Wie KI die Komplexität der Memes erfassen soll

Über Luke Bates

Luke Bates ist Doktorand am Ubiquitous Knowledge Processing Lab (UKP) und verfügt über einen breit gefächerten akademischen Hintergrund, darunter zwei Bachelor-Abschlüsse in Linguistik und Japanisch von der Michigan State University und einen Master-Abschluss in Computational Linguistics von der Seoul National University in Südkorea.

Sein beruflicher Werdegang umfasst eine Zeit als Kulturbotschafter und Englischlehrer in Südkorea sowie eine sechsmonatige Tätigkeit als Computerlinguist in der Industrie. Anschließend vertiefte er seine Forschungskompetenzen vier Jahre lang in einem Labor für quantitative Biologie in Seoul, wo er maschinelles Lernen und Computer-Vision-Algorithmen auf Bild- und Zelldaten anwandte.

Bates Forschung konzentriert sich auf die Anwendung von maschinellem Lernen und natürlicher Sprachverarbeitung, um die Verbreitung von Fake News und Verschwörungstheorien mit multimodalen Methoden zu bekämpfen. Darüber hinaus arbeitet er an der Anwendung von künstlicher Intelligenz zur Unterstützung der Telemedizin.

Weitere Forschungsschwerpunkte sind die effiziente Nutzung von Transformer-Architekturen und insbesondere die Analyse von Memen in sozialen Medien.

Memes: Mehr als nur Bilder mit Text

In unserem Gespräch betont Bates, dass Memes viel mehr sind als nur Bilder mit Text: „Jedes einzelne Meme-Papier reduziert Meme auf ein Bild und einen Satz. Meme sind komplexer. Er betont, dass Meme kulturelle und kontextuelle Bezüge enthalten, die weit über das hinausgehen, was traditionelle Datensätze erfassen.

Tatsächlich können Memes auch ohne Text auskommen, wie das Beispiel „Leroy Jenkins“ zeige, so Bates.

Um dieser Komplexität gerecht zu werden, hat Bates zusammen mit Kolleg:innen die Website „Know Your Meme“ als Ressource für die Meme-Forschung genutzt. Diese Webseite bietet einen umfassenden Kontext zu Memen, der in früheren Studien oft fehlte. „Wir haben diese Ressource geschaffen, damit Forscher KI-Modelle mit diesem Kontext verwenden können“, sagt Bates.

Herausforderungen der Meme-Forschung

Die größte Herausforderung in Bates Forschung liegt in der abstrakten Natur der Meme. Sie entwickeln sich ständig weiter und enthalten oft intertextuelle Verweise, die ein tiefes kulturelles Verständnis erfordern. „Memes werden oft für Witze verwendet. Wenn man sich die indische Kultur anschaut, aber nicht weiß, was indisches Wissen ist, ist es unmöglich, das zu verstehen“, erklärt Bates.

Bates Forschung zielt darauf ab, praktische und gesellschaftlich nützliche Systeme zu entwickeln. Ein Schwerpunkt liegt dabei auf der Erkennung konspirativer Inhalte. Er befürwortet Systeme, die vor solchen Inhalten warnen und so zur Sicherheit und zum Wohlergehen der Gesellschaft beitragen können, indem sie beispielsweise gefährliche Inhalte in sozialen Medien besser erkennen und moderieren.

hessian.AI, führende Experten und „Black Magic“

Im Gespräch betont er die Bedeutung der Hessischen KI-Forschungsallianz für seine Arbeit, insbesondere die Zusammenarbeit mit führenden Experten wie Prof. Dr. Iryna Gurevych und Prof. Dr. Kristian Kersting sowie den Zugang zu einer leistungsfähigen Recheninfrastruktur.

Vor dem Hintergrund dieser verfügbaren Recheninfrastruktur reflektiert der Forscher auch aktuelle Trends und Herausforderungen in der KI-Forschung. Er kritisiert das aktuelle Paradigma der großen Sprachmodelle als „Black Magic“. Heutige große Sprachmodelle seien schwer zu kontrollieren und zu verstehen und die leistungsfähigsten Methoden zu umfangreich, nicht quelloffen oder oft einfach zu teuer, um von Forschern transparent genutzt zu werden. Dies erschwere die Forschung und Entwicklung z.B. von Modellen, die verstehen, wenn sie etwas nicht wissen.

Bates Arbeit in der KI-Forschung, insbesondere im Kontext von Memes, ist ein Beispiel dafür, wie komplexe, kulturell und kontextuell reichhaltige Datenquellen neue Herausforderungen und Chancen für die Künstliche Intelligenz bieten.