data/en-de/tst2018/IWSLT.TED.tst2018.en-de.de.xml

<?xml version="1.0" encoding="UTF-8"?>
<mteval>
<refset setid="iwslt2018-tst2018" srclang="english" trglang="german" refid="ref">
<doc docid="lecture0001" genre="Lecture"> 
<seg id="1"> Und an diesem Punkt werde ich ins Englische wechseln . </seg>
<seg id="2"> Also der Rest der Vorlesung wird auf Englisch stattfinden . </seg>
<seg id="3"> Und irgendwann wird es eine Simultanverdolmetschung geben , noch nicht jetzt gleich , wir wollen sie noch ein wenig auf die Folter spannen während ich über andere Themen spreche . </seg>
<seg id="4"> Doch worum es eigentlich geht , ist Unterstützung für zwischenmenschliche Interaktion bereitzustellen . </seg>
<seg id="5"> Wie gestaltet sich denn eigentlich zwischenmenschliche Interaktion in der realen Welt ? </seg>
<seg id="6"> Wenn wir eine Vorlesung halten oder ein Seminar veranstalten , so wie Sie es hier auf dem Bild sehen können , dann handelt es sich um eine Präsentation von einem Sprecher , doch letztendlich ist es immer noch Kommunikation zwischen Menschen . </seg>
<seg id="7"> Die Leute beobachten das Geschehen auf dem Bildschirm , sie beobachten den Sprecher , der Sprecher kann Blickkontakt halten und die Leute im Publikum sehen und dadurch verbinden sich Menschen miteinander und können sehen , ob es dem Redner gelingt bestimmte Argumente oder Ideen zu übermitteln . </seg>
<seg id="8"> Und selbst bei einer Vorlesung in einem so großen Hörsaal wie diesem hier , kann ich das Publikum beobachten , zum Beispiel kann ich Sie dahinten in der Ecke sehen , ich kann sehen , dass Sie mit Ihrem Nachbarn reden oder ich kann da drüben jemanden sehen , der irgendwie in der Nase popelt , jemand anderes liest vielleicht eine Zeitung oder so . </seg>
<seg id="9"> Und wenn ich das sehe , dann könnte ich daraus schließen , dass das vielleicht zu langweilig oder zu langsam ist und dann kann ich in meiner Vorlesung oder Präsentation schneller voranschreiten et cetera . </seg>
<seg id="10"> Oder wenn ich verwirrte Gesichter sehe , dann war meine Erklärung zu einem Algorithmus oder ähnliches vielleicht nicht ganz eindeutig . </seg>
<seg id="11"> Wir verbinden uns also . </seg>
<seg id="12"> Wir können am Publikum ablesen , welche Gedanken übermittelt werden . </seg>
<seg id="13"> Und gleichzeitig kann das Publikum den Redner beobachten . </seg>
<seg id="14"> Es ist also tatsächlich ein zwischenmenschlicher Kommunikationsprozess , selbst bei solch einer großen Vorlesung . </seg>
<seg id="15"> Wenn wir in einer Besprechung sind , ist es natürlich noch eher so . </seg>
<seg id="16"> Wenn wir in einer Besprechung sind und mit anderen Menschen reden , dann handelt es sich um einen sehr lebhaften Austausch . </seg>
<seg id="17"> Menschen reden miteinander indem sie sprechen , aber sie zeigen auch auf Dinge , gestikulieren , zeigen Powerpoint-Folien , schauen vielleicht Gegenstände an oder Notizen auf ihrem Pult et cetera , et cetera . </seg>
<seg id="18"> Im Gegensatz dazu , wie wir alle sehen konnten , ist die Interaktion zwischen Mensch und Maschine sehr verarmt und furchtbar und Sie haben das Video schon gesehen , ich muss es also nicht nochmal abspielen , aber es ist das Video , welches wir alle so toll finden , weil wir uns alle sehr gut in die Situation des armen Kerls einfühlen können , der an seinem Arbeitsplatz vor dem Computer festhängt und dieser Computer ist höchst anspruchsvoll und versteht darüber hinaus absolut nichts von dem menschlichen Kontext . </seg>
<seg id="19"> Dieses Problem möchten wir also lösen und erreichen , dass ein Computer in der Lage ist , menschliche Kommunikation und menschliche Aktivitäten besser zu verstehen , damit der Computer den menschlichen Bedürfnissen besser gerecht werden kann , als in dieser furchtbaren Situation . </seg>
<seg id="20"> Dann haben wir noch andere Kommunikationsprobleme , mehrsprachige Kommunikationsprobleme . </seg>
<seg id="21"> Wenn Sie zum Beispiel kein Englisch verstehen ist das ein Problem , weil wenn ich hier oben Englisch spreche und Sie nur Deutsch sprechen , dann verstehen Sie möglicherweise diese Vorlesung nicht . </seg>
<seg id="22"> Was können wir machen ? </seg>
<seg id="23"> Wenn Sie nach China fahren , könnte es schlimmer sein . </seg>
<seg id="24"> Sie sprechen möglicherweise kein Chinesisch , außer einige unserer Freunde , die chinesische Muttersprachler sind . </seg>
<seg id="25"> Doch wenn Sie die Sprache nicht sprechen , können Sie sich in einer fremden Sprache verlieren , in dem was andere sagen , genauso wie in dem geschriebenen Wort in der realen Welt . </seg>
<seg id="26"> Was wir also wirklich machen müssen , ist uns den menschlich-maschinellen Prozess anzuschauen , aber auch die zwischenmenschliche Kommunikation und dann sehen wir wie Maschinen diesen Prozess verbessern können . </seg>
<seg id="27"> Selbst wenn wir mit einem menschlich-maschinellen Prozess beginnen , gibt es schon einiges was wir machen können , um hilfreiche Unterstützung bereitzustellen und zwar mit Modalitäten , die nicht nur aus einem einfachen getippten Text bestehen . </seg>
<seg id="28"> Stellen Sie sich beispielsweise einmal die Situation mit einem Navigationssystem fürs Auto vor . </seg>
<seg id="29"> Sie fahren auf der Straße und Sie haben ein bestimmtes Ziel , zu dem Sie hin wollen und zugegebenermaßen programmieren wir häufig das GPS während wir fahren und das sollten Sie natürlich nicht machen , weil es gefährlich ist . </seg>
<seg id="30"> Und die Schnittstellen auf diesen Navigationssystemen sind wirklich , wirklich furchtbar , denn Sie müssen einen Buchstaben nach dem anderen eingeben und auswählen und dann einen Knopf drücken , um das Navigationssystem zu programmieren . </seg>
<seg id="31"> Wäre es nicht schön , wenn man es einfach sagen könnte ? </seg>
<seg id="32"> Und sagen , ich möchte gerne nach Karlsruhe , Am Fasanengarten fünf und dann programmiert das System die Navigation und führt dich dorthin . </seg>
<seg id="33"> Das ist also eine der Situationen , wo moderne Dialogsysteme zum Einsatz kommen , wo die Stimmerkennung den Befehl oder die Anfrage eines menschlichen Benutzers erkennt und dann stellt das Navigationssystem die gesprochenen Navigationsinformationen bereit und genau wie davor wird der Nutzer auf einer Route navigiert . </seg>
<seg id="34"> Diese einfache Fragestellung , wie man dem Navigationssystem eine Suchanfrage stellt , ist schon eine Herausforderung . </seg>
<seg id="35"> Als erstes müssen wir uns damit beschäftigen , ob es sich um Umgangssprache oder spontane Sprache handelt . </seg>
<seg id="36"> Normalerweise sprechen die Leute nicht besonders deutliche und saubere Sätze . </seg>
<seg id="37"> Sie stottern oder formulieren unklare Sätze . </seg>
<seg id="38"> Also anstelle zu sagen , wie komme ich zum Bahnhof , sagen sie möglicherweise , wie kann ich , ich muss zum Bahnhof . </seg>
<seg id="39"> Wie geht also der Computer mit den Ähms um und mit dem Satz , der nicht klar formuliert ist ? </seg>
<seg id="40"> Das ist eine der Herausforderungen . </seg>
<seg id="41"> Eine weitere Herausforderung in einem Dialogsystem ist natürlich , wenn der Benutzer eine Information eingibt , die nicht präzise genug ist , wenn ich zum Beispiel sage , ich muss in die Beethovensaal . </seg>
<seg id="42"> Gibt es wahrscheinlich mehrere Dutzend Beethovenstraßen in Deutschland . </seg>
<seg id="43"> Solch eine Anfrage mit unzureichenden Informationen muss präzisiert oder genauer spezifiziert werden und in einem sogenannten Dialogsystem wäre es schön ein System zu haben , das dann sagen oder die Frage stellen kann , also wollen Sie in die Beethovenstraße in Karlsruhe oder in einer anderen Stadt ? </seg>
<seg id="44"> Oder wenn es mehrere solcher Straßen gibt oder mehrere solcher Gebäude , dann benötigen Sie erneut solch ein Dialogsystem . </seg>
<seg id="45"> Darüber hinaus sind die Informationen in unseren Gedanken häufig unpräzise . </seg>
<seg id="46"> Zum Beispiel wissen Sie , dass es ein Platz zwischen der Kaiserstraße und dem Durlacher Tor oder dem Adenauerring ist , Sie wissen aber nicht genau wo , wenn Sie also beispielsweise zu diesem Hörsaal gegen wollen . </seg>
<seg id="47"> Sie möchten also , dass das System in der Lage ist , das ein bißchen genauer zu spezifizieren , damit Sie das Navigationssystem immer noch programmieren können . </seg>
<seg id="48"> Und das ist , was Dialogsysteme machen können , und bei uns im Labor ist das eine der Problematiken , bei der es um die Interaktion zwischen Mensch und Maschine geht . </seg>
<seg id="49"> Wenn das also erstmal geklärt ist , können Sie eine Frage stellen , wie komme ich zum Placa Catalunya in Barcelona oder eine andere Stadt . </seg>
<seg id="50"> Und das Navigationssystem wird Ihnen dann die nötigen Richtungsanweisungen geben . </seg>
<seg id="51"> Ein weiterer Aspekt bei der Interaktion zwischen Mensch und Maschine , der etwas anspruchsvoller wird , ist die Interaktion zwischen Mensch und Roboter . </seg>
<seg id="52"> Damit beschäftigen wir uns im Kontext des humanoiden Roboterprojekts vom Sonderforschungsbereich , dem SFB , zusammen mit dem Kollegen Dillmann , Rüdiger Dillmann und seinem Team . </seg>
<seg id="53"> Und sie haben schon in einigen der gehaltenen Präsentationen gehört , dass es sich um die Interaktion zwischen Roboter und Maschine dreht . </seg>
<seg id="54"> Aber auch hier wird zunächst die Interaktion dadurch verkompliziert , dass es sich um spontane Sprache handelt , aber in diesem besonderen Fall gibt es auch noch kein Mikrofon , welches beim Sprechen nah am Mund gehalten wird , sondern der Roboter ist mit einem Mikrofon ausgestattet und ein Roboter kann sich bewegen . </seg>
<seg id="55"> Trotzdem es um Interaktion zwischen Mensch und Maschine geht , ist es ist also eine anspruchsvolle Aufgabe </seg>
<seg id="56"> Hier geht es also darum , dass die Interaktion direkt zwischen Mensch und Maschine stattfindet . </seg>
<seg id="57"> Es gibt viele verschiedene Arten der Interaktion , die wir uns auch vorstellen können . </seg>
<seg id="58"> Stellen Sie sich zum Beispiel vor , Sie möchten nun über Ihren Computer Zugriff auf Informationen von Menschen haben , die nur verfügbar in Datenquellen sind , wie beim Fernsehen , Radio , Nachrichtensendungen und vielen anderen gespeicherten Ressourcen und wenn wir dann eine zwischenmenschliche Interaktion erreichen wollen , die unterstützt wird durch eine Maschine oder eine Computer Dienstleistung , dann möchten wir uns diese zwei oder drei unterschiedlichen Formen der Interaktion auch anschauen . </seg>
<seg id="59"> Hier ist also ein System , welches wir hier auch entwickelt haben . </seg>
<seg id="60"> Es ist ein sogenanntes Video Retrieval System . </seg>
<seg id="61"> Und mit dieser Forschung beschäftigen wir uns weiterhin auch in einer multilingualen Situation . </seg>
<seg id="62"> Sie wollen also eine Frage stellen , gibt es Neuigkeiten aus Karlsruhe oder zum Beispiel , ob es kürzlich einen Streik der Deutschen Bahn gegeben hat . </seg>
<seg id="63"> Und Sie möchten , dass der Computer herausfindet , was in den letzten zwei , drei Tagen in den Nachrichten war . </seg>
<seg id="64"> Und Ihnen nur die Informationen liefert , die zu dieser speziellen Suchanfrage passen . </seg>
<seg id="65"> Das Problem in diesem Fall ist natürlich , dass die Informationen nicht als Textformat gespeichert werden , Sie können also nicht einfach danach suchen oder es googeln , aber wenn es sich ums Fernsehen oder das Radio handelt , ist es in Videoformat oder Audioformat vorhanden . </seg>
<seg id="66"> Was wir also als erstes machen müssen , ist eine automatische Bilderkennung in den Daten genauso wie in den Audiodaten durchzuführen , um den Inhalt zu verstehen , damit wir dann in der Lage sind danach zu suchen und schlussendlich auch eine Zusammenfassung bereitzustellen , die , die gestellten Fragen beantwortet . </seg>
<seg id="67"> Wir haben solch ein System , welches auf Englisch und Deutsch funktioniert . </seg>
<seg id="68"> Wir können also tatsächlich Fragen zu englischen sowie zu deutschen Nachrichten stellen . </seg>
<seg id="69"> Und dann liefert es Nachrichtenbeiträge , die zu einer bestimmten Suchanfrage passen . </seg>
<seg id="70"> Die Sie vielleicht gestellt haben . </seg>
<seg id="71"> Das ist also ein System , welches wir hier in unserem Labor entwickeln und welches in der Zukunft weiter erweitert und ergänzt werden soll . </seg>
<seg id="72"> Jetzt möchten wir gerne auch implizite Dienstleistungen anbieten . </seg>
<seg id="73"> Das ist also , das ist diese Verbindung zwischen menschlicher , Entschuldigung , Computer und Datenquellen , die Informationen von Menschen beinhalten . </seg>
<seg id="74"> Nehmen wir also an wir möchten eine Dienstleistung , die die zwischenmenschliche Interaktion sofort direkt unterstützt . </seg>
<seg id="75"> Darauf zielt das Chil Projekt ab . </seg>
<seg id="76"> Beim Chil Projekt unterstützen wir die zwischenmenschliche Interaktion , indem wir den Menschen nicht der Macht des Computer aussetzen , sondern der Mensch die Macht über den Computer hat . </seg>
<seg id="77"> Menschen sollten in ihrer Interaktion mit anderen Menschen ungebunden sein und der Computer sollte diese Interaktion beobachten und dann hilfreiche Unterstützung anbieten . </seg>
<seg id="78"> Mit dieser Idee im Hinterkopf haben wir ein sogenanntes integriertes Projekt ins Leben gerufen , welches von der Europäischen Kommission gefördert wird , es ist eines der größten Projekte in diesem Bereich im sechsten Rahmenprogramm der Europäischen Kommission . </seg>
<seg id="79"> Wir haben zusammen mit der ITB Fraunhofer Gesellschaft das hier in Karlsruhe koordiniert . </seg>
<seg id="80"> Und wie Sie sehen können , hat eine große Anzahl an Laboren teilgenommen , fünfzehn Labore in neun Ländern auf der Welt , die sich mit diesem Problem beschäftigt haben . </seg>
<seg id="81"> Was wir mit zwischenmenschlicher Kommunikation meinen , Kommunikation oder Unterstützung durch Computer bei der zwischenmenschlichen Kommunikation . </seg>
<seg id="82"> Ich möchte Ihnen einige Beispiele nennen . </seg>
<seg id="83"> Das Erste , wir könnten natürlich eine Besprechung abhalten und in diesem Fall wäre ein Roboter bei der Besprechung anwesend und anstelle , dass die Menschen direkt mit dem Roboter sprechen , wäre es doch besser , wenn die Menschen mit anderen Menschen sprechen und der Roboter hört bei dem Gespräch zu und bietet hin und wieder eine Hilfestellung . </seg>
<seg id="84"> Wenn dem Roboter also auffällt , dass die Menschen Durst bekommen , sollte er gehen und wenn es Morgen ist Kaffee holen und am Abend vielleicht Bier und viele andere Dinge , die Ihnen vielleicht einfallen , wie beispielsweise ausgedrucktes Informationsmaterial und so weiter . </seg>
<seg id="85"> Ein weiteres Problem ist das sogenannte , was wir einen Konnektor nennen . </seg>
<seg id="86"> Die Idee ist folgende , wir hatten alle schon das Problem , dass wir an einer Besprechung teilnehmen und das Handy von jemandem klingelt und das ist nicht nur nervig , weil das Handy klingelt , sondern kann diese Person kann der Besprechung erstmal nicht weiter folgen und wenn die Person dann sagt , ich kann gerade nicht sprechen , ich rufe dich später zurück und dann hinterlassen Sie Nachrichten und dann rufen Sie Ihre Freunde zurück und dann sind sie beschäftigt et cetera . </seg>
<seg id="87"> Es ist also ziemlich nervig , unnötige Ablenkung , die Zeit vergeudet und ein Problem ist . </seg>
<seg id="88"> Wir möchten das gerne ändern und eine andere Art der Hilfestellung bereitstellen , eine Dienstleistung von einem Computer zu haben , die zwei Menschen miteinander verbindet , wenn sie beide Zeit haben . </seg>
<seg id="89"> Wenn ich also den menschlichen Butler oder menschlichen Sekretär habe , weiß er oder sie , wann ich beschäftigt bin oder Zeit habe . </seg>
<seg id="90"> Und kann dann einen Anruf durchstellen oder eine Verbindung herstellen , wann es passend ist . </seg>
<seg id="91"> Warum können wir keine Maschinen haben , die das für uns erledigen ? </seg>
<seg id="92"> Was auch sehr häufig passiert ist , wenn wir mit anderen Leuten zusammen sitzen und wir ihre Namen vergessen . </seg>
<seg id="93"> Also ich weiß ich habe sie schon mal getroffen , aber ich erinnere mich nicht an ihren Namen und dann wäre es schön , wenn ich eine Maschine hätte , die in mein Ohr flüstert und sagt , gut das ist Paul und du hast ihn vor einem Jahr bei solch einer Besprechung kennengelernt und über das folgende Thema habt ihr gesprochen . </seg>
<seg id="94"> So etwas haben wir nicht und deshalb sind wir immer peinlich berührt , wenn jemand sagt , ah Hallo , wie geht es Ihnen und dann erinnern Sie sich nicht mehr daran , wann Sie die Person getroffen haben und um wen es sich handelte und das sind Erfahrungen , die wir auch machen und es wird noch schlimmer , wenn Sie älter werden . </seg>
<seg id="95"> Und deshalb wäre es schön eine Stütze dieser Art für das menschliche Gedächtnis zu haben . </seg>
<seg id="96"> Eine weitere Idee und eine weitere Dienstleistung der zwischenmenschlichen Interaktion ist , wenn Menschen verschiedene Sprachen sprechen . </seg>
<seg id="97"> Als Erstes möchten Sie vielleicht , dass das was Sie sagen für die andere Person übersetzt wird . </seg>
<seg id="98"> Aber gleichzeitig möchten Sie vielleicht auch einem Gespräch zwischen zwei Menschen zuhören und sehen , ob dieses Gespräch übersetzt werden kann . </seg>
<seg id="99"> Es gibt also nichts Schlimmeres , als bei einer Besprechung in einer fremden Sprache dabei zu sein und die Leute sitzen zusammen und dann sagen sie Alex Waibel und Sie haben Ihren Namen gehört , aber Sie wissen nicht was sie über dich gesagt haben . </seg>
<seg id="100"> Also das ist furchtbar und Sie würden gerne wissen , was gesagt wurde . </seg>
<seg id="101"> Und erneut wäre es schön , wenn es eine Computerdienstleistung geben würde , die das für Sie erledigt . </seg>
<seg id="102"> Ziehen wir also kurz in Betracht , was wir benötigen um solche Dienstleistungen zu entwickeln , damit wir tatsächlich Maschinen bauen können , die die das alles erledigen . </seg>
<seg id="103"> Das wäre also der Traum , das wäre die ideale Situation , die wir erreichen möchten , tatsächlich hilfreiche Maschinen zu haben , die unsere Bedürfnisse verstehen und die Situation in der wir uns befinden . </seg>
