Entsprechend interessiert sich das Vorhaben auch dafür, wie Medien und ihre infrastrukturelle Organisation in der KNN-Forschung daran beteiligt sind, Probleme der Opazität zu beseitigen bzw. zu reduzieren.Methodisch kombiniert das Vorhaben Ansätze der Diskursanalyse und Medienethnographie (Teilnehmende Beobachtung, Experteninterviews) mit theoretisch-konzeptionellen Überlegungen der Akteur-Netzwerk-Theorie (ANT, sowie der sogenannten Akteur-Medien-Theorie, AMT). Der Gewinn des geplanten Vorhabens besteht vor allem darin, die epistemisch-technische Funktion unterschiedlicher Medien als Möglichkeitsbedingungen von KNN-Technologien in ihrer praxeologischen Dimension sowie hinsichtlich ihrer infrastrukturellen Organisation in ersten Ansätzen zu erschließen. 

• DFG-Verfahren: Sachbeihilfen