Richard Groß // Situationen maschinellen Lernens. Kooperative Mustererkennung und kalibrierte Probleme
Inhaltsverzeichnis
Kontakt
Kollegiat
NameRichard Groß
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Besuchsadresse:
Z21, Raum 216b Zellescher Weg 21
01217 Dresden
Büros: 3. Obergeschoss, Konferenzraum: Erdgeschoss
Postadresse:
Technische Universität Dresden Schaufler Lab@TU Dresden
01062 Dresden
Promotionsvorhaben: Situationen maschinellen Lernens. Kooperative Mustererkennung und kalibrierte Probleme
Fachgebiet: Soziologie
Betreuende: Prof. Dr. Dominik Schrage und Juniorprofessorin Dr. Susann Wagenknecht
Maschinelles Lernen hat sich für die soziologische Forschung in theoretischer wie methodischer Hinsicht bislang als herausfordernd erwiesen. In angewandter Form irritiert es die Soziologie besonders durch seine vielfältigen Einsatzmöglichkeiten in sozialen Zusammenhängen. Sprachliche Kommunikation etwa scheint kein allein menschliches Privileg mehr zu sein und algorithmische Modellierungen beeinflussen, wie Wissen generiert wird und sich verbreitet.
In diesem Zusammenhang schwanken die Einschätzungen des Phänomens in der Forschung erheblich. Sie reichen von begeisterten Spekulationen zu unausgeschöpften mehr-als-menschlichen Potenzialen über nüchterne Feststellungen der Mittelmäßigkeit algorithmischer Sinnproduktion bis hin zu eindringlichen Warnungen vor gefährlichen Effekten des unregulierten Einsatzes maschinellen Lernens. Ausgehend von diesen aktuellen Kontroversen um dessen adäquate Beurteilung nähert sich Groß maschinellem Lernen in seinem Dissertationsprojekt ethnografisch und untersucht es als situierte Praxis.
Dafür erforscht Groß anhand von zwei empirischen Fallstudien aktuelle Anwendungen maschinellen Lernens in Wissenschaft und Kunst. Auf Basis ethnografischer Feldforschung erschließt er sich den Gegenstand über die Analyse von Situationen, in denen maschinelles Lernen praktisch realisiert wird. Unter Situationen versteht er dabei – inspiriert von den Arbeiten des pragmatistischen Philosophen John Dewey – problematische Episoden praktischen Geschehens, die routinierte Abläufe unterbrechen und deren Überwindung kreative Lösungen erfordert.
Mutmaßlich intelligente Technik erscheint situativ nicht als isolierbares Objekt, sondern als integrierter Bestandteil von Praktiken. In diesem Sinne betrachtet Groß maschinelles Lernen nicht als technisch-materielles Artefakt oder autonomen individuellen Agenten, sondern versteht es als Bezeichnung für gelingende situative Kooperation in der praktischen Realisierung maschinellen Lernens. Seine Analysen lenken den Fokus darauf, wie im Zusammenwirken unterschiedlicher heterogener machine learners Probleme identifiziert und gelöst werden. Unter machine learners versteht Groß in Anlehnung an Adrian Mackenzie eine Vielzahl sozialer Entitäten, menschliche ebenso wie nicht-menschliche (etwa Geräte, Programme, Daten, Grafiken, Algorithmen, Tabellen u.v.m.), die an maschinellem Lernen beteiligt sind.
Groß´ Forschung knüpft an aktuelle sozialtheoretische Diskussionen an und situiert maschinelles Lernen ethnografisch. Sie trägt zu den laufenden Debatten empirische Einsichten aus der problemzentrierten soziologischen Betrachtung maschinellen Lernens als kooperativer Praxis bei.
Stand 03/2023
Curriculum Vitae
Seit 2018 | Projektkoordinator der Arnold-Gehlen-Gesamtausgabe, TU Dresden |
2018 | Diplom in Soziologie, (Nebenfächer: Kunstgeschichte/Musikwissenschaft), TU Dresden |
2017/2018 | New School for Social Research, The New School, New York |
2013 – 2017 | Studentische Hilfskraft und Tutor am Institut für Soziologie, TU Dresden |
Publikationen des Schaufler Lab@TU Dresden
"KI-Realitäten. Modelle, Praktiken und Topologien maschinellen Lernens". Hrsg.: Richard Groß und Rita Jordan. Verlag transcript, in der Reihe KI-Kritik, Erscheinungstermin: Mai 2023