<seg id="104"> Wir nennen das kontextbezogene Systeme , also stellen Sie sich vor , Sie befinden sich in einem bestimmten Kontext und die Maschine soll diesen menschlichen Kontext verstehen , wo wir sind , sie sollte verstehen , dass wir alle nun in einem Hörsaal sind , sie sollte verstehen , dass eine Vorlesung gehalten wird , sie sollte verstehen , dass ich eine bestimmte Person anschaue oder ins Publikum blicke et cetera , et cetera . </seg>
<seg id="105"> Damit das alles funktioniert , berücksichtigen Sie das einfache Beispiel , wenn ich , wenn ich bei einer Besprechung nicht anwesend sein konnte und sie waren in dieser Besprechung und ich würde Sie danach fragen , nach der Besprechung , warum ist Joey wegen dem Budget auf Bob wütend geworden ? </seg>
<seg id="106"> Es ist eine einfache Frage , die Sie als Mensch leicht beantworten könnten , wenn ich Ihnen diese Frage nach der Besprechung gestellt hätte . </seg>
<seg id="107"> Aber stellen Sie sich vor , was nötig wäre , damit eine Computer diese Frage beantworten könnte . </seg>
<seg id="108"> Wozu müsste ein Computer alles in der Lage sein . </seg>
<seg id="109"> Über welche Technologien müsste er verfügen ? </seg>
<seg id="110"> Gut , als Erstes müsste er überhaupt registrieren , dass Joe und Bob da waren . </seg>
<seg id="111"> Er müsste also in der Lage sein Menschen zu identifizieren , ihre Gesichter zu erkennen , ihre Stimme zu erkennen , zu erkennen wer sie sind . </seg>
<seg id="112"> Müsste wissen , dass Joe's Emotion Wut war , müsste in der Lage sein zu wissen , dass es sich um einen emotionalen Ausbruch handelt . </seg>
<seg id="113"> Müsste wissen , dass Joe sich an Bob gerichtet hat , als er wütend wurde . </seg>
<seg id="114"> Richtig ? </seg>
<seg id="115"> Wenn ich Sie anschaue oder Sie und ich werde sehr wütend , dann muss jemand in der Lage sein zu erkennen , dass ich Sie angeschaut habe . </seg>
<seg id="116"> Sie wissen , dass ich Sie gerade anschaue . </seg>
<seg id="117"> Und ich weiss , dass Sie mich anschauen . </seg>
<seg id="118"> Also diese außergewöhnliche menschliche Fähigkeit zu erkennen , wen wir anschauen , ist wirklich beeindruckend , weil sie alle da hinten sitzen . </seg>
<seg id="119"> Zum Beispiel hat sie ihre Augen geschlossen , sie schläft da drüben auf ihrem Stuhl . </seg>
<seg id="120"> Und das kann ich von hier aus sehen . </seg>
<seg id="121"> Und ich kann sehen , dass Sie hier oben das mit Ihrem Arm machen . </seg>
<seg id="122"> Ich kann also all diese Dinge darüber sagen , was Sie da im Publikum machen . </seg>
<seg id="123"> Und das ist eine außergewöhnliche Fähigkeit , weil wir das alles auf eine weite Entfernung machen . </seg>
<seg id="124"> Und wir können so viel über die andere Person sagen , einfach nur indem wir sie anschauen . </seg>
<seg id="125"> Also Wut , Aufmerksamkeitsfokus , mit wem rede ich , es ist wichtig das zu wissen oder ? </seg>
<seg id="126"> Wenn ich eine Umgebung habe , die wirklich kontextbezogen ist und ich sage etwas zu Matthias hier darüber , dass wir sicher gehen sollten , dass wir unsere Daten nicht löschen . </seg>
<seg id="127"> Jetzt wollen Sie nicht , dass der Computer zuhört und sagt löscht unsere Daten und dann löscht er alle meine Daten , nicht wahr . </seg>
<seg id="128"> Er sollte wissen , dass ich mit Matthias über etwas ganz anderes geredet habe . </seg>
<seg id="129"> Und er sollte das nicht jetzt sofort machen . </seg>
<seg id="130"> Das sind kontextbezogene Systeme , es muss den Kontext in dem wir uns befinden verstehen und warum wir das sagen , was wir sagen . </seg>
<seg id="131"> Und dann als Letztes , aber nicht weniger wichtig , das Diskussionsthema Budget und warum das passiert und was sind die Dinge über die wir sprechen und so weiter . </seg>
<seg id="132"> Also um das alles zu entwickeln , um das alles zu entwickeln benötigen wir Spracherkennung . </seg>
<seg id="133"> Wir müssen die Sprecher erkennen , Sprecheridentifikation . </seg>
<seg id="134"> Wir müssen die Emotion identifizieren , Emotionserkennung oder Emotionsidentifikation . </seg>
<seg id="135"> Genre erkennung , erkennen , ob Menschen verhandeln , eine Vorlesung geben und so weiter . </seg>
<seg id="136"> Sprachidentifikation , welche Sprache wurde hier gesprochen . </seg>
<seg id="137"> Zusammenfassungen , Themen , Handschrifterkennung . </seg>
<seg id="138"> Visuelle Erkennung der Identität von Menschen nach ihren Gesichtern , Gesten , Körpersprache , Gang , Gesichter und Blicke und Posen et cetera , Gesichtsausdrücke und Aufmerksamkeitsfokus . </seg>
<seg id="139"> Es gibt eine lange Liste , die wir benötigen , damit wir in der Lage sind Dinge zu erkennen und zu verarbeiten . </seg>
<seg id="140"> Und das sind alles kognitive Systeme , Typsachen , mit denen Sie sich im Unterricht beschäftigt haben , nämlich alle diese verschiedenen Dinge zu tun . </seg>
<seg id="141"> Zum Beispiel haben wir uns mit der Spracherkennung beschäftigt , aber anhand der Folien können Sie sehen , dass das nur eine von vielen verschiedenen Kommunikationsmodalitäten ist , die wir nutzen . </seg>
<seg id="142"> Wir nennen das also das wer , was , wo , warum und wie der menschlichen Kommunikation . </seg>
<seg id="143"> Warum nennen wir das so ? </seg>
<seg id="144"> Weil , wenn ich zum Beispiel sage , wer da ist , muss ich die Person identifizieren und dazu bin ich in der Lage , indem ich ihr Gesicht erkenne , aber ich kann das auch machen , indem ich den Sprecher an der Stimme erkenne . </seg>
<seg id="145"> Anhand vieler anderer biometrischer Marker kann ich auch erkennen , wer diese Person ist . </seg>
<seg id="146"> Es ist also multi modal , es handelt sich gewöhnlich um eine Entscheidung , die wir treffen , basierend auf mehreren Informationen . </seg>
<seg id="147"> Was ist passiert , was wurde gesagt , wo ist die Person , warum und wie interagieren sie miteinander . </seg>
<seg id="148"> All diese Dinge sind wichtig . </seg>
<seg id="149"> Also in unserem Labor hier in Karlsruhe , genauso wie in Carnegie Mellon und viele andere Partner des Chil Projekts bei IBM , bei Irst in Italien , AIT in Griechenland und UPC in Spanien . </seg>
<seg id="150"> Sie alle konstruieren Räume wie diesen , die ausgestattet sind mit vielen Kameras und vielen Mikrophonen . </seg>
<seg id="151"> Und sie können eine Veranstaltung , die in diesem Raum stattfindet aufnehmen und wir haben Aufnahmen dieser Veranstaltungen , Seminare und im Grunde sind sie jetzt verfügbar in einer europäischen Organisation , die Daten verteilt und es ist zu einem Maßstab geworden , an dem wir nun diese Algorithmustypen ausprobieren können . </seg>
<seg id="152"> Wie sehen die Daten aus ? </seg>
<seg id="153"> Die Daten nehmen Seminare auf , die in unserem und in anderen Laboren stattfinden , Labore innerhalb des Chil Projekts . </seg>
<seg id="154"> Und hier sehen Sie ein Beispiel eines Seminars , welches in unserem Labor stattgefunden hat . </seg>
<seg id="155"> Und was uns interessiert ist daraus gewisse Informationen zur menschlichen Kommunikation herauszuziehen , wie wer da ist , worauf zeigt diese Person , was sagt er , mit wem spricht er , wohin geht er , wo ist er , wie sieht die Umgebung aus , was ist die , wie sieht die Gesprächssituation aus , et cetera , et cetera . </seg>
<seg id="156"> Also wie können wir das alles beantworten ? </seg>
<seg id="157"> Im Chil Projekt haben wir all diese Fragen herunter gebrochen auf tatsächliche Forschungsaspekte , auf tatsächliche Forschungsprobleme und diese Forschungs Gegenstände wie das audiovisuelle Orten von Personen , das Orten von Händen und Gesichtern , animierte soziale Akteure , Fernfeldspracherkennung et cetera , das sind tatsächliche Forschungsprojekte , über die Sie eine Diplomarbeit oder eine Dissertation schreiben können . </seg>
<seg id="158"> Jedes davon ist so kompliziert , dass wir ein Dutzend verschiedener Dissertationen am Laufen haben , die sich mit verschiedenen Bereichen dieses Problems beschäftigen . </seg>
<seg id="159"> Also das ist enorm und es ist auch natürlich nichts , was eine einzelne Person tun kann . </seg>
<seg id="160"> Wir haben viele Leute , die an diesen Forschungsproblemen arbeiten , auch in den anderen Laboren , die an dem Chil Projekt teilnehmen . </seg>
<seg id="161"> Das sind also Bemühungen von einem großen Konsortium an Forschern und Mitarbeitern . </seg>
<seg id="162"> Das sind also einige Videos , die ich abspiele , aber wir werden sie tatsächlich gleich in der Realität sehen , wir haben nämlich einige der Demonstrationen mitgebracht . </seg>
<seg id="163"> Was Sie hier oben rechts zum Beispiel sehen ist die Gesichtserkennung , wie sie in unserem Labor durchgeführt wird , wenn Leute durch die Tür kommen , erkennt eine Kamera sie und identifiziert wer sie sind . </seg>
<seg id="164"> Oben links sehen Sie einen Personenortungsalgorithmus . </seg>
<seg id="165"> Hier ist die Idee , immer den Sprecher in einem Seminar zu orten . </seg>
<seg id="166"> Hier unten sehen sie die Aufmerksamkeitsfokusortung , das ist auch eine faszinierende Angelegenheit , denn Sie möchten wissen mit wem jemand spricht oder wen jemand anschaut . </seg>
<seg id="167"> Also wenn ich hier rüber schaue , dann möchten Sie in der Lage sein zu wissen oder abzuleiten , dass ich in diese Richtung rede oder wenn ich mich umdrehe und ich schaue in diese Richtung . </seg>
<seg id="168"> Tatsächlich machen wir das also , indem wir automatisch visuell die Gesichter und Kopfhaltungen von Menschen verarbeiten und dann setzen wir kleine Pfeile auf ihr Gesicht , um sagen zu können in welche Richtung sie eigentlich schauen und mit wem sie eigentlich reden . </seg>
<seg id="169"> Sie kennen alle das Sprichwort , wenn Blicke töten könnten . </seg>
<seg id="170"> Wir könnten also tatsächlich solche Systeme herstellen , also passen Sie auf . </seg>
<seg id="171"> Nur ein Scherz . </seg>
<seg id="172"> Wir werden hier aufgenommen , also ich möchte keine Aufnahme von mir haben in der ich so etwas sage , wenn es nur eine Scherz ist . </seg>
<seg id="173"> Wie dem auch sei , hier ist eine weitere , eine weitere Demonstration , wo diese Dinge verbunden werden . </seg>
<seg id="174"> Wenn Sie nun einen bestimmten Lichtschalter anschauen und sagen wir Sie schalten den aus , haben Sie drei Informationen . </seg>
<seg id="175"> Eine ist , dass ich etwas sage , das Wort Schalter und ich sage , schalten Sie den aus , aber ich schaue auch in diese Richtung und zeige mit meiner Geste . </seg>
<seg id="176"> Wir benötigen all diese Informationen , wir müssen wissen wo meine Fingerspitze ist , wir müssen wissen in welche Richtung mein Gesicht zeigt und was ich sage und all diese Dinge integrieren , damit wir solche Dienste herstellen können . </seg>
<seg id="177"> Also hier in dieser Demonstration können Sie das sehen , in der tatsächlich Kai , der gleich hier drüben sitzt , die Lichter tatsächlich anschaltet und ausschaltet und in unserem Labor verschiedene Dinge bedient . </seg>
<seg id="178"> Also ich denke da ist eine Demonstration , die wir kurz unterbrechen und zeigen können . </seg>
<seg id="179"> Ich denke wir könnten das jetzt machen . </seg>
<seg id="180"> Also während sie gestartet werden , Ok . </seg>
<seg id="181"> Alles klar . </seg>
<seg id="182"> Offensichtlich werden dann alle diese verschiedenen Verarbeitungsalgorithmen mit einer Sicherung kombiniert . </seg>
<seg id="183"> Wenn Sie also zum Beispiel das Problem berücksichtigen , zu sagen , wenn wir eine Besprechung haben und ich möchte wissen , wer die Leute in dieser Besprechung sind , müssen Sie ihre Gesichter erkennen , Sie können aber auch ihre Stimme erkennen . </seg>
<seg id="184"> Und offensichtlich können wir die beiden verbinden und nicht immer können Sie sich ganz sicher sein , denn in einer offenen Besprechung könnte ich auch gar nichts sagen , dann ist die Sprecheridentifizierung nicht hilfreich . </seg>
<seg id="185"> Und in einer Besprechung könnte ich zum Beispiel auch das machen , was unsere Freunde hier machen , nämlich nur ihre Hand vor ihre Nase halten und von einem visuellen Standpunkt ist es dann schwierig ihre Gesichter zu erkennen . </seg>
<seg id="186"> Also dieses opportunistische Informationssammeln , das relevant ist , ist offensichtlich eines der Probleme . </seg>
<seg id="187"> Bei mir geht's nie so besonders gut , es hat immer Probleme mit der Glatze . </seg>
<seg id="188"> Ok . </seg>
<seg id="189"> Ganz herzlichen Dank , auch hierfür </seg>
<seg id="190"> So , die Frage stellt sich natürlich mit all den tollen technischen Sachen , die man hier machen kann . </seg>
<seg id="191"> All das funktioniert natürlich immer noch nicht perfekt und man sieht also wie aufwendig und wie schwierig das ist , etwas was der Mensch eigentlich mit , mit überraschender Leichtigkeit als Kind schon lernt Personen zu identifizieren und so weiter , aber ich denke bei uns im Kopf laufen auch Lernalgorithmen ab die immer besser werden je älter man wird . </seg>
<seg id="192"> Und so ist das natürlich eine deutliche Herausforderung zu schauen , dass wir Algorithmen oder Programme haben , die das so ähnlich tun . </seg>
<seg id="193"> Lassen Sie mich noch eine weitere Sache hier zeigen . </seg>
<seg id="194"> Die , was nun interessant ist bei all diesen Herausforderungen , ist wie wir diese verschiedenen Verarbeitungsschritte zusammenziehen in weitere Systeme oder Komponenten , die auf mehreren solchen Informationsquellen aufsetzen . </seg>
<seg id="195"> Wenn ich zum Beispiel mit einer Kamera Bilder aufnehme , dann kann ich natürlich auch mit Mikrophonen den Sprecher versuchen zu identifizieren . </seg>
<seg id="196"> Ich kann Mikrophonen versuchen zum Beispiel , die Zähne zu beschreiben , es ist ja im Raum nicht nur ein Sprecher sondern das Telefon mag ja klingeln oder die Türe geht auf und zu , die Türe schlägt , die Türe kann man auf und zugehen sehen . </seg>
<seg id="197"> Und all diese Information ist natürlich relevant um dann zum Beispiel Aktivitäten in einem Raum zu erkennen . </seg>
<seg id="198"> Nun auch das haben wir jetzt mit diesen Sachen machen können . </seg>
<seg id="199"> Das ist hier ein Video von einem activity analysis oder activity detection . </seg>
<seg id="200"> Was Sie hier sehen ist im Wesentlichen die Aktivitäten in mehrerer unserer Büros . </seg>
<seg id="201"> Dann wechseln wir ins Englische , damit jeder hier folgen kann . </seg>
<seg id="202"> Was sie also hier sehen ist die Aktivitätsanalyse , die von Kameras und Mikrophonen in unseren Büros durchgeführt werden , in unserem Gebäude . </seg>
<seg id="203"> Also mehrere Studenten haben natürlich zugestimmt , das wurde nicht ohne ihre Zustimmung gemacht . </seg>
<seg id="204"> Aber sie haben zugestimmt , dass in ihren Büros Mikrophone und Kameras angebracht wurden und diese Mikrophone und Kameras haben dann erkannt , wenn Leute beschäftigt waren , ob sie eine Besprechung abhalten , ob sie Schreibtischarbeit erledigen , ob sie sich untereinander austauschen , ob niemand im Büro ist und so weiter . </seg>
<seg id="205"> Also hier zum Beispiel sehen sie jemanden an seinem Schreibtisch , sie sehen , dass die Schreibtischarbeit hier die wahrscheinlichste Hypothese ist . </seg>
<seg id="206"> Und dann sehen Sie gleich , dass jemand durch die Tür hereinkommt und mit der Person ein Gespräch beginnt und wie Sie sehen , wird ganz plötzlich die Wahrscheinlichkeit einer Besprechung größer als die Schreibtischarbeit . </seg>
<seg id="207"> Wahrscheinlicher , weil Menschen miteinander sprechen . </seg>
<seg id="208"> Und all das wird durch eine Kombination von Mikrophonen und Bildern erreicht , die hier in diesem Raum gesammelt und erkannt werden können . </seg>
<seg id="209"> Also natürlich , wozu werden solche Dinge benötigt ? </seg>
<seg id="210"> Solche Hilfestellungen zu haben , die Aktivität analysieren zu können , kann zum Beispiel dann hilfreich für Roboter sein , wenn Sie mit diesem Roboter interagieren oder wenn Sie einfach mit anderen Menschen sprechen und ein Roboter , oder in Besprechungen , wenn Sie eine hilfreiche Dienstleistung bereitstellen . </seg>
<seg id="211"> Hier ist eine weitere Integration solcher Fähigkeiten in einem Roboter , mit dem einer der Forscher spricht und der Roboter führt bestimmte Aktionen aus , basierend auf Dialog und Erkennung des , des Menschen , der zum Beispiel auf bestimmte Objekte zeigt und bestimmte Instruktionen gibt . </seg>
<seg id="212"> Wenn wir nun Sprache erkennen wollen , wird eine der Schwierigkeiten der Spracherkennung durch die Tatsache verstärkt , dass ein , ein sprachliches Ereignis , wie eine Vorlesung tatsächlich schwierig zu erkennen ist . </seg>
<seg id="213"> Das ist eine Datenbank , die translinguale englische Datenbank genannt wird , TED oder manchmal wird sie liebevoll auch als die furchtbare englische Datenbank bezeichnet , denn sie wurde auf einer internationalen Konferenz aufgezeichnet und jeder auf dieser internationalen Konferenz hat mit einem unterschiedlichen Akzent gesprochen . </seg>
<seg id="214"> Und somit ist die Tonqualität eher schlecht und die , und die Fehlerraten , und wie sie sehen können , sind die Fehlerraten relativ hoch , wir können sehen , dass Vorträge mit einem fremden Akzent wirklich schwierig sind , besonders wenn die Mikrophonsituation schlecht ist und der Sprachstil spontan . </seg>
<seg id="215"> Wenn Sie das alles zusammen nehmen , sehen Sie , dass Spracherkennung tatsächlich ziemlich schwierig ist , aufgrund des Grades der Spontanität . </seg>
<seg id="216"> Wenn ich zum Beispiel eine Vorlesung halte , dann spreche ich in dieser Vorlesung spontan und währenddessen zögere ich , ehs und ähms , schlecht formulierte Sätze . </seg>
<seg id="217"> Und vor allem ist das Gesprächsthema sehr speziell . </seg>
<seg id="218"> In einer Vorlesung geht es immer um ein spezielles technisches Thema und das wird nicht von dem typischen Vokabular des Nachrichtensendungen abgedeckt . </seg>
<seg id="219"> Also damit ist eines der Dinge , die Sie sich hier merken sollten , dass wenn Sie eine Erkennung für Nachrichtensendungen haben , die den Nachrichtensprecher in einer Nachrichtensendung , dem Fernsehen oder Radioprogramm erkennt , unsere Fehlerraten heutzutage ziemlich gut sind . </seg>
