{"id":128,"date":"2023-11-30T17:00:19","date_gmt":"2023-11-30T17:00:19","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-speak-how-youtube-learns-you-part-1\/"},"modified":"2024-01-31T11:43:33","modified_gmt":"2024-01-31T11:43:33","slug":"ai-speak-how-youtube-learns-you-part-1","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/ai-speak-how-youtube-learns-you-part-1\/","title":{"raw":"KI Sprache: Wie Youtube \u00fcber Sie lernt \u2014 Teil 1","rendered":"KI Sprache: Wie Youtube \u00fcber Sie lernt \u2014 Teil 1"},"content":{"raw":"

Modelle und Empfehlung<\/h3>\n
\n

AKTIVIT\u00c4TEN<\/strong><\/p>\n\n<\/header>\n

\n\n\"\"\n

Dies sind die Kreditkartentransaktionen von zwei in Nantes (Frankreich) lebenden Personen. Sie sind auf der Suche nach Dingen, die sie am Wochenende ausprobieren m\u00f6chten. Was w\u00fcrden Sie John Doe empfehlen, was Tom Harris?<\/p>\n

Liste zur Auswahl:<\/p>\n\n

    \n \t
  1. Die neue Burger-King-Filiale<\/li>\n \t
  2. Eine Oliven\u00f6lverkostung<\/li>\n \t
  3. Ein Online-Gep\u00e4ckladen<\/li>\n \t
  4. Ein Konzert am Fluss<\/li>\n \t
  5. Einen Babyschwimmkurs<\/li>\n<\/ol>\n<\/div>\n<\/div>\n

    Empfehlungssysteme gibt es schon mindestens so lange wie Reisef\u00fchrer und Top-Ten-Listen. W\u00e4hrend The Guardian Best Books of 2022<\/em> allen Leserinnen und Lesern dieselbe Liste empfiehlt, w\u00fcrden Sie sie wahrscheinlich anpassen, wenn Sie f\u00fcr sich selbst ausw\u00e4hlen k\u00f6nnten.<\/p>\n

    Wie kann man Fremden Optionen empfehlen? Bei der obigen Aktivit\u00e4t haben Sie wahrscheinlich versucht, sich anhand der gegebenen Informationen ein Bild von den Pers\u00f6nlichkeiten dieser Personen zu machen: Sie haben Urteile gef\u00e4llt und Stereotypen angewendet. Sobald Sie eine Vorstellung von deren Typ<\/em> hatten, w\u00e4hlten Sie dann aus der Liste Dinge aus, die f\u00fcr sie relevant sein k\u00f6nnten (oder auch nicht). Empfehlungsprogramme wie Amazon, Netflix und Youtube folgen einem \u00e4hnlichen Prozess.<\/p>\n

    Wenn jemand heutzutage nach Informationen sucht oder Online-Inhalte entdecken m\u00f6chte, verwendet sie oder er eine Art personalisiertes Empfehlungssystem1,2<\/sup>. Die Hauptfunktion von Youtube besteht darin, seinen Nutzenden zu sagen, welche der Plattform verf\u00fcgbaren Videos sie sich ansehen sollen. F\u00fcr angemeldete Nutzende wird anhand ihrer fr\u00fcheren Aktivit\u00e4ten ein \u201eModell\" oder ein Pers\u00f6nlichkeitsprofil erstellt. Sobald es ein Modell f\u00fcr einen Nutzenden erstellt hat, kann es sehen, wer ein \u00e4hnliches Profil hat. Youtube empfiehlt dem Nutzenden dann sowohl Videos, die den von ihr oder ihm bereits geschauten \u00e4hnlich sind, als auch solche, die andere ihm \u00e4hnliche Nutzende gesehen haben.<\/p>\n\n

    Was ist ein Modell?<\/h3>\n

    Modelle k\u00f6nnen verwendet werden, um alles zu reproduzieren, vom Nutzenden \u00fcber Videos bis hin zu Inhalten, die ein Kind lernen soll. Ein Modell ist eine vereinfachte Darstellung der Welt, damit eine Technologie so tun kann, als w\u00fcrde sie sie verstehen:<\/p>\nhttps:\/\/www.youtube.com\/watch?v=XAYlocUlfcE&list=PLkm8ZqYSzE3eM28LL0BJylUFuVedLE3Uy&index=11&pp=iAQB\n

