Neuer Kurs führt Absolventen der Geistes- und Sozialwissenschaften in maschinelles Lernen ein

Claire Dennis, eine Doktorandin an der Princeton School of Public and International Affairs, vertieft sich in diesem Frühjahr in Mathematik und Computercode. Obwohl sie plant, in die Welt der Politik einzusteigen – und nicht in die der Algorithmen und Computerprogrammierung –, hielt sie es für wichtig, sich damit vertraut zu machen, wie Technologie die Art und Weise, wie wir Wissen verarbeiten, verändert.

„Wir beobachten, wie die Technologie explodiert, und die Auswirkungen auf die Politik sind enorm“, sagte Dennis, die sich darauf vorbereitet, im Mai ihren Master in öffentlichen Angelegenheiten zu erhalten. „Ich habe so oft gehört, dass es eine große Kluft zwischen politischen Entscheidungsträgern und Ingenieuren gibt und dass es nur sehr wenige Menschen gibt, die beide Sprachen sprechen.“

Dennis, die eine Karriere in der Technologiepolitik anstrebt, schließt ihre eigene Wissenslücke durch einen neuen Graduiertenkurs: „Maschinelles Lernen: Eine praktische Einführung für Humanisten und Sozialwissenschaftler“. Der Kurs wird von Sarah-Jane Leslie, Professorin für Philosophie des Jahrgangs 1943, geleitet und bietet eine Einführung in das „Deep Learning“ für Doktoranden.

Der Kurs geht davon aus, dass die Schüler weder über umfassende Kenntnisse in Analysis oder linearer Algebra noch über Vorkenntnisse im Programmieren verfügen. Am Ende des Semesters waren die Studierenden in der Lage, eine Vielzahl von Modellen, darunter Sprach- und Bilderkennungsmodelle, selbst zu programmieren, und erlangten ein Verständnis für die Einsatzmöglichkeiten des maschinellen Lernens insbesondere in den Geistes- und Sozialwissenschaften. Die letzten zwei Wochen des Kurses konzentrierten sich darauf, zu verstehen, wie komplexe Sprachmodelle wie ChatGPT funktionieren.

„Dieser Kurs ist wirklich die beste Gelegenheit für mich, nicht Programmierer zu werden, sondern mich mit den Modellen, den Herausforderungen in diesen Modellen, den allgemeinen Spannungen oder Kompromissen vertraut zu machen und in der Lage zu sein, so gut ich kann dieser Vermittler zu sein.“ „Wenn ich meinen Abschluss mache“, sagte Dennis. „Es wird von Tag zu Tag relevanter.“

Rachel Metzgar (links), eine Doktorandin der Psychologie, diskutiert die Anwendungen des maschinellen Lernens auf ihre eigene Forschung mit Sarah-Jane Leslie (rechts), der Professorin für Philosophie des Jahrgangs 1943, die in diesem Frühjahr einen Kurs über Deep Learning anbot.

Leslie, die Dekanin der Graduiertenschule von 2018 bis 2021, konzipierte den Kurs kurz nach ihrem Rücktritt von dieser Rolle, als sie darüber nachdachte, wie sie maschinelles Lernen in ihrer eigenen Forschung nutzen könnte. Der Kurs wird im nächsten Frühjahr erneut angeboten.

„Es ist ein unglaublich spannendes Gebiet, das disziplinübergreifend neue Forschungsmöglichkeiten eröffnet, und das in einem unglaublich schnellen Tempo“, sagte Leslie. Leslie ließ sich besonders von der Arbeit von Marina Rustow inspirieren, der Khedouri A. Zilkha-Professorin für jüdische Zivilisation im Nahen Osten und Professorin für Nahoststudien und Geschichte.der Deep Learning und Computer Vision nutzt, um im Rahmen des Princeton Geniza Project einen Schatz an alten Dokumenten zu identifizieren und zu transkribieren.

„Selbst in einem Bereich, der scheinbar weit vom maschinellen Lernen entfernt ist, können Sie diese Techniken nutzen, um Wissenschaft zu betreiben, die noch nie zuvor durchgeführt wurde“, sagte Leslie.