<seg id="220"> Wir können Fernsehprogramme erkennen mit einer Fehlerrate von besser als zehn Prozent , eine Fehlerrate niedriger als zehn Prozent , vielleicht eine fünfprozentige Fehlerrate . </seg>
<seg id="221"> Wenn wir allerdings eine offene Besprechung aufnehmen , in der jeder mit jedem diskutiert und wir Mikrophone verwenden , die keine Nahbesprechungsmikrophone sind , wie das , was ich hier trage , sondern vielleicht so ein Tischmikrophon , dann ist , wie Sie sehen können , die Fehlerrate erheblich höher . </seg>
<seg id="222"> In solch einem Fall , könnte Ihre Fehlerraten sogar bei fünfzig Prozent liegen . </seg>
<seg id="223"> Nichtsdestotrotz gibt es noch eine Menge offener Fragen in der heutigen Spracherkennung , wenn es darum geht , wie wir das erfolgreich durchführen können . </seg>
<seg id="224"> Nun , warum ist das so ? </seg>
<seg id="225"> Das liegt natürlich teilweise darin begründet , dass wir ein spezielles Vokabular in speziellen Vorlesungen verwenden , aber auch daran , dass Vorlesungen und spontane Sprache eher schlecht und nachlässig formuliert wird . </seg>
<seg id="226"> Wenn wir also zum Beispiel die Aufnahme einer Besprechung haben . </seg>
<seg id="227"> Das stammt also von einer echten Besprechung an der Carnegie Mellon , bei der der Sprecher sagte , ich denke , dass sie versucht haben Einfluss zu nehmen , wenn Sie aber die Erkennung durch eine Maschine durchführen lassen , sind die Ergebnisse eher mangelhaft . </seg>
<seg id="228"> Wenn Sie nun demselben Sprecher , der diesen Satz in der Besprechung gesagt hat , dasselbe Mikrophon geben und ein manuelles Transkript , von dem was sie in der Besprechung gesagt hat und Sie bitten diese Sprecherin ihren eigenen Satz nochmal vorzulesen , also sie bitten sie den Satz , den sie in der Besprechung gesagt hat vorzulesen , so hört es sich an und Sie können sehen , dass der hier unten automatisch erkannte Satz viel besser als der hier oben ist . </seg>
<seg id="229"> Die Fehlerrate bei vielen Daten einer solchen erneut gelesenen spontanen Rede ist nur halb so hoch wie die Fehlerrate der tatsächlichen spontanen Rede . </seg>
<seg id="230"> Also erneut gelesene und spontane Sprache unterscheiden sich erheblich hinsichtlich der Schwierigkeit bei der Spracherkennung und natürlich ist der Grund dafür , dass wenn Menschen spontan sprechen , sie viele Wörter verschlucken oder viele Wörter auslassen . </seg>
<seg id="231"> Nun stellen Distanzmikrophone eine weitere Herausforderung dar . </seg>
<seg id="232"> Wenn ich nun also ein Mikrophon verwende , welches beim Sprechen nah am Mund gehalten wird , ist die Erkennung beider Sprecher und der Sprache viel leichter , als wenn ein drahtloses Mikrophon auf dem Tisch oder an der Wand angebracht ist . </seg>
<seg id="233"> Nun zurück zu der Frage , die wir uns ursprünglich gestellt haben . </seg>
<seg id="234"> Wenn wir ein System haben , welches versucht , all diese Erkennung von Gesichtern , Erkennung des Aufmerksamkeitsfokus , Spracherkennung , Sprechererkennung et cetera , et cetera durchzuführen , dann müssen wir Fortschritte erzielen , die auf einem soliden Vergleichsindex basieren . </seg>
<seg id="235"> Eine Möglichkeit , wie das gemacht werden kann , ist diese olympischen Spiele der Spracherkennung oder visuellen Wahrnehmung et cetera auszutragen . </seg>
<seg id="236"> Und das wird nun in zwei Workshops gemacht , die jedes Jahr stattfinden , wo Leute eine unbekannte oder eine geheime Testsequenz von einer tatsächlichen Besprechung bekommen . </seg>
<seg id="237"> Und verschiedene Gruppen versuchen dann diese Spracherkennung oder das Orten des Aufmerksamkeitsfokus und so weiter durchzuführen . </seg>
<seg id="238"> Und die Algorithmen verschiedener Forschungsteams werden dann evaluiert und dann bei dem Workshop werden die Ergebnisse besprochen und der Gewinner des Wettbewerbs wird dann natürlich gezeigt und das hat zu einer enormen Beschleunigung der Leistung oder Verbesserungen geführt , also gewissermaßen in so einem Ausmaß , dass wir nun tatsächlich diese Fragen beantworten können , wer da war , wer sie sind , wo sie hingehen , mit tatsächlichen Zahlen und tatsächlichen Leistungsangaben , wo wir bei sechsundsiebzig Prozent oder achtzig Prozent der Male sagen können , wo die Person ist oder wer die Person ist . </seg>
<seg id="239"> Und wir können auch Fortschritte nachvollziehen und wissen wie viel besser diese Algorithmen im Laufe der Zeit werden . </seg>
<seg id="240"> Nun sind viele dieser Dinge offensichtlich schwierig , also jeder dieser individuellen Verarbeitungsalgorithmen ist sehr schwer korrekt zu entwickeln und dann gute Leistungen damit zu erzielen und ein Aspekt , auf den ich mit dieser Folie besonders hinweisen möchte ist , wenn wir uns tatsächlich eine offene Umgebung anschauen , wie Vorlesungen und Seminare , dann betrachten wir auch realistische , reale Daten . </seg>
<seg id="241"> Viele der vergangenen Datenbanken waren künstlich . </seg>
<seg id="242"> Das Menschen direkt vor der Kamera sitzen und dann wird das Gesicht fotografiert oder so etwas . </seg>
<seg id="243"> Aber bei diesen Daten , die wir uns anschauen , ist es viel schwieriger , weil die Leute den Kopf drehen , sie halten ihre Hand vor ihre Gesichter , sie formulieren nachlässig , es sind reale Daten , wie Menschen mit anderen Menschen sprechen . </seg>
<seg id="244"> Kommen wir nun also zurück zu der Frage der Chil Dienstleistungen . </seg>
<seg id="245"> Was können wir mit all dem machen ? </seg>
<seg id="246"> Welche Art von Dienstleistungen können wir entwickeln ? </seg>
<seg id="247"> Und ich denke , Sie werden sehen , dass es eigentlich sehr viel Spaß macht , diese interessanten Systeme zu entwickeln . </seg>
<seg id="248"> Wir haben also über den Konnektor gesprochen und dazu würde ich Ihnen gerne ein Video zeigen . </seg>
<seg id="249"> Ok , so sieht die Welt momentan aus , aber schauen wir nun wie sie aussehen könnte . </seg>
<seg id="250"> Also Sie sehen , Sie sehen wie eine Konnektordienstleistung in sozialen Beziehungen Hilfe leisten könnte . </seg>
<seg id="251"> Gut , nun zu noch einem weiteren Thema , das uns interessiert , dabei handelt es sich natürlich um die Informationsbeschaffung . </seg>
<seg id="252"> Was Sie also hier gesehen haben ist Unterstützung bei zwischenmenschlicher , oder Unterstützung durch den Computer bei zwischenmenschlicher Interaktion in einer Situation , in der wir auf grundlegende Hilfestellungen zurückgreifen , aber wir können auch kreativer sein und Hilfestellungen entwickeln , die nur auf eine sehr private Art und Weise beschaffen werden können . </seg>
<seg id="253"> Wenn Sie also beispielsweise personalisierte Informationen beschaffen möchten , könnten wir zum Beispiel steuerbare Projektoren aufstellen , die Informationen vor jemanden an die Wand beamen . </seg>
<seg id="254"> Oder das ist eine faszinierende Hilfestellung , es ist eine Frontscheibenanzeige bei Brillen . </seg>
<seg id="255"> Sie könnten also beispielsweise , wenn es peinlich ist , nach dem Namen von jemandem zu fragen , dessen Namen Sie vergessen haben , könnten Sie es sich einfach diskret in Ihre Brille beamen lassen , sagen wir das ist dann Muntz und Colds und er arbeitet für Sie und deshalb sollten Sie sich seinen Namen merken . </seg>
<seg id="256"> Oder das ist ein sehr guter Freund von mir , den Sie gestern erst getroffen haben und Ihre Senilität führte dazu , dass Sie ihn vergessen haben . </seg>
<seg id="257"> All das wäre also sehr schön , wenn es diskret gemacht werden würde , also beispielsweise private Informationen , die auf Ihren Brillengläsern erscheinen oder eine gezielte audiovisuelle Hilfestellung , die einen Audiobeam an Ihr Ohr beamt , sodass nur Sie es hören können und wir werden Ihnen das gleich im Kontext von Übersetzungsdienstleistungen zeigen . </seg>
<seg id="258"> Nun noch eine weitere Sache , die ich Ihnen gerne zeigen würde , ist eher etwas verrückt . </seg>
<seg id="259"> Gehen wir davon aus , Sie befinden sich in einer Besprechung und das Telefon klingelt und es ist wirklich dringend , dass Sie mit der Person am anderen ende sprechen , aber Sie können nicht sprechen , denn es stört die anderen Teilnehmer und es könnte auch etwas persönliches sein , was sie sagen möchten . </seg>
<seg id="260"> Wäre es dann nicht schön , wenn Sie geräuschlos oder leise am Telefon sprechen könnten , sodass die anderen Leute Sie nicht hören ? </seg>
<seg id="261"> Wie könnte das also bewerkstelligt werden ? </seg>
<seg id="262"> Es sollte wie Science-Fiction sein . </seg>
<seg id="263"> Gut , wir arbeiten gerade an der elektromyographischen Spracherkennung , eigentlich wird diese Aufgabe jetzt von Tanja Schultz übernommen , die erst dieses Sommersemester hier an unserer Fakultät angefangen hat . </seg>
<seg id="264"> Es ist eine Aufgabe , bei der die Idee ist , die Muskelbewegung in der Wange zu erkennen , während jemand Sätze formuliert , ohne diese laut auszusprechen . </seg>
<seg id="265"> Wenn ich also meinen Mund bewege , ich bewege meinen Mund , wenn Sie aber kein guter Lippenleser sind , können Sie es nicht erkennen . </seg>
<seg id="266"> Was ich gesagt habe und es ist sicherlich nicht laut . </seg>
<seg id="267"> Aber mit elektromyographischen Signalen können wir tatsächlich erkennen , was die Person gesagt hat und dann eine synthetische Übertragung über die Telefonverbindung erzeugen . </seg>
<seg id="268"> Irgendwas stimmt mit dem Video nicht . </seg>
<seg id="269"> Es gab ein Problem mit dem Video . </seg>
<seg id="270"> Aber Sie bekommen eine Vorstellung , er bewegt seinen Mund und diese Bewegung wird in Form der Wörter , die gesprochen wurden erkannt und die Wörter werden in Form von Stimme über den Telefonkanal übertragen , sodass die andere Person am anderen Ende tatsächlich die Stimme hört , des Satzes , der gesagt wurde . </seg>
<seg id="271"> Es ist also möglich , potentiell , in der Zukunft , in einer Besprechung zu sitzen und ein Gespräch zu führen , ohne dass jemand anderes es hört . </seg>
<seg id="272"> Das wird furchtbar sein , denn dann werde ich hier ein Publikum voller Leute haben , die mit ihren Freunden sprechen und gut , wie auch immer . </seg>
<seg id="273"> Kommen wir also zum nächsten und letzten Thema , welches ich Ihnen gerne zeigen würde , Sprachunterstützung über Sprachen hinweg . </seg>
<seg id="274"> Was können wir also machen , wenn wir die linguistischen Barrieren überbrücken wollen ? </seg>
<seg id="275"> Das ist heutzutage natürlich ein sehr interessantes Thema , weil in der heutigen Welt viele Sprachen gesprochen werden , Menschen nehmen an verschiedenen Aktivitäten teil , im Handel und der Lehre und in vielen , sie arbeiten mit Partnern in anderen Ländern und offensichtlich ist das wichtig , weil wir zunehmend mit Menschen in anderen Ländern arbeiten und kommunizieren , aber gleichzeitig müssen wir dann eine Sprache sprechen , die wir nicht verstehen können . </seg>
<seg id="276"> Also heutzutage ist die gängigste Lösung natürlich , dass jeder Englisch lernt und jeder mit jedem Englisch spricht , aber das ist hinsichtlich der kulturellen Vielfalt ein Problem und dann auch die , die Details und die Qualität der Kommunikation kann leiden , dann hätten Sie gerne etwas , um diese Sprachbarrieren zu überbrücken und es Menschen ermöglicht miteinander in ihrer eigenen Sprache zu kommunizieren , ohne dass sie ihre sprachliche Identität verlieren . </seg>
<seg id="277"> Und die Frage lautet , wie können wir das machen ? </seg>
<seg id="278"> Können wir das mit Technologie erreichen ? </seg>
<seg id="279"> Wenn wir nun die Frage stellen , warum ist das schwierig ? </seg>
<seg id="280"> Warum ist eigentlich die Übersetzung von Sprache oder sprachliche Kommunikation schwierig ? </seg>
<seg id="281"> Dann wird deutlich , dass dies durch Doppeldeutigkeit verursacht wird . </seg>
<seg id="282"> Und wir haben in der Vorlesung zur Spracherkennung schon gesehen , dass Spracherkennung schwierig ist , aber Übersetzung ist auch schwierig und hier oben sehen Sie viele der typischen Scherze , die die Leute erzählen , um zu zeigen wie schwierig es ist zu erkennen , zu übersetzen und Sprache zu verarbeiten . </seg>
<seg id="283"> Wenn Sie also beispielsweise übersetzen möchten , der Geist ist willig , aber das Fleisch ist schwach , könnte es falsch verstanden werden oder falsch übersetzt werden in der Wodka ist gut , aber das Fleisch ist verfault . </seg>
<seg id="284"> Aus syntaktischer Sicht hat der englische Satz time flies like an arrow sechs verschiedene Interpretationen oder sechs verschiedene Syntaxen . </seg>
<seg id="285"> Erstaunlich , denn wir würden nur an eine denken . </seg>
<seg id="286"> Phonetik kann sehr doppeldeutig sein , der englische Satz give me a new display , könnte give me a nudist play sein . </seg>
<seg id="287"> Es ist dieselbe akustische phonetische Kette , aber es ist eine unterschiedliche Wortsequenz . </seg>
<seg id="288"> Und wie Sie schon gesehen haben , arbeiten wir mit einigem davon , offensichtlich mit dem statistischen Sprachmodell , Modellen oder mit statistischen Modellen , die eine Wahrscheinlichkeit jeder der verschiedenen Hypothesen zuordnen und diese dann als die besseren Lösungen herausbringen . </seg>
<seg id="289"> Und so gehen wir also damit um , denn jedes dieser Module würde offensichtlich die Fehler noch verschlimmern , wenn wir sie nacheinander anordnen würden . </seg>
<seg id="290"> Und somit muss ein erfolgreiches Modell die probabilistische Unsicherheit miteinbeziehen oder mit der probabilistischen Unsicherheit auf eine probabilistische Art und Weise umgehen . </seg>
<seg id="291"> Und es muss mit einer Vielzahl an Hypothesen arbeiten und die richtige herausfiltern , durch die Anwendung von aufeinanderfolgenden Wissensquellen , während es die Verarbeitungskette entlangläuft . </seg>
<seg id="292"> Nachdem ich das nun gesagt habe , eröffnen sich dadurch natürlich Möglichkeiten und ich würde gerne einige davon beschreiben in der uns verbleibenden Zeit und sie auch auf Teile dieser wissenschaftlichen Forschung aufmerksam machen , Herausforderungen , die noch vor uns liegen , an denen wir arbeiten . </seg>
<seg id="293"> Als erstes Konversationssprache . </seg>
<seg id="294"> Wie übersetzen Sie so einen Satz ? </seg>
<seg id="295"> Das ist eine tatsächliche Aufnahme , die wir in unserem Labor von jemandem gemacht haben , der im Kontext einer Terminvereinbarung Deutsch spricht . </seg>
<seg id="296"> Das Erste was auffällt ist , dass es hier dazwischen diese ehhs und ähms und ein Schmatzen et cetera gibt , die Erkennung muss mit diesen Geräuschen umgehen können . </seg>
<seg id="297"> Das Zweite , was Ihnen auffallen wird ist , dass es keine Zeichensetzung gibt , denn die Leute sagen nicht inmitten eines Satzes Komma , Punkt Fragezeichen . </seg>
<seg id="298"> Aber sie werden einfach ununterbrochen und natürlich sprechen . </seg>
<seg id="299"> Wenn Sie die Zeichensetzung also künstlich einfügen und Sie entfernen die ehhs und ähms und sie geben es ein in traditionelle , klassische Übersetzungssysteme , werden Sie sehen , dass das Ergebnis manchmal immer noch Müll ist . </seg>
<seg id="300"> Es handelt sich um eine sehr stockende Sprache , die geeignet interpretiert werden muss und häufig war das , was die Leute sagen wollten , eigentlich sehr einfach und die Art und Weise , wie sie es ausgedrückt haben , war sehr kompliziert und verwirrend . </seg>
<seg id="301"> Das ist also die Beschaffenheit der zwischenmenschlichen Interaktion und somit müssen unsere Lösungen das miteinbeziehen . </seg>
<seg id="302"> Ganz kurz , wir haben ein Konsortium für fortgeschrittene Forschung in der Sprachübersetzung , das neunzehnhunderteinundneunzig gegründet wurde . </seg>
<seg id="303"> Es ist ein Konsortium , das mittlerweile viele Partner überall auf der Welt hat , die an Sprachübersetzung arbeiten und Sprachübersetzung hat sich mittlerweile entwickelt , ab dem Zeitpunkt als wir das erste Labor in Deutschland waren , die jemals einen Sprachübersetzer entwickelt haben und ihn der Öffentlichkeit zeigten und unser Partnerlabor in Pittsburgh war das Erste , was das in den USA gemacht hat . </seg>
<seg id="304"> Aber jetzt ist es der größte , finanzierte Forschungsbereich in diesem ganzen Bereich der Übersetzung von Sprache und gesprochener Sprache , Sprachübersetzung , Übersetzung von einer gesprochenen Sprache zur anderen . </seg>
<seg id="305"> Was müssen wir also machen ? </seg>
<seg id="306"> Als Erstes müssen wir erkennen , dass es bestimmte Herausforderungen gibt , nämlich wie übermittle ich eine Übersetzungsfähigkeit , wie überwinde ich Leistungsbeschränkungen angesichts von Geräuschen , Fehlern und Unflüssigkeiten ? </seg>
<seg id="307"> Und wie gehe ich dann mit großen Domainren und dem Umfang und den vielen verschiedenen Sprachen um ? </seg>
<seg id="308"> In der Vergangenheit wurden zwei Ansätze vorgeschlagen , es gibt den sogenannten Interlingua Ansatz , der der funktioniert durch Satzanalyse und Dekodierung des Satzes hinsichtlich semantischer Repräsentation und Produktion eines Outputs oder einen statistischen Übersetzungsansatz , bei dem das Mapping direkt über ein Ausgangskanalmodell durchgeführt wird , das ähnelt sehr stark den Modellen , die wir uns in dieser Vorlesung angeschaut haben für die Spracherkennung . </seg>
<seg id="309"> Also die Geschichte der Sprachübersetzung begann in den späten Achtzigern , frühen Neunzigern und entwickelte sich zu dieser ersten Demonstration von Systemen zur Übersetzung von einer gesprochenen Sprache zur anderen . </seg>
<seg id="310"> Hinsichtlich des Vokabulars und Sprachstils waren die eher beschränkt , sodass die nächsten zehn Jahre darauf verwendet wurden spontane Sprache zu übersetzen , damit Sie einen Satz genauso flüssig sagen können , wie das die Menschen machen , aber immer noch mit einer begrenzten Domäne . </seg>
<seg id="311"> Das waren also diese Systeme , die dann Sätze erkannten , die Sie in ein System gesprochen haben , in einer bestimmten Domäne , wenn Sie sich beispielsweise in einer Arztpraxis befinden , können Sie sagen , ich habe Kopfschmerzen oder so , aber Sie können nicht über französische Literatur aus dem siebzehnten Jahrhundert sprechen . </seg>