    Wie Youtube \u00fcber Sie lernt<\/h3>\n

    Alle Empfehlungsprobleme lassen sich darauf zur\u00fcckf\u00fchren, dass die Frage \"Was soll empfohlen werden?<\/em>\" ein bisschen zu allgemein und vage f\u00fcr einen Algorithmus ist. Netflix fragt die Entwickelnden<\/a>, welche Bewertung Nutzender A dem Video B geben w\u00fcrde, wenn man ihre Bewertungen f\u00fcr andere Videos ber\u00fccksichtigt. Youtube fragt, wie lange eine bestimmte nutzende Person in einem bestimmten Kontext Videos ansehen w\u00fcrde. Die Wahl der Frage, die Vorhersage, hat einen gro\u00dfen Einfluss darauf, welche Empfehlung angezeigt wird3<\/sup>. Die Idee ist, dass die richtige Vorhersage zu einer guten Empfehlung f\u00fchrt. Die Vorhersage selbst basiert auf anderen Nutzenden, die einen \u00e4hnlichen Geschmack haben4<\/sup> - das hei\u00dft auf Nutzenden, deren Modelle \u00e4hnlich sind.<\/p>\n\n

    Nutzermodelle<\/h3>\n

    Youtube teilt die Aufgabe der Empfehlung in zwei Teile auf und verwendet f\u00fcr jeden Teil ein anderes Modell3<\/sup>. Wir werden uns hier jedoch an eine leicht vereinfachte Erkl\u00e4rung halten.<\/p>\n

    Um ein Nutzermodell zu erstellen, m\u00fcssen sich die Entwickelnden fragen, welche Daten f\u00fcr Videoempfehlungen relevant sind. Was hat sich die nutzende Person zuvor angesehen? Welche Kritiken, Bewertungen und ausdr\u00fccklichen Vorlieben hat sie bisher gehabt? Wonach hat sie gesucht? Und mehr als diese expliziten Signale verwendet Youtube die impliziten, da sie leichter verf\u00fcgbar sind3<\/sup>: Hat eine nutzende Person ein Video nur angeklickt oder hat sie es tats\u00e4chlich angesehen? Wenn ja, wie lange? Wie hat sie auf fr\u00fchere Empfehlungen reagiert1<\/sup>? Welche hat sie ignoriert? Neben den Antworten auf diese Fragen sind demografische Informationen wie Geschlecht, Sprache, Region und Ger\u00e4t von gro\u00dfem Wert, wenn die Person neu oder nicht angemeldet ist3<\/sup>.<\/p>\n

    Sobald ein Modell f\u00fcr jede nutzende Person vorliegt, kann das System ableiten, welche Personen einander \u00e4hnlich sind, und diese Informationen f\u00fcr Empfehlungen nutzen.<\/p>\n\n

    Video-Modelle<\/h3>\n

    Analog zu den Nutzenden k\u00f6nnten wir auch Videos verwenden, die einander \u00e4hnlich (oder unterschiedlich) sind. Bei einem Video betrachtet Youtube den Inhalt, den Titel und die Beschreibung, die Qualit\u00e4t des Videos, wie viele Personen es angesehen (View Count<\/em>), gemocht, favorisiert, kommentiert oder geteilt haben, die Zeit seit dem Hochladen und die Anzahl der Nutzenden, die den \u00fcbergeordneten Kanal abonniert haben1 <\/sup>.<\/p>\nhttps:\/\/www.youtube.com\/watch?v=AN5lnjbFXtE&list=PLkm8ZqYSzE3eM28LL0BJylUFuVedLE3Uy&index=12&pp=iAQB\n

    Was eine nutzende Person als N\u00e4chstes anschaut, h\u00e4ngt auch davon ab, ob ein Video Teil einer Serie oder ein Element einer Wiedergabeliste ist. Wenn ein Nutzender einen K\u00fcnstler oder eine K\u00fcnstlerin entdeckt, kann er oder sie von den popul\u00e4rsten Titeln zu weniger bekannten St\u00fccken wechseln. Au\u00dferdem wird sie nicht auf ein Video klicken, dessen Miniaturbild nicht gut ist1,3<\/sup>. All diese Informationen flie\u00dfen ebenfalls in das Modell ein.<\/p>\n

    Einer der Bausteine des Empfehlungssystems besteht darin, von einem Video zu einer Liste verwandter Videos zu gelangen. In diesem Zusammenhang definieren wir verwandte Videos als diejenigen, die eine nutzende Person wahrscheinlich als N\u00e4chstes ansehen wird3<\/sup>. Ziel ist es, den gr\u00f6\u00dftm\u00f6glichen Nutzen aus den Daten zu ziehen, um bessere Empfehlungen geben zu k\u00f6nnen.4<\/sup>.<\/p>\n\n\n