Leslie schätzte, dass vielleicht 10 Studenten an dem Kurs teilnehmen würden, die Obergrenze lag bei 25. Stattdessen schrieb sie 35 Studenten aus allen vier akademischen Abteilungen der Universität ein. Zu den Teilnehmern des Kurses zählen Doktoranden der vergleichenden Literaturwissenschaft, der Nahoststudien, der Geschichte, der Politik, der Psychologie, der Neurowissenschaften, des Bau- und Umweltingenieurwesens sowie des Maschinenbaus und der Luft- und Raumfahrttechnik.

Vier Studenten, darunter Dennis, sind Doktoranden der School of Public and International Affairs.

„In der Regel, insbesondere auf der Graduiertenebene, werden ziemlich hohe Voraussetzungen für die Teilnahme an einem Kurs über maschinelles Lernen gestellt. Die Herausforderung, die ich mir gestellt habe, bestand also darin, zu versuchen, diesen Kurs zu unterrichten, ohne dass Programmierkenntnisse oder Mathematik auf College-Niveau erforderlich sind „, sagte Leslie. „Ich betrachte es als einen Null-zu-Helden-Kurs.“

Studierende verschiedener Fachrichtungen bearbeiten in einer Pause gemeinsam Hausaufgaben zum maschinellen Lernen. Vordergrund: Nancy Tang (rechts), eine Doktorandin der Politik, und Jamie Chiu (links), Psychologie. Hintergrund: João Carvalho (rechts) und Teddy Becker-Jacob (links), beide Doktoranden der Philosophie.

Da Leslie vorhatte, Schüler zu unterrichten, die noch keine Erfahrung mit maschinellem Lernen hatten, musste sie eine Methode entwickeln, mit der sie ein schnelles, aber substanzielles Verständnis der Technologie und ihrer Einsatzmöglichkeiten erlangen konnten.

Sie startete den Kurs mit einem Crashkurs in Python, einer Programmiersprache für maschinelles Lernen. Während vieler der ersten Sitzungen demonstrierte sie, wie sie Code schreibt, während sie ihren Computerbildschirm für die Klasse projizierte und jeden Schritt erzählte, während sie jede Zeile verfasste. Von Zeit zu Zeit weist sie auf potenzielle Fallen, Fehler und Fehlermeldungen hin und zeigt auf, wie man darauf reagieren kann, damit die Schüler ihren Denkprozess nachvollziehen können.

Leslie brachte den Schülern nicht nur das Programmieren bei, sondern leitete auch ausführliche Diskussionen über die wichtigsten mathematischen Operationen, die maschinelles Lernen ermöglichen, sowie über die Kernkonzepte der Computer Vision und der hochmodernen Verarbeitung natürlicher Sprache. Ihr Ziel war es, künstliche Intelligenz wie ChatGPT zu entmystifizieren, indem sie den Schülern half, zu verstehen, wie solche Modelle tatsächlich lernen und funktionieren.

Dennis sagte, der Kurs sei auf eine andere Art spannend und herausfordernd als ihr Politikunterricht, aber er sei nicht so schwierig, dass sie Schwierigkeiten habe. „Ich habe das Gefühl, dass ich selbst ein wenig überrascht war, wie sehr ich als jemand, der absolut keine Vorkenntnisse in diesem Bereich hat, tatsächlich damit Schritt gehalten habe“, sagte sie.

Chelsea Clark, eine Doktorandin der vergleichenden Literaturwissenschaft, sagte, sie sei von dem Konzept des Kurses fasziniert gewesen, nachdem sie Leslie letzten Herbst einen Vortrag am Center for Digital Humanities (CDH) gehört hatte.

„Am Center for Digital Humanities gab es so viele Diskussionen über große Sprachmodelle“, sagte Clark. „Das war wahrscheinlich die größte Motivation für mich – diese Modelle fließend genug zu beherrschen, um im Kontext darüber sprechen zu können.“

Clark hat auch über ihre Karriereaussichten nach ihrem Doktortitel nachgedacht. „Ich schaue mir Karrieren im technischen Bereich und Karrieren außerhalb des Tenure-Tracks an“, sagte sie. „Ich fragte jemanden am CDH, der als Forschungssoftwareentwickler tätig ist, ob er jemanden einstellen würde, der Autodidakt ist oder einen Kurs belegt hat, und sie sagte, sie würde jemanden bevorzugen, der einen Kurs belegt hat, denn selbst wenn er nicht alles weiß.“ „Sie wissen, wo ihre Lernlücken liegen.“

Clark sagte, sie werde die Klasse zumindest mit Kenntnissen im maschinellen Lernen und einem Verständnis für dessen Anwendungen und Verwendungen verlassen.