<seg id="312"> Es wäre dann also etwas , was Sie nur in einer bestimmten Domäne tun würden , um mit den Leuten aus diesem Bereich darüber zu sprechen . </seg>
<seg id="313"> Das war die Forschung von den Neunzigern bis Zweitausend , Zweitausend und eins und genau diese Art von Systemen wird in tatsächlichen einsetzbaren Systemen erweitert , die werden entweder für Touristen eingesetzt oder humanitäre , humanitäre Dienste oder Situationen oder friedenserhaltende Maßnahmen von Regierungen und Militär , das sind also alles Situationen , in denen eine einfache oder beschränkte Domäne ausreichend ist . </seg>
<seg id="314"> Es geht nicht darum alle Möglichkeiten durchzusprechen , aber Sie möchten in der Lage sein , einen natürlichen Dialog zu führen . </seg>
<seg id="315"> Diese Systeme sind dann immer kleiner geworden , ich kann Ihnen das später zeigen , wenn Sie hier hoch kommen . </seg>
<seg id="316"> Wir haben diese Systeme jetzt auch für PDAs und für Touristen können Sie einen Satz in einer Sprache sagen und er wird in einer anderen Sprache laut ausgesprochen . </seg>
<seg id="317"> Wir können das nun alles kombinieren zu , einer tragbaren Sprachassistenz , wie wir sie nennen . </seg>
<seg id="318"> Das würde also Navigation einschließen , Informationszugang , Dokumentenübersetzung und Dialogübersetzung , also nochmal , wenn ein Mensch sich in einer fremden Situation befindet , sind es viele Herausforderungen , die zusammenkommen , Erkennung der Straßenschildern , Erkennung der , Einholung von Navigationsinformationen , Einholung von örtlichen Informationen und Übersetzung von Dialogen . </seg>
<seg id="319"> Dazu gibt es ein Video , aber ich habe keine Zeit dafür , deswegen überspringen wir das und wenn wir noch Zeit haben , kann ich Ihnen das später zeigen . </seg>
<seg id="320"> Das ist etwas , bei dem ich das Glück hatte teilzunehmen . </seg>
<seg id="321"> Einige unserer Systeme für Übersetzung im Gesundheitswesen , also grundsätzlich sind es die Laptops und PDAs , die die Arzt-Patienten Dialoge übersetzen . </seg>
<seg id="322"> Und wir könnten sie tatsächlich in einer Übung verwenden , die dieses Jahr im Mai stattgefunden hat , bei einer Übung von Koalitionsstreitkräften , in den Dörfern und im Dschungel von Thailand , wo die US Regierung , Singapur , Japan , Thailand und mit Beteiligung von Indonesien , sich zusammengetan haben , um eine Gesundheitsversorgung anzubieten , für Menschen in entlegeneren Dörfern , aber nur an einem einzigen Tag , so wurde dafür geworben und tausend Menschen sind morgens gekommen und letztendlich bekamen die Menschen Zahnbehandlungen und neue Brillen et cetera . </seg>
<seg id="323"> Es war eine bemerkenswerte Übung in so kurzer Zeit , so viele Menschen gesundheitlich zu versorgen und in dieser Situation ist die Sprache offensichtlich ein Problem , denn wie läuft die Kommunikation zwischen einem Dorfbewohner aus Thailand und dem , und dem Arzt , amerikanischem Doktor oder englischsprachigen Doktor und das wurde dann gemacht . </seg>
<seg id="324"> Was auch interessant ist , ist die Schilderübersetzung . </seg>
<seg id="325"> Hier haben wir auch Dienste entwickelt , die mit PDAs mit Kamera funktionieren , da können Sie nach China fahren und ein Foto eines chinesischen Straßenschildes machen und dann sehen Sie das Bild des Straßenschildes oder das Bild , das Programm extrahiert dann den Text des Straßenschildes und macht dann eine optische Zeichenerkennung , nimmt eine Zeichenerkennung vor und übersetzt dann diesen Satz ins Englische und fügt ihn ins Bild ein , damit Sie wissen was auf dem Bild steht . </seg>
<seg id="326"> Tatsächlich habe ich selbst diese Datenbank in China erstellt , wir haben tausende Bilder von Straßenschildern in China gemacht und als wir wiedergekommen sind , haben wir einige interessante und lustige Beispiele gefunden , wo die Übersetzung tatsächlich sehr hilfreich gewesen wäre , so wie dieses hier in der Mitte , wo Sie sehen können , dass das chinesische Zeichen tatsächlich sagt , kein Zutritt für Touristen . </seg>
<seg id="327"> Ich war also in China und konnte das Schild nicht lesen , was mir den Zutritt verbot . </seg>
<seg id="328"> Nun die letzte Herausforderung ist Sprachübersetzung , die nicht auf bestimmte Domäne beschränkt ist . </seg>
<seg id="329"> Diese Hilfestellungen sind immer noch auf bestimmte Domäne beschränkt . </seg>
<seg id="330"> Sie können natürlich alles überall sagen , aber es ist nur das Gesundheitswesen oder nur Tourismus . </seg>
<seg id="331"> Aber was wäre , wenn ich meine Vorlesung für Sie übersetzen lassen wollte von Englisch nach Spanisch ? </seg>
<seg id="332"> Es gibt eine Reihe solcher Anwendungen , Übersetzungen von Radiosendungen , Übersetzung von Vorlesungen und Reden , übersetzte Parlamentsreden , Telefongespräche , Besprechungen , sie sind alle domänenunbeschränkt , wir können hier die Systeme nicht domänenbeschränken . </seg>
<seg id="333"> Und wir müssen sichergehen , dass wir eine Beschaffung finden , die für diese Situation angemessen ist . </seg>
<seg id="334"> Wenn Sie also eine Übersetzung von dieser Vorlesung haben wollen , muss ich eine domänenunbeschränkte Sprachübersetzung zur Verfügung haben und sie muss auf irgendeine Art und Weise diskret beschaffen werden , denn wenn nur Sie kein Englisch verstehen , möchten Sie eine persönliche Übersetzung ins Spanische oder Chinesisch . </seg>
<seg id="335"> Aber gehen wir davon aus , dass alle anderen es in Englisch hören wollen und in diesem Fall möchten Sie nicht alle anderen mit einem Lautsprecher stören , aus dem Chinesisch in den Raum tönt . </seg>
<seg id="336"> Denn Sie benötigen etwas gezieltes . </seg>
<seg id="337"> Wie können wir das also bewerkstelligen ? </seg>
<seg id="338"> Es gibt Spracherkennung für verschiedene Genres , es hat sich herausgestellt , dass Vorlesungen , wenn sie allgemein gehalten sind , wie wir schon gesehen haben , sehr schwierig sind . </seg>
<seg id="339"> Die Fehlerraten liegen immer noch bei ungefähr dreißig Prozent , sprecherunabhängige Besprechungen sind sehr schwierig , aber wenn es domänenunbeschränkt ist , aber dem Sprecher angepasst , an einen bestimmten Sprecher , erhalten wir bei dieser Aufgabe eigentlich angemessene Erkennungsfehlerraten . </seg>
<seg id="340"> Also in einem anderen EC Projekt , genannt TC Star , haben wir uns mit diesem Thema beschäftigt und die Idee war , Parlamentsreden im europäischen Parlament vom Englischen ins Spanische und Deutsche und so weiter zu übersetzen , mit eher überraschend gutem Erfolg . </seg>
<seg id="341"> Das sind einige Übersetzungs ergebnisse , gemessen anhand des sogenannten Bleu Score , wo die Übersetzung durchgeführt wird anhand der tatsächlichen Transkripte von diesen Parlamentsreden . </seg>
<seg id="342"> Und dabei können gute Ergebnisse erzielt werden . </seg>
<seg id="343"> Nun . </seg>
<seg id="344"> Was hier sinnvoll zu beachten ist , ist dass diese statistischen Systeme , die in diesem Kontext entwickelt worden sind , schon erheblich besser sind , als einige der kommerziellen Übersetzungssysteme , die Sie draußen kaufen können . </seg>
<seg id="345"> Ok . </seg>
<seg id="346"> Nun , wie gut funktionieren diese Systeme ? </seg>
<seg id="347"> Darüber werde ich sprechen , nachdem wir Ihnen die tatsächliche Demonstration zeigen . </seg>
<seg id="348"> Die Übersetzung von Vorlesungen ist natürlich eine Erweiterung von so etwas wie den Parlamentsreden , Parlamentsreden enthalten immer noch eher allgemeine Diskussionsthemen . </seg>
<seg id="349"> Aber wenn ich eine Vorlesung zu einem bestimmten technischen Thema halte , ist es natürlich viel spezifischer . </seg>
<seg id="350"> Und das wollen wir Ihnen hier auf dem Bildschirm hier drüben zeigen , wenn Sie kurz den Vorlesungsübersetzer einschalten , während ich die Vorlesung halte . </seg>
<seg id="351"> Dann sollten wir in der Lage sein hier oben auf dem oberen Bildschirm die automatische Erkennung zu sehen , von dem was ich sage , während auf dem unteren Bildschirm die automatische Übersetzung läuft . </seg>
<seg id="352"> Beachten Sie nun , dass das nicht länger beschränkt ist auf eine bestimmte Domäne , aber wir haben eine vollständige Übersetzung von Sprache in einer offenen Domäne , so wie ich sie hier vor euch produziere . </seg>
<seg id="353"> Nun , diese Vorlesungsübersetzungssysteme wurden angewendet bei Gesprächen in der Europäischen Gemeinschaft oder im Europäischen Parlament , aber um sie auf diese Art von Vorlesung anzuwenden , mussten wir offensichtlich auch ein spezielles Vokabular einführen und das System musste für diese typische Art von Vorlesung angepasst werden , die Ihnen vielleicht in einer technischen Vorlesung an einer Universität begegnen könnten . </seg>
<seg id="354"> Nun , die Universitätsvorlesungen , die wir hier versuchen zu übersetzen , werden offensichtlich jetzt ins Spanische übersetzt , aber wir arbeiten auch an deutschen Versionen und chinesischen . </seg>
<seg id="355"> Und das Ziel ist irgendwann Ihnen als Studenten eine automatische Übersetzung anzubieten von Vorlesungen , die hier an der Universität Karlsruhe gehalten werden oder an den anderen Universitäten in unserem InterACT joined Center . </seg>
<seg id="356"> Also zukünftige Semester dieses Kurses werden potentiell simultane Übersetzungsdienste in Anspruch nehmen können in mehreren Sprachen , entweder Englisch oder Deutsch und vielleicht Chinesisch und empfinden es vielleicht als hilfreiche Ergänzung zu der , der Vorlesungspräsentation . </seg>
<seg id="357"> Wie wird das nun bewerkstelligt ? </seg>
<seg id="358"> Erneut handelt es sich um eine offene Domäne , offenes Vokabular , Sprachübersetzung , aber wir müssen uns mit spontanen , sprachlichen Unflüssigkeiten auseinandersetzen . </seg>
<seg id="359"> Und das kann nur bewerkstelligt werden durch die Anwendung statistischer Lernalgorithmen , ähnlich wie die , die Sie in diesem Kurs gelernt haben bei Vorlesungen zur Spracherkennung und Sprachverarbeitung im Rahmen dieses Kurses . </seg>
<seg id="360"> Eine weitere Sache , um die wir uns Gedanken machen müssen ist natürlich die Beschaffung . </seg>
<seg id="361"> Jetzt in diesem Moment finde ich es beispielsweise sehr störend , dass Sie alle nach da drüben gucken und ich meine Folien nicht zeigen kann , niemand passt bei meiner Vorlesung auf , aber jeder achtet auf den Text . </seg>
<seg id="362"> Und offensichtlich ist das bei einer Vorlesung nicht besonders gut , wenn es doch bei einer Vorlesung nur darum geht einen Gedanken zu übermitteln und nicht um Sie in Erstaunen zu versetzen oder Sie mit irgendwelchen Bildern auf einem anderen Bildschirm zu beeindrucken . </seg>
<seg id="363"> Wie können wir das also bewerkstelligen ? </seg>
<seg id="364"> Wir haben schon die gezielte audiovisuelle Hilfestellung erwähnt . </seg>
<seg id="365"> Das ist eine Hilfestellung , die aus einem Lautsprecher besteht , der einen eher geraden oder engen gezielten Strahl Audiovisualität produziert , in die Richtung auf die er zeigt . </seg>
<seg id="366"> Wie die Spanischübersetzung dieser Vorlesung , die Sie jetzt gerade aus dem Lautsprecher hören sollten . </seg>
<seg id="367"> Ich höre hier gar nichts . </seg>
<seg id="368"> Ich bin mir also nicht sicher , ob es funktioniert . </seg>
<seg id="369"> Funktioniert es ? </seg>
<seg id="370"> Können Sie es hören ? </seg>
<seg id="371"> Das ist also wirklich eine außergewöhnliche Technologie , die entwickelt wurde bei Daimler Chrysler im Rahmen des Chil Projekts , sie transportiert einen audiovisuellen Strahl nur in eine bestimmte Richtung des Publikums oder im Raum . </seg>
<seg id="372"> Zum Beispiel kann ich es gerade nicht hören . </seg>
<seg id="373"> Aber wenn der Lautsprecher umschwenkt und zu Ihnen kommt , werden Sie in Ihrem Ohr ihre Stimmen hören und Sie bekommen die spanische Übersetzung dieser Vorlesung direkt zu Ihnen . </seg>
<seg id="374"> Sie können sich also vorstellen , dass wenn der Lautsprecher wegdreht , Sie es nicht hören , Sie würden einfach nur eine normale Vorlesung hören , in Zukunft wäre es also möglich , den spanischen Bereich hier drüben zu haben , die Deutschen hier und die Englischsprachigen hier . </seg>
<seg id="375"> Und Sie bekommen alle eine individuelle akustische Präsentation der Vorlesung , wenn der Lautsprecher in die verschiedenen Bereiche diese Raums tönt . </seg>
<seg id="376"> Das ist aufregend . </seg>
<seg id="377"> Wir können tatsächlich simultane Übersetzung in verschiedenen Sprachen für ein Publikum machen , und mehrere Personen im Publikum hören die Vorlesung in ihrer eigenen Sprache , ohne dass sie die tatsächlich sprechen oder die Vorlesung des Dozenten verstehen . </seg>
<seg id="378"> Die andere Möglichkeit ist natürlich diese Übersetzungsbrille , das ist erneut eine Brille , bei der , der Übersetzungstext oder der Text der Übersetzung in Ihrer eigenen Brille angezeigt wird und Sie setzen sie auf und während Sie einer Vorlesung in der einen Sprache zuhören , sehen Sie die Übersetzung , ähnlich der Untertitel in einem Film in Ihrer eigenen Brille , damit Sie der Vorlesung folgen können . </seg>
<seg id="379"> Wir haben so eine Anwendung , die wir heute nicht mitgebracht haben , aber wir experimentieren auch mit diesen Anwendungen . </seg>
<seg id="380"> Gut , nicht zuletzt , natürlich ist eines der Dinge , die wir auch machen können , zu versuchen , uns eine Welt vorzustellen , in der Sie Sprache in einer Fremdsprache erzeugen , ohne sie zu sprechen . </seg>
<seg id="381"> Also eine Reihe der Experimente , die wir durchgeführt haben , ist beispielsweise die Kombination mit der ENG Erkennung , wenn Sie also Sprache erkennen können , nur durch das Bewegen Ihrer Lippen , dann können wir vielleicht auch Output in einer anderen Sprache erzeugen . </seg>
<seg id="382"> Also können Sie vielleicht in der Zukunft in ein anderes Land reisen , Ihre Lippen so bewegen , als ob Sie Deutsch sprechen würden und raus kommt Chinesisch und wenn Sie daran glauben , dass das vielleicht irgendwann in Ihre Wange implantiert wird oder ein Ohrring oder irgendwas , dann könnten Sie vielleicht in der Lage sein Ihren Mund einfach auf den Fremdsprachenmodus umzustellen und gesprochene Sprache in einer anderen Sprache erzeugen . </seg>
<seg id="383"> Also das ist ein weiteres von , das stammt übrigens vom Discovery Channel . </seg>
<seg id="384"> Ok . </seg>
<seg id="385"> Das war also sehr unterhaltsam , als die vorbeigekommen sind und uns besucht haben , es gibt eine Reihe solcher TV Sendungen , es gab da auch eine von einem deutschen Kanal , aber ich habe keine Zeit , um die Ihnen alle zu zeigen . </seg>
<seg id="386"> Ich möchte Ihnen einen letzten Gedanken mit auf den Weg geben , den ich auch für spannend und interessant halte und der eine Vielzahl an Möglichkeiten für interessante Forschung eröffnet . </seg>
<seg id="387"> Ein Großteil dieser Forschung ist besonders jetzt sehr interessant , wenn diese Form von Übersetzung , über sprachliche Grenzen hinweg , beginnt zu funktionieren . </seg>
<seg id="388"> In einer Vielzahl an verschiedenen Situationen , die Menschen erleben , funktioniert es schon , wenn sie in fremde Länder reisen . </seg>
<seg id="389"> Und nun können wir sogar schon Sprache unbegrenzter Domänen übersetzen . </seg>
<seg id="390"> Das ist also offensichtlich außergewöhnlich und wunderbar , denn wir können wirklich anfangen mit Menschen verschiedener Sprachen frei zu kommunizieren . </seg>
<seg id="391"> Jedoch bleibt eine große Herausforderung weiterhin bestehen und zwar die große Anzahl an Sprachen auf der Welt . </seg>
<seg id="392"> Die meisten der Übersetzungssysteme und Systeme , die Sie hier gesehen haben , wurden grundsätzlich in ungefähr fünf Sprachen entwickelt . </seg>
<seg id="393"> Und diese Sprachen sind entweder sehr stark vertreten , viele Menschen , die in diesen Ländern leben , sehr reiche Länder , die sich große Forschungsprogramme leisten können , oder als gefährlich erachtet werden , sodass die Forschung durchgeführt wird und also es nur vier , fünf oder sechs Sprachen gibt , die erforscht werden , Chinesisch zum Beispiel , Spanisch , Englisch , Deutsch , Japanisch , Koreanisch , Französisch , bei diesen Sprachen gibt es sehr engagierte und dynamische Sprachverarbeitungsprogramme , die in Bearbeitung sind und bei denen diese Arten von Technologien zur Realität werden . </seg>
<seg id="394"> Was ist mit dem Rest der Welt ? </seg>
<seg id="395"> Auf der Welt gibt es sechstausend Sprachen und mit fünf Sprachen oder zehn Sprachen , werden wir nichtmal einen Bruchteil dieses Spracheinreichtums abdecken können . </seg>
<seg id="396"> Also eine wichtige Forschungsrichtung , die wir sowohl in Karlsruhe als auch an der Carnegie Mellon verfolgen besteht darin , uns mit den ganzen anderen Sprachen zu beschäftigen . </seg>
<seg id="397"> Wie können wir tatsächlich diese Technologien verwenden und die Kosten verringern und die Eintrittsbarrieren abbauen und schneller grundsätzliche Übersetzungs und Sprachverarbeitungstechnologien entwickeln , für diese anderen Sprachen . </seg>
<seg id="398"> Und es gibt eine Anzahl an Ideen , die damit in Verbindung gebracht werden können . </seg>
<seg id="399"> Einige Forschungsthemen , einige , wir haben eine Anzahl an Doktorarbeiten und Diplomarbeiten , die sich mit diesem Problem beschäftigen , also wie die Kosten für die Entwicklung solcher Systeme in diesen Sprachen verringert werden und wie tatsächlich Technologie entwickelt werden kann , mit viel weniger Ressourcen in diesen anderen Sprachen . </seg>
<seg id="400"> Also leider haben wir keine Zeit , uns mit all dem zu beschäftigen und um das nochmal zu verdeutlichen , das Ziel dieser Vorlesung war nicht , Ihnen im Detail alle möglichen Forschungsrichtungen vorzustellen , die aus allem bestehen , was wir heute gesehen haben , sondern Ihnen einen Eindruck über den Reichtum der Möglichkeiten zu vermitteln , wenn wir an diese kognitiv bewussten und kognitiv verarbeitenden Systeme , die anfangen die Welt in der wir leben zu verarbeiten und beobachten und interpretieren , genauso wie die Interaktion zwischen Menschen . </seg>
<seg id="401"> Es gibt also eine große Anzahl wirklich interessanter potentieller Dienstleistungen , die möglich werden , wenn wir uns in solchen Systemen bewegen . </seg>