    \n

    1 <\/sup>Davidson, J., Liebald, B., Liu, J., Nandy, P., Vleet, T., The Youtube Video Recommendation System<\/em>, Proceedings of the 4th ACM Conference on Recommender Systems, Barcelona, 2010.<\/p>\n

    2 <\/sup>Spinelli, L., and Crovella, M., How YouTube Leads Privacy-Seeking Users Away from Reliable Information<\/a><\/em>, In Adjunct Publication of the 28th ACM Conference on User Modeling, Adaptation and Personalization (UMAP '20 Adjunct), Association for Computing Machinery, New York, 244\u2013251, 2020.<\/p>\n

    3 <\/sup> Covington, P., Adams, J., Sargin, E., Deep neural networks for Youtube Recommendations<\/em>, Proceedings of the 10th ACM Conference on Recommender Systems, ACM, New York, 2016.<\/p>\n

    4 <\/sup>Konstan, J., Terveen, L., Human-centered recommender systems: Origins, advances, challenges, and opportunities<\/em>, AI Magazine, 42(3), 31-42, 2021.<\/p>","rendered":"

    Modelle und Empfehlung<\/h3>\n
    \n
    \n

    AKTIVIT\u00c4TEN<\/strong><\/p>\n<\/header>\n

    \n

    \"\"<\/p>\n

    Dies sind die Kreditkartentransaktionen von zwei in Nantes (Frankreich) lebenden Personen. Sie sind auf der Suche nach Dingen, die sie am Wochenende ausprobieren m\u00f6chten. Was w\u00fcrden Sie John Doe empfehlen, was Tom Harris?<\/p>\n

    Liste zur Auswahl:<\/p>\n

      \n
    1. Die neue Burger-King-Filiale<\/li>\n
    2. Eine Oliven\u00f6lverkostung<\/li>\n
    3. Ein Online-Gep\u00e4ckladen<\/li>\n
    4. Ein Konzert am Fluss<\/li>\n
    5. Einen Babyschwimmkurs<\/li>\n<\/ol>\n<\/div>\n<\/div>\n

      Empfehlungssysteme gibt es schon mindestens so lange wie Reisef\u00fchrer und Top-Ten-Listen. W\u00e4hrend The Guardian Best Books of 2022<\/em> allen Leserinnen und Lesern dieselbe Liste empfiehlt, w\u00fcrden Sie sie wahrscheinlich anpassen, wenn Sie f\u00fcr sich selbst ausw\u00e4hlen k\u00f6nnten.<\/p>\n

      Wie kann man Fremden Optionen empfehlen? Bei der obigen Aktivit\u00e4t haben Sie wahrscheinlich versucht, sich anhand der gegebenen Informationen ein Bild von den Pers\u00f6nlichkeiten dieser Personen zu machen: Sie haben Urteile gef\u00e4llt und Stereotypen angewendet. Sobald Sie eine Vorstellung von deren Typ<\/em> hatten, w\u00e4hlten Sie dann aus der Liste Dinge aus, die f\u00fcr sie relevant sein k\u00f6nnten (oder auch nicht). Empfehlungsprogramme wie Amazon, Netflix und Youtube folgen einem \u00e4hnlichen Prozess.<\/p>\n

      Wenn jemand heutzutage nach Informationen sucht oder Online-Inhalte entdecken m\u00f6chte, verwendet sie oder er eine Art personalisiertes Empfehlungssystem1,2<\/sup>. Die Hauptfunktion von Youtube besteht darin, seinen Nutzenden zu sagen, welche der Plattform verf\u00fcgbaren Videos sie sich ansehen sollen. F\u00fcr angemeldete Nutzende wird anhand ihrer fr\u00fcheren Aktivit\u00e4ten ein \u201eModell” oder ein Pers\u00f6nlichkeitsprofil erstellt. Sobald es ein Modell f\u00fcr einen Nutzenden erstellt hat, kann es sehen, wer ein \u00e4hnliches Profil hat. Youtube empfiehlt dem Nutzenden dann sowohl Videos, die den von ihr oder ihm bereits geschauten \u00e4hnlich sind, als auch solche, die andere ihm \u00e4hnliche Nutzende gesehen haben.<\/p>\n

      Was ist ein Modell?<\/h3>\n

      Modelle k\u00f6nnen verwendet werden, um alles zu reproduzieren, vom Nutzenden \u00fcber Videos bis hin zu Inhalten, die ein Kind lernen soll. Ein Modell ist eine vereinfachte Darstellung der Welt, damit eine Technologie so tun kann, als w\u00fcrde sie sie verstehen:<\/p>\n