Leslie sagte, eine ihrer Hoffnungen bestehe darin, dass der Kurs es ihren Studenten ermöglichen werde, besser mit anderen zusammenzuarbeiten.

„Meine eigene Forschungskarriere beinhaltete umfangreiche interdisziplinäre Zusammenarbeit, und ich habe die Erfahrung gemacht, dass man leicht die Fantasie hegt, dass zwei Menschen, die nichts über die Arbeit des anderen wissen, produktiv zusammenarbeiten können“, sagte sie. „Sehr oft ist es erforderlich, dass mindestens eine der Personen die Disziplinen der anderen Person einigermaßen beherrscht.“

„Ich hoffe, dass die Studierenden diesen Kurs als Ausgangspunkt und nicht als Endpunkt betrachten“, fügte sie hinzu. „Ich habe ihnen am ersten Tag gesagt, was ich mir vor allem wünsche, ist, dass sie ein Gefühl der Selbstwirksamkeit verspüren, mehr über maschinelles Lernen zu lernen, und dass sie das Gefühl haben, sich in diesem aufstrebenden Bereich zurechtzufinden.“

Da sich insbesondere die künstliche Intelligenz so schnell weiterentwickelt, wäre es schwierig, eine große Anzahl von Studenten durch die erforderlichen mathematisch-theorieorientierten Kurse zu bringen, um Fachkenntnisse im maschinellen Lernen zu entwickeln, sagte Peter Ramadge, Gordon YS Wu-Professor für Ingenieurwissenschaften , Professor für Elektro- und Computertechnik und Direktor des Zentrums für Statistik und maschinelles Lernen.

„Ich denke, was Sarah-Jane tut, ist, maschinelles Lernen zu den Menschen zu bringen, die außerhalb des Teichs des maschinellen Lernens leben, und zu sagen: Schauen Sie, krempeln wir einfach die Ärmel hoch und machen wir hier eine praktische Übung und sehen, wie das alles funktioniert.“ ", sagte Ramadge. „Und nebenbei lernt man, wie man in Python programmiert, was meiner Meinung nach heutzutage für alle eine gute Sache ist. Hoffentlich werden die Leute sehen: ‚Aha, es ist nicht so mysteriös, wie ich dachte, und ich „Ich würde gerne mehr wissen.“

Benjamin Morison, Professor für Philosophie und Lehrstuhlinhaber, sagte, er sei begeistert gewesen, als Leslie die Idee für den Kurs zum ersten Mal vorschlug, nicht nur wegen der praktischen Vorteile, sondern auch wegen der Möglichkeit, die Kompetenzen der Doktoranden zu erweitern, sodass sie zu attraktiveren Kandidaten werden an zukünftige Arbeitgeber.

Angesichts der langen Tradition von Philosophen, die über Fachkenntnisse in angrenzenden Bereichen verfügen, sei es Linguistik, Logik oder Mathematik, sei es auch sinnvoll, dass ein solcher Kurs von einem Fakultätsmitglied für Philosophie geleitet werde, sagte er. „Philosophen nutzen die Philosophie als Linse, um über diese Fachkenntnisse nachzudenken, und die Philosophie speist sich aus Wissen in anderen Bereichen, damit sie gründlich darüber nachdenken kann, was die Natur des Wissens in diesen Bereichen ist“, sagte Morison.

„Ich fand Sarah-Jane wirklich inspiriert, zu sehen, dass unsere Schüler diese Technologien wirklich verstehen müssen, wenn sie bei den Fragen rund um die KI Fortschritte machen wollen“, fügte Morison hinzu. „Und das gilt natürlich auch für die anderen Geisteswissenschaftler und darüber hinaus, die ihr Seminar besuchen. Wenn sie alle bei diesen Themen vorankommen wollen, müssen sie das A und O kennen.“