<seg id="402"> Also natürlich gibt es viele Möglichkeiten für Diplomarbeiten , Studienarbeiten , Dissertationen und Arbeiten dieser Art , jeder dieser Aspekte , die wir heute angesprochen haben bietet wirklich eine Vielzahl an potentiellen Forschungsprojekten . </seg>
<seg id="403"> Also ich hoffe , dass der eine oder andere unter Ihnen , vielleicht daran interessiert ist , in der Zukunft mit uns zu arbeiten . </seg>
<seg id="404"> Wenn Sie an einem dieser Projekte interessiert sind , können Sie uns ansprechen , damit Sie an diesen interessanten Aktivitäten teilnehmen können . </seg>
<seg id="405"> Bevor ich gehe , möchte ich Sie darauf hinweisen , dass es Informationsmaterial gibt , was Sie gerne mitnehmen können . </seg>
<seg id="406"> Am Donnerstag haben wir einen sogenannten Chil Technologie Tag . </seg>
<seg id="407"> Vielen von den Systemen ,die Sie heute hier gesehen haben werden Besuchern aus der Industrie vorgestellt , ebenso wie Besuchern aus der Europäischen Gemeinschaft , diesen Donnerstag im EATB und in unserem Gebäude am Fasanengarten und ich denke , dass es hier auch ein Programm geben wird oder Programme , ja , wir haben Broschüren oder Programme , die Sei über den Chil Technology Day informieren sowie Informationen über unser Interact Center geben falls Sie an einem unserer Austauschprogramme interessiert sind . </seg>
<seg id="408"> Also ich hoffe damit haben wir Ihnen einen kleinen Überblick gegeben , ich hoffe Sie werden in der Klausur zu den kognitiven Systemen gut abschneiden . </seg>
<seg id="409"> Mein Ratschlag an Sie für die Klausur ist , machen Sie die Übungen , machen Sie die Hausaufgaben . </seg>
<seg id="410"> Falls Sie sie noch nicht gemacht haben , fangen Sie jetzt damit an , denn es gibt eine enge Verbindung zwischen nicht bestehen und dem nicht machen der Übungen . </seg>
<seg id="411"> Also die Leute , die die Übungen machen , schneiden gut in der Klausur ab und die anderen nicht . </seg>
<seg id="412"> Also bitte , bitte machen Sie die Übungen , machen Sie die Übungen . </seg>
<seg id="413"> Und ich hoffe , dass es Ihnen allen gelingen wird , in der Abschlussprüfung gut abzuschneiden . </seg>
<seg id="414"> Vielen Dank . </seg>
</doc>
 <doc docid="lecture0002" genre="Lecture"> 
<seg id="1"> Vielen Dank . </seg>
<seg id="2"> Also ich werde heute meine Arbeit zur Portierung von phonembasierten Spracherkennungssystemen auf neue Sprachen vorstellen unterstützt durch artikulatorische Merkmalmodelle . </seg>
<seg id="3"> Also einfach eine weitere Arbeit , um die Arbeit der Portierung auf neue Sprachen allgemein voranzubringen . </seg>
<seg id="4"> Wenn wir uns die Sprachen anschauen , die heute in der Welt existieren dann gibt es ungefähr fünf bis siebentausend unterschiedliche Sprachen , die noch existieren und die in der heutigen Welt benutzt werden und das ist natürlich eine große Zahl und eines der interessanten Tatsachen über diese große Zahl ist , dass die große Mehrheit dieser Sprachen nur von einem kleinen Teil der Bevölkerung gesprochen werden . </seg>
<seg id="5"> Wenn Sie sich die Sprachen mit einer Million Sprechern oder mehr anschauen . </seg>
<seg id="6"> Sie werden von ungefähr sechsundneunzig Prozent der Bevölkerung gesprochen . </seg>
<seg id="7"> Also ungefähr dreihundertfünfzig bis vierhundertfünfzig Sprachen werden von sechsundneunzig Prozent der Bevölkerung gesprochen . </seg>
<seg id="8"> Die restlichen fünfundneunzig Prozent der Sprachen werden nur von sechs Prozent der Bevölkerung gesprochen . </seg>
<seg id="9"> Zur Zeit erleben wir gerade , dass Sprachen häufig aussterben . </seg>
<seg id="10"> Dies ist ein Trend , der in der Vergangenheit begonnen hat , also im Laufe der letzten zweihundert Jahre konnten Linguisten aufzeigen , dass Sprachen angefangen haben auszusterben , aber es scheint , dass sich dieser generelle Trend verstärkt und Linguisten schätzen , eine sehr pessimistische Schätzung , dass innerhalb weniger Generationen bis zu neunzig Prozent aller lebendiger Sprachen von heute aussterben könnten auf der technischen Seite , wenn wir uns automatische Spracherkennungssysteme oder natürliche Sprachverarbeitungssysteme allgemein anschauen diese gibt es nur für einen Bruchteil dieser Sprachen in der Welt . </seg>
<seg id="11"> Also es ist üblich heutzutage zu sagen Sprachen , die ausgewählt wurden sind reich mit einer großen Anzahl an Sprechern sind gefährlich . </seg>
<seg id="12"> Also ich denke das ist politisch irrelevant , was gut ist , würde ich sagen , aber dies sind überwiegend die Sprachen für die natürliche Sprachverarbeitungssysteme entwickelt wurden und interessanterweise , wenn man sich die Arbeit von Linguisten anschaut Linguisten selber haben von einer nicht-technischen Sichtweise überwiegend mit den größten Sprachen gearbeitet aber nur sehr wenig Arbeit geleistet , um die vielen Minderheitensprachen , die es auf der Welt gibt , zu erforschen . </seg>
<seg id="13"> Also wenn wir uns die technische Seite des Trainings eines ASR Systems anschauen das Training benötigt große Datenmengen . </seg>
<seg id="14"> Die statistischen Methoden versuchen nur so viele Audiodaten , vorzugsweise manuell annotiert , zu verarbeiten , um die notwendigen Statistiken zu sammeln , um die statistischen Modelle zu schätzen . </seg>
<seg id="15"> Und gleichzeitig , das ASR System läuft nun schon seit einigen Jahren so gut , dass sie in realen Situation zur Anwendung kommen . </seg>
<seg id="16"> Wenn Sie sich dieses Projekt anschauen , die Industriepartner fangen an ASR Systeme sogar in ihren Systemen zu benutzen und denken darüber nach wie man sie einsetzen könnte . </seg>
<seg id="17"> Wenn Sie sich den Markt anschauen , gibt es jetzt viele Produkte da draußen , die sich automatische Spracherkennungssysteme zu Nutze machen und heutzutage auch in Kombination mit Übersetzungssystemen , aber diese Systeme gibt es nur für die großen Sprachen in der Welt . </seg>
<seg id="18"> Also , hier sehen wir , dass wir tatsächlich Gefahr laufen , eine digitale Spaltung zu verursachen einfach so , der Zugang zum Internet , der nicht für jeden zugänglich ist , könnte eine digitale Spaltung verursachen auf der Seite der Informationszugangsgröße hier laufen wir Gefahr , dass wir eine digitale Spaltung verursachen wenn es darum geht , auf andere Sprachen automatisch zuzugreifen . </seg>
<seg id="19"> Zum Beispiel , wenn man sich Übersetzungssysteme anschaut , dann laufen wir zur Zeit Gefahr , dass Übersetzungssysteme nur für größere Sprachen verfügbar sind und einer der Gründe warum Sprachen so schnell aussterben ist die Tatsache , dass viele Redner zu Sprachen wechseln , die ihnen vorteilhafter erscheinen also wirtschaftliche Vorteile , politische Vorteile oder für den gesellschaftlichen Status und dies sind nicht nur Sprachen , die in einem abgelegenen Dorf im Dschungel gesprochen werden , dies sind tatsächlich sehr bekannte Sprachen , wie Gälisch oder heutzutage wird sogar angenommen , dass Irisch auf dem Weg zum Aussterben ist , da die Leute zum Englischen wechseln , weil sie denken , dass es ihnen Vorteile bringt . </seg>
<seg id="20"> Also die Idee ist , dass es schön wäre , die Sprachenvielfalt in der Welt zu behalten , um viele verschiedene Sprachen zu haben ähnlich , sagen wir mal , zur biologischen Vielfalt , um eine gesunde Umwelt zu haben , in der Sprachen sich entwickeln können und gut entwickeln können und mit ihnen können sich die Kulturen der Menschen , die eng mit den Sprachen verbunden sind , auch gut entwickeln . </seg>
<seg id="21"> Also , wenn wir uns das anschauen , wir haben gesagt , dass wir große Mengen annotierter Audiodaten brauchen , um die akustischen Modelle der ASR Systeme zu trainieren wenn wir alle Sprachen weltweit angehen wollen oder wenigstens sehr viele Sprachen in der Welt ist dieser traditionelle Ansatz wahrscheinlich nicht möglich . </seg>
<seg id="22"> Es ist zu teuer zu zeitaufwendig wenn es darum geht , diese Systeme zu entwickeln . </seg>
<seg id="23"> Also die Menschen haben vor einiger Zeit bereits angefangen zu schauen wie man ASR Systeme für neue Sprachen auf günstige Weise einsetzen kann , so dass es auf viel mehr Sprachen angewendet werden kann , als heute üblich ist . </seg>
<seg id="24"> Also ein Teil der Arbeit von Tanya und Alex handelte von der Verwendung von multilingualen akustischen Modellen , um Spracherkennungssysteme auf neue Sprachen zu portieren mit möglichst geringen Mehrkosten oder auf sehr schnelle und günstige Weise und günstig im Sinne , dass wir nicht viel Zeit und Geld brauchen und sie definieren multilinguale automatische Spracherkennungssysteme und Systeme , die in der Lage sind simultan viele Sprachen zu erkennen , das wurde während des Trainings gesehen und dann , als nächster Schritt konnten diese akustischen Modelle dann auf neue Sprachen angewendet werden und eine der von Tanya entwickelten Techniken ist die Technik des multilingualen Mix wobei man akustische Modelle auf mehrere Sprachen trainiert und man teilt dieses akustische Modell mit Sprachen , die auf Phonemidentität basieren . </seg>
<seg id="25"> Also die Idee dahinter ist , man hat ein Annotationsschema , zum Beispiel Ipa was alle Phoneme der Welt bei unterschiedlichen Sprachen auf die gleiche Weise notiert und man kann sagen , dass zwei Phoneme in unterschiedlichen Sprachen , die durch das gleiche Symbol dargestellt werden irgendwie fast ähnlich klingen . </seg>
<seg id="26"> Also man kann gewöhnliche Modelle mit ihnen trainieren , indem man die Trainingsdaten aus allen Sprachen teilt . </seg>
<seg id="27"> Und die Hoffnung ist , wenn man so ein multilinguales Modell hat wenn man viele Sprachen in das Training einbezieht , natürlich die bekannten , für die man bereits ASR Systeme hat , für die man ein akustisches Modell bekommt was die Akustik einer neuen Sprache fast oder sogar vollständig abdeckt . </seg>
<seg id="28"> In Wahrheit gibt es immer noch einen deutlichen Leistungsabfall , wenn man multilinguale Modellierungen bei der Trainingssprache durchführt und auch wenn man es auf eine neue Sprache anwendet , aber es ist ein sehr guter Ansatzpunkt , um ein akustisches Modell in einer neuen Sprache zu eröffnen , das man dann mit nur wenig Adaptionsmaterial anpassen kann , um ein brauchbares ASR System zu bekommen . </seg>
<seg id="29"> Also , statt , dass man große Datenmengen sammelt muss man jetzt weniger große Datenmengen sammeln , um die gleiche Leistung zu bekommen . </seg>
<seg id="30"> Und auf diese Weise , auf diese Weise kann multilinguale akustische Modellierung für Portierung von Spracherkennungssystemen auf neue Sprachen mit weniger Aufwand verwendet werden . </seg>
<seg id="31"> Also dieses Bild illustriert das ML-Mix Konzept . </seg>
<seg id="32"> Also auf der linken Seite hat man den traditionellen monolingualen Erkenner mit den Modellen für jede Sprache . </seg>
<seg id="33"> Sie haben hier getrennte Modelle . </seg>
<seg id="34"> Dies ist das Modell für den mittleren Zustand eines M Phonems , also alle vier Sprachen haben ihre unterschiedlichen Modelle und dann für ML-Mix nimmt man die Trainingsdaten aus allen Sprachen und man trainiert ein ein einzelnen Gaußsches Mischverteilungsmodell für diese Sprachen , da man behauptet , dass ein Deutsches M , Japanisches M , und so weiter im Grunde alle gleich klingen . </seg>
<seg id="35"> Oder wenigstens ähnlich genug , so dass man sie in einem einzigen Modell darstellen kann . </seg>
<seg id="36"> Also auch in der Vergangenheit haben die Leute angefangen sich akustische Modelle mit unterschiedlichen Phonemen anzuschauen . </seg>
<seg id="37"> Also weil die Menschen das Gefühl hatten , dass Phoneme nicht notwendigerweise in der Lage sind tatsächlich alle Effekte , die man bei Sprache hat , einzufangen , wenn es um akustische Modellierung geht besonders Forscher hatten das Gefühl , dass für spontane Sprache die strikte Phonemsequenz , die man benutzt , um die Aussprache von Wörtern zu beschreiben nicht alle Effekte abdecken , die man bei spontaner Sprache hat , wie Auslassung von Phonemen oder die Tatsache , dass Phoneme , die aus unterschiedlichen artikulatorischen Merkmalen bestehen nicht jedes artikulatorische Merkmal wird auf dem gleichen Niveau an Genauigkeit erreicht , abhängig davon ob man nachlässig spricht oder abhängig von dem Kontext , in dem ein Phonem auftritt . </seg>
<seg id="38"> Also , eins der alternativen Modelle , das sich die Leute angeschaut haben , ist die Verwendung von artikulatorischen Merkmalen . </seg>
<seg id="39"> Also , eins der artikulatorischen Merkmale verwendet bei dieser Arbeit eine Art von Beschreibung der artikulatorischen Ziele , die von den Artikulatoren während des Artikulationsprozessen erreicht werden . </seg>
<seg id="40"> Also für jedes Phonem , zum Beispiel Ipa beschreibt bestimmte Ziele , also ob ein Ton stimmhaft oder stimmlos ist , ob es ein Vokal oder Konsonant ist ob es zum Beispiel ein Plosiv oder kein Plosiv ist ob das Dorsum der Zunge eine bestimmt Stellung bei der Artikulation einnimmt . </seg>
<seg id="41"> Dies sind Arten artikulatorischer Merkmale die wir benutzen wenn wir über den Ort und die Art der Artikulation sprechen . </seg>
<seg id="42"> Und Florian-Metze hat in der Vergangenheit eine Arbeit erstellt , bei der er in einem monolingualen Fall gezeigt hat , also wenn man mit einer sehr bekannte Sprache arbeitet und man die Phoneme und Modelle für diese artikulatorischen Merkmale und er hat Verbesserungen gezeigt als er diese Art von Kombination durchführt . </seg>
<seg id="43"> Und um das zu tun , braucht man Modelle für artikulatorische Merkmale und er hat binäre Merkmale . </seg>
<seg id="44"> Also für jedes artikulatorische Merkmal , das man definiert trainiert man zwei Modelle , eins um seine Abwesenheit festzustellen und eins um seine Anwesenheit festzustellen . </seg>
<seg id="45"> Also für das Merkmal Stimmlichkeit , man hat ein Modell , das aussagt ob ein Ton stimmhaft ist und man hat ein anderes Modell , das aussagt ob das Merkmal stimmlos ist und wir haben ein Gaußsches Mischverteilungsmodell dafür , mit einhundertachtundzwanzig Gaußschen Komponenten . </seg>
<seg id="46"> Also , wenn man eine Rahmenklassifikation machen möchte , kann man einfach einen Naiven-Bayes Klassifikator erstellen , indem man zwei Modelle benutzt , aber wenn man dies nun in die kontinuierliche Spracherkennung eingliedert Florian hat ein Stream-basiertes Setup , bei dem man die Phonemmodelle und die artikulatorischen Merkmalmodelle kombiniert , in dem Stadium , in dem man die Emissionenwahrscheinlichkeit berechnet . </seg>
<seg id="47"> Also hier nur den Überblick über eine Ipa Tabelle . </seg>
<seg id="48"> Also , was man jetzt sehr deutlich sehen kann , zum Beispiel , dass jedes Phonem in der Tabelle als eine Art Kombination von unterschiedlichen artikulatorischen Merkmalen beschrieben ist . </seg>
<seg id="49"> Also ein Phonem ist im Grunde nur ein verkürztes für eine Reihe von artikulatorischen Merkmalen , so als wenn es ein Frikativ ist , es ist ein Labiodental und stimmhaft , zum Beispiel . </seg>
<seg id="50"> Das würde einem das würde dieses Paket oder Vektor an artikulatorischen Merkmalen , man würde es dann als Phonem abkürzen . </seg>
<seg id="51"> Und wenn es zu einem Stream-basierten Setup kommt dieses Diagramm stellt das Stream-basierte Setup dar . </seg>
<seg id="52"> Also Stream null ist normalerweise unser Phonemmodell genauso wie in der phonembasierten Erkennung und wenn man jetzt die Emissionswahrscheinlichkeit eines HMM Status berechnen will es ist nur nicht mehr die Emissionswahrscheinlichkeit eines Gaußschen Mischverteilungsmodell eines Phonemmodells , aber wir führen in der Log Wahrscheinlichkeitsdomain eine lineare Kombination dieses Phonemmodells durch mit allen entsprechenden artikulatorischen Merkmalsmodellen , die diesem Phonem entsprechen . </seg>
<seg id="53"> Also sagen wir mal , wenn man den Score für ein P berechnet dann würde man den Phonemmodell Score für ein P nehmen dann würde man sagen , dass es ein Plosiv ist , also man nimmt das Phonemmodell für Plosive und was ist es ? </seg>
<seg id="54"> Ès ist stimmlos , also man nimmt das artikulatorische Merkmalsmodell für stimmlos und dann würde man die Scores berechnen , sie zusammenzählen und ihnen Gewichte zuweisen . </seg>
<seg id="55"> Also es ist eine Log-lineare Kombination , also man summiert nicht einfach die Werte , aber aufgrund von nummerischen Aspekten auch aufgrund davon wie Werte in der Lage sind bestimmte Merkmale zu erkennen man gibt den einzelnen Wahrscheinlichkeiten oder Logwahrscheinlichkeiten in der Summe unterschiedliche Gewichte . </seg>
<seg id="56"> Also , da man diese Gewichte braucht braucht man eigentlich eine gute Möglichkeit diese Gewichte auf gute Art und Weise auszuwählen und in der Vergangenheit habe ich mit zwei Methoden gearbeitet eine ist heuristisch einfach heuristisch und die andere ist eine diskriminative Trainingsmethode , um die Gewichte herauszufinden . </seg>
<seg id="57"> Ich werde das später etwas detaillierter erklären . </seg>
<seg id="58"> Also , in der Vergangenheit haben wir untersucht ob artikulatorische Merkmale auch auf multilinguale Weise modelliert werden können und auf cross-linguale Weise angewendet werden und was wir herausgefunden haben ist , dass artikulatorische Merkmale relativ robust in Sprachen erkannt werden können . </seg>
<seg id="59"> Also wenn man ein Modell für Stimmlichkeit nimmt und es wurde auch auf Englisch trainiert und man wendet es auf Deutsch an ist man tatsächlich in der Lage , einen stimmhaften Deutschen Klang und einen stimmlosen Klang zu unterscheiden indem man dieses Modell benutzt , das nur auf Englisch trainiert wurde . </seg>
<seg id="60"> Und auch , man kann das Gleiche tun wie für Phoneme man kann multilinguale artikulatorische Merkmalmodelle trainieren , indem man die Trainingsdaten aus allen unterschiedlichen Sprachen bündelt . </seg>
<seg id="61"> In ihrer Arbeit hat Tanya einen Maßstab namens Share Factor eingeführt , den sie misst , dass wenn man ein multilinguales Modell hat , und es auf eine neue Sprache anwendet misst man wie gut die Phoneme der neuen Zielsprache bereits abgedeckt sind durch dieses multilinguale Modell . </seg>
<seg id="62"> Also , wie viele Phoneme haben sie gemeinsam und wenn man das Gleiche für die artikulatorischen Merkmale macht merkt man , dass der Share Factor für artikulatorische Merkmale tatsächlich höher ist als für Phoneme , also die Überschneidung zwischen Merkmalen in unterschiedlichen Sprachen scheint generell höher zu sein als für Phoneme . </seg>
<seg id="63"> Also das macht sie sehr interessant für multilinguale und cross-linguale Anwendungen weil man in der Lage ist , viele der Merkmale in der Zielsprache abzudecken ohne die Zielsprache zu sehen . </seg>
<seg id="64"> Und in der Vergangenheit haben wir uns die Kombination von cross-lingualen und multilingualen artikulatorischen Merkmalen mit monolingualen Phonemmodellen angeschaut . </seg>
<seg id="65"> Also wir haben immer Phonemmodelle , die für die Zielsprache trainiert wurden und wir haben sie mit artikulatorischen Merkmalen aus vielen Sprachen kombiniert oder mit multilingualen artikulatorischen Merkmalen und wir haben mit der Trainingssprache der Phonemmodelle getestet und haben Verbesserungen gesehen . </seg>
<seg id="66"> Also , die Frage , die wir uns jetzt selbst stellen ist was wenn wir ein Phonemmodell haben , das auch ein multilinguales Modell oder monolinguales Modell ist , was sich von der Testsprache unterscheidet . </seg>
<seg id="67"> Also , wenn man eine neue Sprache hat , die wir nicht gesehen haben , weder bei den artikulatorischen Merkmalmodellen noch bei den Phonemmodellen und wir kombinieren jetzt Phonemmodelle multilinguale , monolinguale mit artikulatorischen Merkmalen und wenden sie auf die neue Sprache an , wird es Verbesserungen geben , als wenn man nur Phoneme verwendet ? </seg>
<seg id="68"> Also , wie ich bereits gesagt habe , wir müssen Strömungsraten auswählen und wir haben zwei Arten , auf die wir dies tun können . </seg>
<seg id="69"> Eine eine Sache , die wir versucht haben , war Heuristik . </seg>
<seg id="70"> Also , das war einfach . </seg>
<seg id="71"> Wir haben eine feste Stream-Rate für jedes artikulatorische Merkmal , das wir hinzufügen würden zu dem Stream-basierten Setup und dann wäre das Gewicht für die phonembasierten Modelle einfach das Gewicht , das sie auf eins aufsummiert und dann haben wir uns die die Klassifizierungsgenauigkeiten und wir testen die Wortfehlerrate an einem Entwicklungsset bis man eine maximale Leistung erreicht und dann ist das das Setup , das man später auf das Evaluationsset anwendet . </seg>
<seg id="72"> Der andere Weg war eigentlich ein Training der Gewichte , indem wir eine Methode namens diskriminative Modellkombination anwenden . </seg>
<seg id="73"> Es ist ein etwas , das von Peter-Beyerlein entwickelt wurde eigentlich für das gleiche Stream-basierte Setup , das wir verwenden . </seg>
<seg id="74"> Also , was er eigentlich gemacht hat ist , er hat es zum Beispiel dafür verwendet , die Gewichte von unterschiedlichen Sprachmodellen zu trainieren . </seg>
<seg id="75"> Die auch auf log-lineare Weise kombiniert sind mit den Modellen aus dem akustischen Modell und nur wie das ist dasselbe Setup , das wir jetzt mit Phonemmodellen und den artikulatorischen Merkmalmodellen haben . </seg>
<seg id="76"> Also wir haben dies benutzt , um die Gewichte diskriminativ zu trainieren , die wir für das Stream-basierte Setup haben und was dieses DMC macht , ist , dass es ein Gradientenverfahren durchführt auf einer gleichmäßigen Wortfehlerratenfunktion . </seg>
<seg id="77"> Und so wie die Wortfehlerratenfunktion gleichmäßig gemacht wird , so dass man tatsächlich einen abfallenden Gradienten machen kann wird auf die Art gemacht , dass es eine Approximation der Wahrscheinlichkeit des gesamten Hypothesenraum und da dies in der Realität natürlich nicht möglich ist , haben wir als Approximation dafür eine N-beste Liste verwendet . </seg>
<seg id="78"> Also die Experimente bei dieser Arbeit wurden mit dem Globalphone Korpus durchgeführt , oder mit Sprachen aus dem Globalphone Korpus . </seg>
<seg id="79"> Globalphone wurde von Tanya und unter Tanyas Aufsicht gesammelt und ist ein Korpus von gelesenen Zeitungsartikeln aus vielen Sprachen , ich glaube achtzehn und die Anzahl steigt weiter , also die Zahl könnte bereits übertroffen worden sein und diese Artikel sind alle auf ähnliche Weise gesammelt worden , oder im Prinzip auf die gleiche Weise also nah am Mikrophon gesprochen , gleiche Aufnahmequalität Zeitungsartikel werden von Muttersprachlern gelesen für eine LVCSR Funktion es ist gut dafür geeignet wenn man Forschung betreibt beim Portieren in neue Sprachen oder wenn man die Leistung von Sprachen vergleicht oder bei multilingualer Modellierung . </seg>
<seg id="80"> Also , für unsere Experimente haben wir die Sprachen Deutsch , Englisch , Russisch und Spanisch ausgewählt und wir haben hauptsächlich drei Sets beim Korpus , eins fürs Training eins für Entwicklungsarbeit wie zum Beispiel , die richtigen Stream-Raten zu finden und Sprachmodellgewichte und so weiter und wenn wir die optimale Kombination gefunden haben , haben wir die Evaluation in einem separaten Set gemacht . </seg>
<seg id="81"> Also dies gibt uns einen Überblick über die Größe von vier unterschiedlichen Sprachen , über das Training , Entwicklung und Evaluationsset . </seg>
<seg id="82"> Also , um ein Gefühl dafür zu bekommen wie gut ihre Portierung in die neue Sprache funktioniert und wie gut die Leistung der unterschiedlichen Sprachen ist haben wir als Baseline monolinguale Sprachenerkenner trainiert , die wir ausgewählt haben und und nur ein Standard Setup wie man es kennt mit einem MFCC Front end . </seg>
<seg id="83"> Links nach rechts kontinuierliches HMM , wir haben kontextunabhängige und kontextabhängige Modelle die kontextabhängigen Modelle haben dreitausend Modelle und sind phonetisch verbunden , indem sie einen Klassifikations und Regressionsbaum benutzen und dann haben wir auch ein multilinguales Modell für die Sprachen Englisch , Russisch und Spanisch trainiert . </seg>
<seg id="84"> Und wir haben natürlich auch die dazugehörigen Detektoren für artikulatorische Merkmale für die Sprachen Englisch , Russisch und Spanisch und wie Sie sich vorstellen können war Deutsch unsere hauptsächliche Zielsprache , also wir haben vorgegeben , dass wir gar kein Deutsch können und die Portierung nach Deutsch und dann kann man es mit einem vollständigen Deutschen System vergleichen , wie es aussehen würde wenn man genug Trainingsmaterial hat . </seg>
<seg id="85"> Also dies gibt nur einen Überblick über diese Baseline Systeme für die kontextunabhängigen und kontextabhängigen Fälle für die andere Evaluation für die Entwicklung und Evaluationsset und man kann sehen , dass Zahlen von Sprache zu Sprache variieren , was normalerweise auf den unterschiedlichen Schwierigkeitsgrad der unterschiedlichen Sprachen hinweist , wenn man für sie ein Spracherkennungssystem entwickeln will und was sie wahrscheinlich sofort bemerken werden Russisch sticht hervor , da es sehr hohe Wortfehlerraten hat und der Grund für Russisch ist Russisch ist aus linguistischer Sicht sehr komplex . </seg>
<seg id="86"> Erstens ist es äußerst beugbar und zweitens , was es sehr schwierig macht für N-Gramm Sprachmodellierungen . </seg>
<seg id="87"> Hat es eine sehr lockere Wortstellung . </seg>
<seg id="88"> Im Prinzip ist alles möglich . </seg>
<seg id="89"> Die Art wie man Wörter verändert führt zu unterschiedlicher Intonation oder unterschiedlichen Konnotationen in den unterschiedlichen Sätzen , aber man kann die Wörter sehr frei anordnen , was dazu führt , dass das Russische Sprachmodell eine sehr hohe Perplexität hat eintausend und höher und darum haben wir so hohe Wortfehlerraten für Russisch und das ist immer noch ein ungelöstes Problem , aber jetzt zu einem anderen Forschungsproblem . </seg>
<seg id="90"> Aber wenn man jetzt ein multilinguales Modell für die Sprachen Englisch , Russisch und Spanisch trainiert bekommt man diese Zahlen , und Sie werden feststellen , dass diese Zahlen irgendwie kleiner sind als die monolingualen Zahlen und der Grund dafür ist , dass obwohl ein Phonem , das mit dem gleichen Ipa Symbol notiert ist , in unterschiedlichen Sprachen sehr ähnlich klingen kann es ist eigentlich nicht genau das gleiche , sondern kann unterschiedliche Variationen haben . </seg>
<seg id="91"> Dieses multilinguale Modell , das drei Sprachen abdeckt hat die gleiche Anzahl an Modellen wie Erkenner für nur eine Sprache in einem monolingualen Fall . </seg>
<seg id="92"> Also , wenn man diese Experimente durchführt und dieses multilinguale Modell mit , sagen wir neuntausend Modellen trainieren werden Sie sehen , dass diese Zahlen tatsächlich runtergehen . </seg>
<seg id="93"> Man erreicht die monolinguale Wortfehlerrate , aber es ist ein Zeichen , dass wenn man die gleiche Menge Modelle hat für mehr als eine Sprache verliert man irgendetwas . </seg>
<seg id="94"> Sie sind nicht in der Lage die Kontextabhängigkeit in dem kontextabhängigen Baum so gut einzufangen als wenn man nur mit einer Sprache arbeiten würde . </seg>
<seg id="95"> Also das erste Experiment war einfach eine monolinguale Portierung . </seg>
<seg id="96"> Also haben wir einen Englischen Erkenner und haben es auf das Deutsche Set angewendet und wenn man die Phonemmodelle nimmt sieht man diese Zahlen . </seg>
<seg id="97"> Also dies sind Wortfehlerraten und sie sind vergleichbar hoch weil sich die Englische Akustik von der Deutschen Akustik unterscheidet und die Wortfehlerraten , wenn Sie nicht , und keine Deutschen Daten haben , und Sie wenden einfach das Englische Akustikmodell auf Deutsch an , ist vergleichbar hoch . </seg>
<seg id="98"> Also , wenn man jetzt anfängt artikulatorische Merkmalmodelle hinzuzufügen zu diesen Phonemmodellen . </seg>
<seg id="99"> Sehen Sie , dass Sie einen Abfall in der Wortfehlerrate bekommen und , es ist wichtig anzumerken , also wir haben sowohl die heuristische und die diskriminative Modellkombination und was wir gemacht haben ist , dass wir tatsächlich das Gewicht für die Kombination festlegen , das Stream-basiertes Setup bei dem Englischen Entwicklungsset . </seg>
<seg id="100"> Wir haben das dann auf das Deutsche angewendet . </seg>
<seg id="101"> Also diese Zahlen haben keine Deutschen Daten gesehen nicht einmal das Deutsche Entwicklungsset um die richtigen Stream-basierte Raten zu finden und so ist es eigentlich interessant wenn man bemerkt , dass diese Gewichte , die wir im Englischen Set finden tatsächlich scheinbar positive Auswirkung auf das Deutsche Set haben , also sind sie irgendwie nicht vollständig sprachenunabhängig , aber sie generalisieren eine neue Sprache auf angemessene Weise . </seg>
<seg id="102"> Was wir auch sehen können ist , dass wenn wir nur die Englischen artikulatorischen Merkmale mit der DMC hinzufügen wir eine geringere Wortfehlerrate bekommen als wenn wir alle artikulatorischen Merkmale der DMC verwenden . </seg>
<seg id="103"> Und dies ist aufgrund der Tatsache , dass es eigentlich ein Ungleichgewicht gibt zwischen dem Weg der Stream-basierten Raten und einem Set und dem Set , das es testet . </seg>
<seg id="104"> Wir werden später sehen , dass , wenn man tatsächlich ihre Stream-basierten Raten auf die Zielsprache berechnet , man bessere Werte bekommen wird . </seg>
<seg id="105"> Also anstatt das Englische phonembasierte Modell zu benutzen und es auf Deutsch anzuwenden benutzen wir jetzt das multilinguale Modell und wenden es auf Deutsch an und was man jetzt sehen kann ist , dass die Wortfehlerrate zu sinken beginnt . </seg>
<seg id="106"> Also wie wir von Tanyas Arbeit wissen wenn man ein multilinguales Modell hat , das Daten aus vielen Sprachen gesehen hat dann profitiert man davon , wenn man es auf eine neue Sprache anwendet . </seg>
<seg id="107"> Man ist besser in der Lage es zu erfassen und jetzt haben wir angefangen die artikulatorischen Merkmalmodelle hinzuzufügen , zuerst nur die Englischen dann am Ende multilinguale alle monolingualen und man kann sehen , dass die Wortfehlerrate im Allgemeinen sinkt wieder für die DMC . </seg>
<seg id="108"> Sie sehen , das Problem ist , dass die phonembasierten Modelle und die Englischen artikulatorischen Merkmalmodelle nicht schaden , aber sie bringen einem keine große Zunahme , aber wenn man alle Modelle verliert , fängt man tatsächlich an mittlere Zunahmen zu sehen . </seg>
<seg id="109"> Sie sind nicht riesig , aber sie sind bei allen unterschiedlichen Kombinationen beim Hinzufügen von artikulatorischen Merkmalmodellen konsistent und berechnen die Stream-basierten Gewichte , also es gibt einen deutlich sichtbaren Trend . </seg>
<seg id="110"> Also , was wir dann gemacht haben ist , wir haben angefangen Adaptionsmaterial zu benutzen , um auch das phonembasierte Modell anzupassen . </seg>
<seg id="111"> Also wir geben vor , dass wir fünfzehn Minuten mit Adaptionsdaten auf Deutsch haben und wir haben angefangen die Phonemmodelle anzupassen mit diesen fünfzehn Minuten und man kann sehen , dass die Wortfehlerrate schon deutlich sinkt und jetzt wenn wir die artikulatorischen Merkmale wieder anpassen , sinkt die Wortfehlerrate und wie wir gesehen haben , scheint es am besten zu sein , alle artikulatorischen Merkmale hinzuzufügen , also wir haben es diesmal mit allen artikulatorischen Merkmalen gemacht und verwenden die DMC , um die Stream-Basis und Stream-Gewichte im Setup zu verwenden . </seg>
<seg id="112"> Also abschließend kann ich sagen , die Arbeit hat einen Hinweis darauf gegeben , dass artikulatorische Merkmale dafür geeignet sind phonembasierte Modelle in neue Sprachen zu portieren . </seg>
<seg id="113"> Und wenn man Stream-Gewichte hat , die für ein Entwicklungsset einer anderen Sprache geschätzt werden und sie dann testet bringen sie einem immer noch Verbesserungen , wenn man sie für die neuen Sprachen testet , also sie scheinen irgendwie generell zu gelten für verschiedene Sprachen . </seg>
<seg id="114"> Und wenn man dann die adaptierten Phonemmodelle kombiniert , also man passt die Phonemmodelle ans Deutsche an und man kombiniert sie mit allen artikulatorischen Merkmalen man sieht auch Verbesserungen , nicht nur wenn man nur unpassende Phonemmodelle hinzufügt . </seg>
<seg id="115"> Also für die zukünftige Arbeit , eine Sache , die noch fehlt ist , wir haben Phonemmodelle adaptiert , aber bis jetzt haben wir keine artikulatorischen Merkmalmodelle adaptiert . </seg>
<seg id="116"> Also das ist eines der zukünftigen Experimente , was passiert wenn man jetzt auch die artikulatorischen Merkmalmodelle adaptiert wird man wird man größere Zunahmen durch das Hinzufügen von artikulatorischen Merkmalmodellen bekommen . </seg>
</doc>
<doc docid="lecture0003" genre="Lecture"> 
<seg id="1"> Hi . </seg>
<seg id="2"> Also , für all diejenigen , die mich nicht kennen , ich bin Kevin-Kilgour aus Karlsruhe und ich werde heute über Sprachmodelladaption sprechen insbesondere indem man miteinander verknüpfte semantische Daten verwendet . </seg>
<seg id="3"> Die nur ein kleiner Überblick darüber wofür wir eigentlich Sprachmodelle benötigen , Sie wissen all dies wahrscheinlich schon , aber Sprachmodelle sind eine mathematische Repräsentation natürlicher Sprache und wir benötigen Sie immer wenn Maschinen natürliche Sprache entdecken . </seg>
<seg id="4"> Die dieses dieses Sprachmodell hier wurde insbesondere für die automatische Spracherkennung entwickelt . </seg>
<seg id="5"> Ein verbreitetes Phänomen ist , wenn man ein Sprachmodell entwickelt , dass man ein Sprachmodell in einer Domäne trainieren kann und es sehr gut funktioniert in dieser Domäne . </seg>
<seg id="6"> Aber wenn man versucht es für eine andere Domäne zu verwenden , dann schlägt es fehl und wenn man ein Sprachmodell entwickelt , das im Allgemeinen gut genug für alle Domänen ist , ist es in dieser einen bestimmten Domäne nicht so gut . </seg>
<seg id="7"> Also , es wurde versucht , die Sprachmodelle zu adaptieren indem man den Output so nimmt , dass das ASR System etwas Text transkribiert . </seg>
<seg id="8"> Man nimmt diesen Output , man analysiert ihn und man adaptiert sein Sprachmodell je nach Output . </seg>
<seg id="9"> Es ist in diesem Gebiet für mein adaptives Sprachmodell . </seg>
<seg id="10"> Und ich möchte vorschlagen vorschlagen vorschlagen ein Sprachmodell , das sich diesen Bedürfnissen anpasst . </seg>
<seg id="11"> Also das Ziel , das ich mir gesetzt hatte war , dass ich ein domänenunabhängiges Sprachmodell haben wollte . </seg>
<seg id="12"> Ich möchte es nicht für eine bestimmte Domäne entwickeln es soll sofort in jeder Domäne verwendbar sein sollte in der Lage sein , egal wo , zu generalisieren , um zum Speziellen zu kommen , wie in der vorherigen Folie es fängt an mit , Entschuldigung . </seg>
<seg id="13"> Es fängt an , dass der Lehrer guten Morgen , Klasse sagt und dann fängt er an über Geschichte zu sprechen also , erst einmal könnte das Sprachmodell erkennen , ah wir sind in einem Klassenumfeld aber , sobald mehr Informationen reinkommen , wird es sich spezialisieren auf , ah wir sind in einer Geschichtsumgebung . </seg>
<seg id="14"> Wir müssen auf Wörter vorbereitet sein , die etwas mit Geschichte zu tun haben . </seg>
<seg id="15"> Also , das sind die Generalisierungs und Spezialisierungsfähigkeiten und es wäre für die weitere Verarbeitung gut wenn wir auch einige semantische Informationen daraus bekommen würden . </seg>
<seg id="16"> Die dies ist nur ein grober Überblick darüber , wie ein solches Sprachmodell aussehen könnte . </seg>
<seg id="17"> Wie wir haben unten links ein ASR System und um ein Sprachmodell zu entwickeln benötigen wir Daten . </seg>
<seg id="18"> Wir brauchen immer Daten . </seg>
<seg id="19"> Und ich werde das sofort näher erklären . </seg>
<seg id="20"> Okay , Sie nehmen etwas aus Ihren Daten , und Sie entwickeln sehr viele Sprachmodelle und dann , während der Dekodierung müssen Sie irgendeinen Weg finden , diese Sprachmodelle zu vermischen je nachdem , was Sie entdeckt haben . </seg>
<seg id="21"> Schauen wir uns die Voraussetzungen für die Datenquellen an . </seg>
<seg id="22"> Große Mengen an Text . </seg>
<seg id="23"> Man braucht immer sehr viel Text und es muss verschiedene Domänen abdecken und man muss genug Text haben , um ein Sprachmodell für die Domäne zu entwickeln wenn Sie nur ein paar hundert Wörter , oder nur ein paar Tausend Wörter haben , können Sie kein Sprachmodell entwickeln , das gut genug ist . </seg>
<seg id="24"> Also jede einzelne Domäne braucht auch sehr viel Text . </seg>
<seg id="25"> Und Ihre Datenquelle sollte in der Lage sein man sollte in der Lage sein , Domänen aus Ihrer Datenquelle zu extrahieren und auch Text damit zu verknüpfen eine Datenquelle , die ich gefunden habe ist ein Open-Directory Projekt , das ist ein großes Verzeichnis von Webseiten und Links , ein bißchen wie Yahoo , aber keine Suchmaschine , aber das Verzeichnis , auf das man klicken kann für die Themen geht sehr tief . </seg>
<seg id="26"> Es enthält über vier Millionen Links und es ist kostenfrei zugänglich und die Links wurden in fast sechshundert Kategorien sortiert , die wir als Konzepte nutzen können . </seg>
<seg id="27"> Wenn man die Kategorienhierarchie benutzt , kann man Texte extrahieren und sie mit den Kategorien und den Konzepten verknüpfen denn wir haben die Voraussetzung , dass wir viel Text benötigen und nur ungefähr neunzigtausend dieser Kategorien enthalten , naja , sind als Konzepte verwendbar . </seg>
<seg id="28"> Und um so viel Arbeit zu bekommen was man machen kann ist , man kann der Hierarchie nach unten folgen und dann immer mehr Daten hinzufügen . </seg>
<seg id="29"> Also wenn so Ihre Hierarchie aussieht , und Sie wollen ein Sprachmodell entwickeln , fügen Sie rekursiv die ganzen Texte hinzu und den gesamten Teilbaum . </seg>
<seg id="30"> Dieser mehr ein besserer Blick auf einen Eintrag . </seg>
<seg id="31"> Jeder Eintrag in dem Open-Directory Project enthält Links zu Webseiten , die mit dem Konzept oder der Kategorie verknüpft sind und Links zu Teilkonzepten und sie selbst enthalten auch viele Links . </seg>
<seg id="32"> Also wann immer Sie wann immer Sie es entwickeln oder wann immer Sie einen Text mit Ihren Konzepten verknüpfen dies ist eine schematische Ansicht des Open-Directory Projects . </seg>
<seg id="33"> Und statt dass man nur einen Knoten nimmt und die Links damit verknüpft , folgt man dem ganzen Teilbaum nach unten . </seg>
<seg id="34"> Also , je höher oben Sie sind desto größer Ihr Sprachmodell aber auch desto allgemeiner ist es und je tiefer unten desto spezialisierter wird es . </seg>
<seg id="35"> Okay . </seg>
<seg id="36"> Wenn Sie einmal herausgefunden haben , welche Texte und welche Konzepte Sie miteinander verknüpfen wollen , den Mechanismus um auszuwählen welches Sprachmodell Sie wann verwenden wollen . </seg>
<seg id="37"> Um das zu tun , schauen Sie sich schauen Sie sich Ihr ganzes System an und Sie werden irgendwann merken , Sie haben Text und wir müssen uns an diesen Text anpassen . </seg>
<seg id="38"> Das ich habe mich entschieden Attribut-Vektoren zu entwickeln aus dem Text , der mit jedem Konzept verknüpft ist , indem man einfache TFIDFs benutzt und speichere sie als dünn besetzte Vektoren . </seg>
<seg id="39"> In einem Komponenten-Selektor . </seg>
<seg id="40"> Die Sprachmodelle kann man aus demselben Text entwickeln . </seg>
<seg id="41"> Also , Sie haben Sprachmodelle und jedes Sprachmodell hat einen ist mit einem Konzept und einem Attribut-Vektor verknüpft . </seg>
<seg id="42"> Naja , jetzt haben Sie eine Suchanfrage für diesen Komponenten-Selektor , was eine Wortsequenz sein wird man entwickelt daraus einen Attribut-Vektor und vergleicht es mit dem Attribut-Vektor , der sich bereits im Selektor befindet und dann kann man herausfinden welches Sprachmodell dem Text am nächsten oder am relevantesten für den aktuellen Text ist . </seg>
<seg id="43"> Hier sind wieder die TFIDFs und die Metrik habe ich benutzt , um diese Nähe zu messen war nur eine einfache Kosinus Metrik die schnell war . </seg>
<seg id="44"> Denn prinzipiell müssen wir nur das Skalarprodukt von zwei dünn besetzten Vektoren bilden und das kann man es recht schnell machen , wenn man sie beide normalisiert hat . </seg>
<seg id="45"> Also , man geht nach oben zurück so viele Konzepte wie Sie wollen . </seg>
<seg id="46"> Die einzige neue Begrenzung ist mit wie vielen können Sie arbeiten und man kann diese Ähnlichkeitsmessungen verwenden . </seg>
<seg id="47"> Führen Sie sie als Gewichte ein , interpolieren Sie Ihre Daten in das in das ASR System . </seg>
<seg id="48"> Also , nur kurz ein Beispiel dazu , was die Kosinus Metrik tut . </seg>
<seg id="49"> Man wählt diejenigen Sprachmodelle aus , die am nächsten sind den Vektor betreffend oder den Winkel betreffend . </seg>
<seg id="50"> Also hier ist ein Beispiel . </seg>
<seg id="51"> Und das ist im Output dieses Komponenten-Selektor wenn es angefragt wird mit einem Satz , der nur von einem Standard , gewöhnlichen Sprachmodell entdeckt wurde und es kommt in den Selektor und es wird dieses Sprachmodell , das es für das beste hält . </seg>
<seg id="52"> Und Sie können hier sehen es hat recht spezifische gefunden aber es hat auch ein allgemeineres gefunden , eines , das das gesamte Thema abdeckt . </seg>
<seg id="53"> Und es hat auch Gewichte zurückgebracht . </seg>
<seg id="54"> Und diese Gewichte werden verwendet , um die Sprachmodelle zu interpolieren nebenbei immer wenn ihr ASR System läuft . </seg>
<seg id="55"> Also bis hierher haben wir unser Versprechen gehalten , domänenunabhängig zu sein , wir haben kein Domänenwissen genutzt das zeigt , dass es generalisieren kann und es hat Spezialisierungsfähigkeiten . </seg>
<seg id="56"> Und diese Folie gibt auch semantische Informationen zurück. </seg>
<seg id="57"> Wir bekommen das praktisch umsonst . </seg>
<seg id="58"> Okay , das ist das wie es dann mit unserem ASR System funktioniert . </seg>
<seg id="59"> Bis jetzt haben wir nur ein Sprachmodell und wir haben es noch in nichts integriert . </seg>
<seg id="60"> In Karlsruhe benutzen wir ein Janus Sprachmodell Janus Erkennungstoolkit . </seg>
<seg id="61"> Und es ist der Decoder ist ein Ibis Decoder . </seg>
<seg id="62"> Und interessant für Sprachmodelle ist die Ecke unten rechts . </seg>
<seg id="63"> Ich habe es vergrößert indem ich einen Komponenten-Selektor zwischen der der linguistischen Wissensquelle hinzugefügt habe und dann ein Set an Sprachmodellen sehr viele Sprachmodele . </seg>
<seg id="64"> Diese Komponente ist hier drin und diese Komponente kommuniziert mit dem zuvor entwickelten Komponenten-Selektor und befragt den Selektor mit der bestimmten Wortgeschichte normalerweise , wenn wir über Wortgeschichte sprechen bei Sprachmodellen , dann denken wir an die letzten zwei Wörter , die letzten fünf Wörter vielleicht . </seg>
<seg id="65"> Aber hier sende ich mit den letzten zwei Wörtern die die ganze letzte Hypothese des vorherigen Satzes vielleicht sogar die vorherigen fünf oder sechs oder zehn Sätze . </seg>
<seg id="66"> Weil wir uns ein breiteres Bild machen wollen . </seg>
<seg id="67"> Und für Testzwecke ist es auch interessant ein Basis Standard Sprachmodell zu benutzen einen ersten Pass zu machen und dann die dekodierte Hypothese zu verwenden , um das Sprachmodell für einen zweiten Pass zu adaptieren . </seg>
<seg id="68"> Und nur ein paar kurze Worte zum verwendeten Basis Sprachmodell ich benutze zwei unterschiedliche Basis Sprachmodelle für unterschiedliche Tests . </seg>
<seg id="69"> In einem Fall habe ich einfach meine gesamte Datenquelle genommen und ein Sprachmodell daraus entwickelt ein einfaches Sprachmodell , das domänenunabhängig ist . </seg>
<seg id="70"> Und da ich es mit TC-Star Daten evaluiert habe habe ich auch ein selbstentwickeltes Sprachmodell benutzt , das wir für TC-Star Evaluierung entwickelt haben , die domänenunabhängig war . </seg>
<seg id="71"> Es wurde für die Domäne optimiert . </seg>
<seg id="72"> Also schauen wir uns ein paar mehr Parameter an . </seg>
<seg id="73"> Wir können nicht neunzig tausend Konzepte einbeziehen . </seg>
<seg id="74"> Das ist nicht vernünftig . </seg>
<seg id="75"> Und wir wollen auch evaluieren war meine Idee , alle Texte in den Teilbaum miteinzubeziehen eine gute Idee ? </seg>
<seg id="76"> Füge ich nur Schrott hinzu ? </seg>
<seg id="77"> Müssen testen , um sicherzustellen , , dass meine Aussage korrekt war ich muss mir die Wortgeschichte anschauen adaptieren und wie sollen wir adaptieren ? </seg>
<seg id="78"> Welche Interpolationsgewichte sollen wir benutzen ? </seg>
<seg id="79"> Insbesondere Interpolationsgewichte zwischen einem Basis Sprachmodell und dem adaptiven Teil . </seg>
<seg id="80"> Also der der Selektor wird diese Konzeptsprachmodelle zurückbringen , und diese müssen interpoliert werden und für mehr allgemeine Teile , interpolieren wir es auch mit dem Basis Sprachmodell wir müssen auch wissen , welche Parameter wir benutzen müssen . </seg>
<seg id="81"> Hm . </seg>
<seg id="82"> Nein . </seg>
<seg id="83"> Ja . </seg>
<seg id="84"> Ist dies herausgekommen ? </seg>
<seg id="85"> Okay , jetzt ist alles schwarz . </seg>
<seg id="86"> Wissen Sie was ? </seg>
<seg id="87"> Oh . </seg>
<seg id="88"> Geht das an ? </seg>
<seg id="89"> Ich habe das PDF ja . </seg>
<seg id="90"> PDF Datei . </seg>
<seg id="91"> Ich habe noch Akku , ich habe einfach keinen Bildschirm . </seg>
<seg id="92"> Vielleicht drehe ich ihn drehe ihn ? </seg>
<seg id="93"> Schließe ihn und öffne ihn wieder ? </seg>
<seg id="94"> Entschuldigen Sie die Verzögerung . </seg>
<seg id="95"> Er hat es absichtlich gemacht . </seg>
<seg id="96"> Ja . </seg>
<seg id="97"> Ja . </seg>
<seg id="98"> Ich habe ich habe das absichtlich gemacht . </seg>
<seg id="99"> Es was ist der Name ? </seg>
<seg id="100"> Name der Präsentation . </seg>
<seg id="101"> Es sollte einfach pres sein . </seg>
<seg id="102"> Pres oder pres-X ? </seg>
<seg id="103"> X ist die alte . </seg>
<seg id="104"> Pres ist die mit den neuen Logos . </seg>
<seg id="105"> Ja . </seg>
<seg id="106"> Ja . </seg>
<seg id="107"> Ja . </seg>
<seg id="108"> Ja . </seg>
<seg id="109"> Mhm . </seg>
<seg id="110"> Hm . </seg>
<seg id="111"> Okay . </seg>
<seg id="112"> Während der wieder hochfährt kann ich Ihnen vielleicht ein bißchen was über die Evaluierung erzählen Daten mit denen ich mein Sprachmodell getestet habe . </seg>
<seg id="113"> Aber ich habe sie mit TC-Star Entwicklungsdaten gefangen die ich aufgeteilt habe . </seg>
<seg id="114"> Ich habe den ersten Teil für meine eigene Entwicklung benutzt und den zweiten Teil für meine Evaluierung . </seg>
<seg id="115"> Und haben wir etwas ? </seg>
<seg id="116"> Hm . </seg>
<seg id="117"> Ich habe sogar einen zweiten Laptop . </seg>
<seg id="118"> Es es ja perfektes Beispiel für ignorieren Sie einfach alle Videos . </seg>
<seg id="119"> Ja . </seg>
<seg id="120"> Folie achtzehn oder neunzehn nein , weiter . </seg>
<seg id="121"> Rechts oben in der Ecke . </seg>
<seg id="122"> Okay . </seg>
<seg id="123"> Okay . </seg>
<seg id="124"> Ja . </seg>
<seg id="125"> Noch eine . </seg>
<seg id="126"> Vielleicht noch eine. </seg>
<seg id="127"> Okay , wieder , noch eine . </seg>
<seg id="128"> Okay , noch eine . </seg>
<seg id="129"> Okay . </seg>
<seg id="130"> Okay . </seg>
<seg id="131"> Naja okay . </seg>
<seg id="132"> Danke . </seg>
<seg id="133"> Entschuldigen Sie die technischen Schwierigkeiten . </seg>
<seg id="134"> Okay , zurück zur Präsentation . </seg>
<seg id="135"> Also wie ich bereits gesagt habe Sie können neunzig tausend Sprachmodelle mit unseren Computern zur Zeit laden . </seg>
<seg id="136"> Eigentlich war bei ungefähr eintausend die Grenze und selbst dafür brauchte man über zwanzig Gigabyte Ram und einige Äußerungen , um es zu dekodieren . </seg>
<seg id="137"> Also , um es zu reduzieren habe ich einige schnelle Heuristiken durchgeführt , um die Anzahl der geladenen Konzepte zu reduzieren . </seg>
<seg id="138"> Und ich benutze nur Konzepte von diesen zwei Knoten , Gesellschaft Regierung und regionales Europa und selbst hier , weil es dort zehntausend Konzepte gab habe ich sie nach Größe geordnet und die oberen zwanzig entfernt und habe dann die größten der Verbleibenden benutzt und wie viele der verbleibenden Größten es sind können Sie auf der nächsten Folie sehen . </seg>
<seg id="139"> Hm . </seg>
<seg id="140"> Weiter . </seg>
<seg id="141"> Ich habe mehrere Sprachmodelle entwickelt , indem ich nur zehn extra Konzeptsprachmodelle benutzt habe überlappend mit tausend extra Konzeptsprachmodellen und habe diese verglichen , um zu sehen ob es geholfen hat mehr Konzepte hinzuzufügen . </seg>
<seg id="142"> In diesem Test habe ich auch die Texte des gesamten Teilbaums benutzt und die Geschichte war nur wie ich zuvor schon sagte , ein Basis Sprachmodell ist durch einen Pass durchgelaufen und der wurde benutzt , um den zweiten Pass zu adaptieren . </seg>
<seg id="143"> Die Interpolationsgewichte liegen jetzt bei fünfzig fünfzig . </seg>
<seg id="144"> Und ich habe zwei unterschiedliche Arten von Basis Sprachmodellen genutzt . </seg>
<seg id="145"> Also , wenn wir weitergehen können wir die Ergebnisse von dem Test sehen wie bereits gesagt wurde dies mit dies wurde mit dem TC-Star Entwicklungsset getestet . </seg>
<seg id="146"> Dies ist nur ein Einstellen der Parameter , also es hat nur den ersten Teil des Sets benutzt wenn man dieses ODPLM benutzt kann man sehen , welches das allgemeinere Basis Sprachenmodell ist , indem ich einfach mein ganzes domänenunabhängiges Datenset verwende . </seg>
<seg id="147"> Es hat eine Wortfehlerrate von einundzwanzig Komma fünf Prozent und sobald ich eintausend Konzeptsprachmodelle hinzugefügt habe hatte ich sie auf zwanzig Komma fünf reduziert . </seg>
<seg id="148"> Also wenn wir mit der nächsten Folie weitermachen diese Methode verbessert die domänenunabhängigen Sprachmodelle , also hier habe ich einen Punkt gemacht . </seg>
<seg id="149"> Nein , wir können mit dem nächsten Test weitermachen , welcher evaluieren sollte wie wir diesen ganzen Teilbaum des Texts benutzen können . </seg>
<seg id="150"> Hat das geholfen ? </seg>
<seg id="151"> Oder war das eine schlechte Idee ? </seg>
<seg id="152"> All die anderen Parameter bleiben gleich und ich habe das größte Sprachmodell behalten nämlich das , das die oberen eintausend Konzepte benutzt . </seg>
<seg id="153"> Jetzt , hier nächste Folie . </seg>
<seg id="154"> Ja . </seg>
<seg id="155"> Nur um es zu veranschaulichen in einem dieser Tests , in dem mit den eintausend X benutze ich nur den individuellen Text des Knotens und in der Standardversion nur die adaptiven eintausend ich habe den gesamten Teilbaum benutzt , also wenn wir zur nächsten Folie kommen nur den Text des Knotens zu benutzen war miserabel . </seg>
<seg id="156"> Es hat einfach eine sehr schlechte Leistung erbracht . </seg>
<seg id="157"> Wobei als wir den gesamten Text des Teilbaums benutzt haben , waren wir in der Lage genug Text zu bekommen , um ein ordentliches Sprachmodell zu entwickeln . </seg>
<seg id="158"> Und nur falls irgendjemand behauptet , dass , indem ich diese zwei Knoten ausgewählt habe , um meine Konzeptsprachmodelle zu wählen , dass ich damit geholfen habe . </seg>
<seg id="159"> Ich habe den gesamten Text einbezogen alle Konzeptsprachmodelle und habe daraus ein Sprachmodell entwickelt und habe es wieder fünfzig-fünfzig mit dem Basis Sprachmodell interpoliert und habe dieses ODPLM gemischte Sprachmodell getestet und es war auch nicht so gut wie war nicht einmal so gut wie das ODPLM Sprachmodell am Anfang . </seg>
<seg id="160"> Also hier können wir sehen , dass indem wir die selektive Methode benutzen und basierend auf den Gewichten des Selektors interpolieren sich tatsächlich die Leistung verbessert hat . </seg>
<seg id="161"> Wir können zur nächsten Folie übergehen . </seg>
<seg id="162"> Okay . </seg>
<seg id="163"> Als nächstes müssen wir evaluieren , an welche Geschichte wir es anpassen müssen ? </seg>
<seg id="164"> Bis jetzt haben wir nur das Basis Sprachmodell benutzt , die Hypothese aufgestellt und adaptiert . </seg>
<seg id="165"> Also wir werden den Test beibehalten und wir werden auch evaluieren was er leistet , wenn wir die letzte Hypothese benutzen . </seg>
<seg id="166"> Naja , die Hypothese ist dekodiert in in dem vorherigen Schritt oder in der vorherigen Äußerung oder in den vorherigen Äußerungen , wie viele auch immer es sind . </seg>
<seg id="167"> Jetzt können wir zur nächsten Folie kommen . </seg>
<seg id="168"> Und hier können wir sehen , dass naja an die Baseline Hypothese zu adaptieren , die wann immer es ein plus-HB gibt , bedeutet dies Hypothese als Baseline . </seg>
<seg id="169"> Das bringt eine bessere Leistung , als wenn es sich anpasst an ah . </seg>
<seg id="170"> Danke . </seg>
<seg id="171"> Das bringt eine bessere Leistung , als wenn es sich an die vorherige Hypothese anpasst , die immer da ist , wenn es ein H-eins gibt . </seg>
<seg id="172"> Und leider hat dies hat dies hier keine bessere Leistung erbracht als die Baseline . </seg>
<seg id="173"> Also wir müssen es hier etwas besser einstellen . </seg>
<seg id="174"> Wir gehen zur nächsten Folie über . </seg>
<seg id="175"> Hier können wir eine ähnliche Situation sehen . </seg>
<seg id="176"> Wir fügen das adaptive einhundert oder eintausend Sprachmodell mit unterschiedlicher Geschichtslänge ein dies hier ist ohne das Basis Sprachmodell . </seg>
<seg id="177"> Dies ist ein Pass . </seg>
<seg id="178"> Und , wenn wir die Perplexität berechnen geht dies in diesem hier runter , aber geht kaum runter wenn man das Sprachmodell benutzt , das zuvor per Hand gebaut wurde . </seg>
<seg id="179"> Also wir können es auf unserem auf unserem domänenunabhängigen Sprachmodell bisher verbessern , aber nicht besonders auf einem domänenabhängigen Sprachmodell . </seg>
<seg id="180"> Also , wenn wir jetzt nur nächsten Folie kommen ? </seg>
<seg id="181"> Vielleicht geben wir diesem domänen unabhängigen Teil zu viel Gewicht . </seg>
<seg id="182"> Also ich habe versucht , das Gewicht des optimierten domänenabhängigen Sprachmodells zu vergrößern , um zu sehen ob wir so ein paar um zu sehen ob wir so ein paar Verbesserungen bewirken können . </seg>
<seg id="183"> Und auf der nächsten Folie , wieder habe ich alle Parameter gleich gelassen wir im vorherigen Test und wir sind wieder dabei und benutzen die zwei Pass Methode benutzen die Hypothese des Basis Sprachmodells um zu adaptieren . </seg>
<seg id="184"> Hier sehen Sie , dass wann auch immer Sie tatsächlich das Gewicht erhöhen und es wirklich reduzieren Sie eine leichte Verbesserung bekommen können und es scheint , dass dieses Sprachmodell sich bereits soweit an die Domäne angepasst hat , wie es möglich ist , so ziemlich . </seg>
<seg id="185"> Also ein paar mehr adaptive Teile hinzuzufügen hat die Bewertung nicht besonders verbessert . </seg>
<seg id="186"> Aber nachdem ich diese Parameter evaluiert hatte , habe ich können wir zur nächsten Folie übergehen ? </seg>
<seg id="187"> Ich habe die verbleibenden Daten im Entwicklungsset evaluiert indem ich unterschiedliche Gewichte benutzt habe und dies ist auch wieder ein domänenabhängiges Sprachmodell . </seg>
<seg id="188"> Ich möchte versuchen , ob ich es auf dem domänenabhängigen Sprachmodell verbessern kann . </seg>
<seg id="189"> Und , wenn wir die Bewertungen sehen können oh zurück . </seg>
<seg id="190"> Können wir ein bißchen zurückgehen ? </seg>
<seg id="191"> Okay . </seg>
<seg id="192"> Danke . </seg>
<seg id="193"> Wir können die Bewertungen sehen , und leider hat es sich nicht auf dem domänenabhängigen Sprachmodell verbessert bis jetzt , aber dies ist immer noch nur der erste Teil davon . </seg>
<seg id="194"> Also , können wir zur nächsten Folie gehen ? </seg>
<seg id="195"> Mhm . </seg>
<seg id="196"> Also , um zusammenzufassen die guten Nachrichten sind , dass wir in der Lage waren , domänenunabhängige Sprachmodelle zu verbessern die Bewertung zu erhöhen bei einem um ein volles Prozent und wir haben herausgefunden , dass die zwei Pass Methode bis jetzt die beste Methode ist . </seg>
<seg id="197"> Ich würde gerne mehr Tests zu der Geschichte machen . </seg>
<seg id="198"> Es sollte nur bemerkt werden , dass es recht langsam läuft zur Zeit . </seg>
<seg id="199"> Beim Decoding ist dieses Test set gewachsen , die Decoding Zeit um sechs Stunden , wenn nur das Basis Sprachmodell benutzt wird auf ungefähr neunzehn Stunden indem naja , ich glaube eintausend Konzeptsprachmodelle benutzt werden . </seg>
<seg id="200"> Also , Sie können nicht einfach irgendetwas testen , sondern Sie müssen den Test sorgsam auswählen . </seg>
<seg id="201"> Wir haben bessere Interpolationsgewichte gefunden und wir haben sie bis jetzt noch für nichts verwendet , aber es gibt Ihnen einige semantische Markierungen für Äußerungen und auch Gewichte zu diesen Markierungen . </seg>
<seg id="202"> Also anderes Entwicklungsset , wir haben eine Verbesserung über das domänenabhängige Sprachmodell erreicht , aber das hat sich nicht als Verbesserung auf das Evaluierungsset ausgewirkt . </seg>
<seg id="203"> Wir kommen zur nächsten Folie . </seg>
<seg id="204"> Dies ist nur ein erster Entwurf eines Sprachmodells es kann noch sehr viel daran gearbeitet werden . </seg>
<seg id="205"> Insbesondere naja , es beschleunigen und was sehr interessant wäre , ist ein dynamisches Vokabular . </seg>
<seg id="206"> Also Sie können es dynamisch anpassen basierend auf den Konzepten , die sie finden . </seg>
<seg id="207"> Ich bin sehr interessiert daran , wie sich das entwickeln wird . </seg>
<seg id="208"> Und es muss nicht in der automatischen Spracherkennung sein . </seg>
<seg id="209"> Man kann es auch in der maschinellen Übersetzung benutzen . </seg>
<seg id="210"> Insbesondere wenn Sie es entwickeln aus Konzepten entwickeln müssen , wo Sie das gleiche Konzept in zwei unterschiedlichen Sprachen haben . </seg>
<seg id="211"> Also vielen Dank , dass Sie trotz der technischen Probleme hier waren . </seg>
<seg id="212"> Vielen Dank für Ihre Aufmerksamkeit . </seg>
<seg id="213"> Gibt es irgendwelche Fragen ? </seg>
</doc>
 <doc docid="lecture0004" genre="Lecture"> 
<seg id="1"> Okay , danke . </seg>
<seg id="2"> Guten Tag . </seg>
<seg id="3"> Ich werde meine Arbeit zu großen Korpora vorstellen und zeigen , wie wir Rauschdaten aus dem Gigakorpus gefiltert haben und wie wir die Verarbeitungszeit beschleunigen konnten . </seg>
<seg id="4"> Und dies wird an zwei Aspekten gezeigt werden , Filtern , der erste Aspekt ist das Filtern und dann parallelisieren wir die Phrasenbewertung . </seg>
<seg id="5"> So , zuallererst die parallelen Korpora , die wir alle kennen , weil sie für die maschinelle Übersetzung sehr wichtig sind , und nicht nur für die maschinelle Übersetzung , sondern auch für andere Aufgaben der natürlichen Sprachverarbeitung . </seg>
<seg id="6"> Und sie können wie der EPPS-Korpus oder der UN-Korpus manuell erstellt werden . </seg>
<seg id="7"> Und Korpora dieser Art haben die bessere Qualität und aber sie sind sehr begrenzt , was Größe und Typen angeht . </seg>
<seg id="8"> Aber wir können auch automatisch die Daten aus dem Internet sammeln und Korpora dieser Art haben haben eine hohe Verfügbarkeit , aber ihre Qualität ist begrenzt . </seg>
<seg id="9"> Und der Gigakorpus ist einer dieser dieser durch Webcrawl erstellten Korpora , wurde zweitausendneun von Chris Callison-Burch gesammelt und ist immer noch zu verrauscht , selbst nachdem der Autor sie mithilfe von Heuristiken gereinigt hat . </seg>
<seg id="10"> Und , nur zum Vergleich , habe ich die Anzahl der Sätze im Gigakorpus aufgeführt , welche sich auf zweiundzwanzig komma fünf Millionen Sätze beläuft , und das können Sie mit dem EPPS-Korpus vergleichen , der über einen Zeitraum von vierzehn Jahren aus Veranstaltungen im Europaparlament gesammelt wurde , der fünf Prozent dieser Größe besitzt . </seg>
<seg id="11"> Und welche Probleme haben wir mit dem Gigakorpus ? </seg>
<seg id="12"> Ja , eines unserer Probleme ist , wie Sie hier sehen , unbrauchbare Daten in dem im Korpus . </seg>
<seg id="13"> Wir können außerdem beschädigte Zeilen oder beschädigte Sätze mit Bewertungen , Fehler im Satzalignment , sehen , wie Sie hier sehen können . </seg>
<seg id="14"> Oder sogar einige Paare aus anderen Sprachen . </seg>
<seg id="15"> Und zudem könnte es aufgrund seiner Größe ganze Tage dauern , das Training zu beenden . </seg>
<seg id="16"> Also , das erste , was wir zur Behandlung der Daten unternommen haben , ist , dass wir es aus dem Rauschen herausgefiltert haben . </seg>
<seg id="17"> Und wir haben dafür verschiedene Ansätze . </seg>
<seg id="18"> Also , wir haben versucht , diese Daten automatisch vom Rauschen zu befreien indem wir ausschließlich lexikalische Merkmale verwendet haben . </seg>
<seg id="19"> Und dafür haben wir ein Trainingsset und ein Testset aus sauberen Daten erstellt , die uns aus vorhergehenden Evaluationen zur Verfügung standen , und zwar dem NC-dev Zweitausendsieben und NC-devtest Zweitausendsieben , für die Leute , die schon einmal in der Evaluation tätig waren , sie kennen diese Datensätze . </seg>
<seg id="20"> Und um also die falschen Beispiele zu erstellen , tauschen wir es dreißig Prozent der der Ausgangsseite tauschten die Positionen auf der Ausgangsseite , so dass sie falsche Beispiele bilden . </seg>
<seg id="21"> Und wir brauchten auch lexikalische Wörterbücher und haben sie aus den sauberen Daten , EPPS und NC , reproduziert . </seg>
<seg id="22"> Also der erste Ansatz , wir bezeichnen ihn als naiven Ansatz , also wir dachten einfach , dass eine lexikalische Bewertung alleine ausreichen würde , um zwischen guten und schlechten Paare zu unterscheiden , und es stellt sich heraus , dass dies nicht funktioniert wie erwartet . </seg>
<seg id="23"> Also die Bewertungsformel ist berücksichtigt die lexikalische Bewertung und indem wir die Konstante außerhalb der Multiplikation multiplizieren geben wir den längeren Sätzen eine größere Chance , den Filter zu passieren , wenn wenn sie könnten . </seg>
<seg id="24"> Und mit diesem Ansatz bekamen wir ein sehr schlechtes F-Maß . </seg>
<seg id="25"> So achtundfünfzig Prozent . </seg>
<seg id="26"> Und dann haben wir mit diskriminativen Ansätzen weitergemacht . </seg>
<seg id="27"> Also im diskriminativen Ansatz haben wir zwei Klassen . </seg>
<seg id="28"> Entweder wir entfernen ein Paar , was den Wert null bedeutet , oder wir behalten das Paar , Wert eins . </seg>
<seg id="29"> Und die Merkmale , die wir verwendet haben , sind der Unterschied zwischen der Wortanzahl auf Ausgangs und Zielseite . </seg>
<seg id="30"> Und wir erwarten , dass je niedriger die Anzahl , je niedriger der Unterschied , desto besser die desto besser die Korrespondenz zwischen Ausgangs und Zielseite , der IBM-eins-Wert , und wir erwarten je höher desto besser . </seg>
<seg id="31"> Und die Anzahl der nicht zugeordneten Wörter zwischen Ausgangs und Zielseite , und hier erwarten wir , je mehr nicht zugeordnete Wörter , desto schlechter das Paar . </seg>
<seg id="32"> Und die maximale Wortanzahl , ein gegebenes Wort ist ebenfalls zugeordnet , und hier spricht man von Fertilität . </seg>
<seg id="33"> Und je höher die Fertilität , umso schlechter wäre dann das Paar . </seg>
<seg id="34"> Und der erste Ansatz , den wir ausprobiert haben , ist Regression . </seg>
<seg id="35"> Und durch eine Linearkombination der Merkmalswerte haben wir die Lambdas optimiert indem wir das Powell-Suchverfahren (nicht gefunden!) gegen die Summe der quadratischen Fehler angewandt haben und wir haben ein F-Maß von neunundneunzig Prozent erhalten . </seg>
<seg id="36"> Es ist schlecht , ja . </seg>
<seg id="37"> Und der nächste Ansatz , den wir ausprobiert haben , ist die logistische Regression . </seg>
<seg id="38"> Und wir haben sie mit dem BFGS-Algorithmus optimiert . </seg>
<seg id="39"> Und um die Wahrscheinlichkeit der Trainingsdaten zu maximieren . </seg>
<seg id="40"> Und wir haben eine viel bessere Trefferquote erzielt und auch eine viel bessere Präzision , was uns ein F-Maß von vierundneunzig oder fast fünfundneunzig Prozent eingebracht hat . </seg>
<seg id="41"> Wir haben außerdem den Maximum-Entropie-Klassifikator ausprobiert , der mit dem Mega-M-Paket trainiert wurde . </seg>
<seg id="42"> Und wir er hatte eine etwas bessere Präzision , aber eine schlechtere Trefferquote und dann brachte es ein schlechteres F-Maß . </seg>
<seg id="43"> Die letzte Methode , die wir ausprobiert haben , ist der SVM-Klassifikator , der mit dem SVM-Light-Paket trainiert wurde . </seg>
<seg id="44"> Und er brachte eine viel bessere Präzision und eine viel bessere Trefferquote . </seg>
<seg id="45"> Und das brachte uns ein F-Maß von siebenundneunzig Prozent . </seg>
<seg id="46"> Und die Ergebnisse . </seg>
<seg id="47"> Aus den zweiundzwanzig komma fünf Millionen Sätzen haben wir sechzehn komma acht ausgewählt , und das hat uns dazu gebracht , rund zweiundzwanzig Prozent des Korpus zu verwerfen . </seg>
<seg id="48"> Und wir haben diese Trainingsdaten in unseren Systemen bei den letzten beiden Evaluationen verwendet , WMT und IWSLT . </seg>
<seg id="49"> Und Sie können den Zunahme sehen , den wir bei Französisch-Englisch erzielt haben . </seg>
<seg id="50"> Bei WMT ist es etwa null komma sieben bei der Entwicklung und den Testsets . </seg>
<seg id="51"> Und bei IWSLT ist es noch besser . </seg>
<seg id="52"> Und es ist ungefähr ein Bleu-Punkt für beide , Entwicklung und Test . </seg>
<seg id="53"> Das ist alles zum Thema Filtern . </seg>
<seg id="54"> Kommen wir nun zum Parallelisieren und wie Alexander heute Morgen erwähnt hat , ist die Phrasenbewertung oder die die standardmäßige Phrasenbewertung ist nur ein Schritt beim Aufbau des Übersetzungsmodells . </seg>
<seg id="55"> Es kommt nach der Phrasenextraktion und in der wir die korrespondierenden Möglichkeiten für Phrasen wie die hier gezeigte berechnen . </seg>
<seg id="56"> Und dafür müssen wir die Ausgangs und Zielsätze zählen . </seg>
<seg id="57"> Und deshalb müssen wir die gleichartigen Paare oder gleichartige Sätze zusammenbringen , um die Häufigkeit zu zählen . </seg>
<seg id="58"> Und dann brauchen wir eine sortierte Liste der extrahierten der extrahierten Phrasen . </seg>
<seg id="59"> Moses nimmt dafür die standardmäßige Sortierung vor . </seg>
<seg id="60"> Unix-Befehl . </seg>
<seg id="61"> Und hier ist ein Beispiel mit Zeiten , für die jeweiligen Korpora . </seg>
<seg id="62"> Sie können sehen , dass es bei dem großen Korpus , der alle Daten enthält , bis zu mehreren Tagen dauern kann . </seg>
<seg id="63"> Also , wir haben zwei verschiedene Ansätze durchgeführt , einen für geteilte Speicherarchitekturen , in dem wir die STXXL-Bibliothek benutzt haben , die ein externer Speichercontainer ist . </seg>
<seg id="64"> Und der Prozess ist ist wie folgt . </seg>
<seg id="65"> Also , wir haben eine SMP-Maschine mit mehreren Kernen , also haben wir für jeden Kern einen Thread und jeder Thread verarbeitet lokal , also ich meine die Sortierung , indem er die Sortierung verarbeitet . </seg>
<seg id="66"> Also sortiert jeder Thread seine lokalen Daten und dann erfolgt die Aggregation oder das Merging global , also das Kalkulieren oder Berechnen der der entsprechenden Möglichkeiten . </seg>
<seg id="67"> Also einmal für Ziel und einmal für Ausgang . </seg>
<seg id="68"> Und danach haben wir einen hybriden Ansatz ausprobiert und dafür haben wir DEMsort benutzt , das ist ein verteilter externer Sortieralgorithmus für Speicher , der selbst auf den STXXL-Containern basiert , und und wir haben außerdem die MPI-Bibliothek benutzt . </seg>
<seg id="69"> Und der Prozess ist wie folgt , also für jeden Knoten oder für jeden Prozess hat er lokale Daten , also sortiert er und dann aggregiert er lokal , aber vor der lokalen Aggregation müssen wir sicherstellen , dass jeder Prozess den richtigen Datenumfang hat . </seg>
<seg id="70"> Dafür haben wir eine All-to-All-Operation nach direkt nach der Sortierung . </seg>
<seg id="71"> Und hier ist das Problem , dass in dem Aggregationsvorgang manche Knoten einfach viel schneller fertig werden konnten als andere , das heißt , die Zeit variiert zu stark . </seg>
<seg id="72"> Also dafür benötigen wir möglicherweise einige zwischen den Knoten . </seg>
<seg id="73"> Ich zeige hier einen Vergleich zu den vorher genannten Zeiten für Moses und unseren Zeiten . </seg>
<seg id="74"> Also er halbiert die Zeit mindestens mit sechzehn Kernen . </seg>
<seg id="75"> Und schließlich ein Vergleich zwischen allen umgesetzen Methoden also die verteilte , unausgeglichene , konnte die Zeit mit einer Beschleunigung von bis zu etwa neunzig Prozent verkürzen . </seg>
<seg id="76"> Und wir haben sogar die Beschleunigung gesteigert , indem wir die Lastenen zwischen den Knoten ausgeglichen haben . </seg>
<seg id="77"> Und das ist der letzte Punkt , über den ich sprechen wollte . </seg>
</doc>
<doc docid="2507" genre="lectures">
 <url>http://www.ted.com/talks/trevor_timm_how_free_is_our_freedom_of_the_press</url>
 <description>TED Talk Subtitles and Transcript: In den USA hat die Presse gemäß erstem Verfassungszusatz das Recht, geheime Informationen zu veröffentlichen, die die Öffentlichkeit kennen sollte. Überwachung durch die Regierung aber macht es immer riskanter für "Whistleblower" – fast immer die Quelle für wichtige Artikel zur nationalen Sicherheit seit dem 11. September – ihre Informationen zu teilen. In diesem kurzen, informativen Vortrag berichtet Trevor Timm, TED Fellow und Mitgründer der Freedom of the Press Foundation, von den jüngsten Maßnahmen der US-Regierung gegen Personen, die Straftaten und Ungerechtigkeit aufdecken, und wirbt für Technologien, die helfen, dies sicher und anonym zu tun.</description>
 <keywords>talks, Internet, TED Fellows, corruption, crime, government</keywords>
 <talkid>2507</talkid>
 <title>Trevor Timm: Wie frei ist die US-Pressefreiheit?</title>
 <reviewer href="http://www.ted.com/profiles/597058">Nadine Hennig</reviewer>
 <translator href="http://www.ted.com/profiles/1059395">Toni Klemm</translator>
<seg id="1">  Das ist James Risen.  </seg>
<seg id="2">  Sie kennen ihn vielleicht, weil er als New-York-Times-Reporter den Pulitzer-Preis gewann.  </seg>
<seg id="3">  Lange bevor je jemand von Edward Snowden gehört hatte, schrieb Risen ein Buch, in dem er spektakulär veröffentlichte, dass die NSA illegal Telefone von Amerikanern abgehört habe.  </seg>
<seg id="4">  Es ist aber ein anderes Kapitel, das einen bleibenden Eindruck hinterlassen sollte.  </seg>
<seg id="5">  Darin beschreibt er eine katastrophale US-Geheimdienstoperation, in der die CIA dem Iran buchstäblich Entwürfe für eine Atombombe übergab.  </seg>
<seg id="6">  Falls das verrückt klingt, lesen Sie es.  </seg>
<seg id="7">  Es ist eine unglaubliche Geschichte.  </seg>
<seg id="8">  Aber wissen Sie, wem das Kapitel gar nicht gefiel?  </seg>
<seg id="9">  Der US-Regierung.  </seg>
<seg id="10">  Fast 10 Jahre lang hat die Regierung gegen Risen ermittelt und ihn aufgefordert, seine angeblichen Quellen zu nennen.  </seg>
<seg id="11">  In diesem Zug wurde er zum Symbol für das Muster der Regierung, Whistleblower zu verurteilen und Journalisten zu bespitzeln.  </seg>
<seg id="12">  Laut Ersten Verfassungszusatz haben die Medien das Recht, geheime Informationen zu veröffentlichen.  </seg>
<seg id="13">  Aber es ist unmöglich, dieses Recht zu anwenden, wenn Medien diese Informationen nicht bekommen und wenn sie Identität der Mutigen nicht schützen können, die sie preisgeben.  </seg>
<seg id="14">  Also als die Regierung bei Risen anklopfte, tat er etwas, was viele mutige Reporter bereits vor ihm taten: er weigerte sich und sagte, dass er lieber ins Gefängnis gehen würde.  </seg>
<seg id="15">  Von 2007 bis 2015 lebte Risen also mit dem Risiko, ins Gefängnis zu gehen.  </seg>
<seg id="16">  Doch dann, nur Tage vor dem Prozess, passierte etwas Außergewöhnliches.  </seg>
<seg id="17">  Plötzlich, obwohl sie jahrelang angaben, dass es unerlässlich für ihren Fall wäre, wurden die Forderungen der Regierung an Risen fallen gelassen.  </seg>
<seg id="18">  Der Grund: In der Zeit elektronischer Überwachung können die Reporter und Quellen sich immer weniger verstecken.  </seg>
<seg id="19">  Anstatt zu scheitern und Risen zum Aussagen zu bringen, könnten das auch seine digitalen Fußspuren für ihn erledigen.  </seg>
<seg id="20">  Und so haben sich die Ermittler, ohne sein Einverständnis, seine Telefonnachweise geheim besorgt,  </seg>
<seg id="21">  genauso wie seine E-Mail-Daten, Finanz- und Bankinformationen, seine Kreditauskunft, und sogar Reisenachweise mit der Liste seiner Flüge.  </seg>
<seg id="22">  Inmitten dieser Informationen fanden sie Beweise, die sie nutzten, um Jeffrey Sterling, einen CIA-Whistleblower und Risens vermeintliche Quelle, zu verurteilen.  </seg>
<seg id="23">  Leider ist das nur einer von vielen Fällen.  </seg>
<seg id="24">  Präsident Obama versprach bei seinem Antritt, Whistleblower zu schützen. Aber stattdessen hat die Justiz mehr verurteilt als alle US-Regierungen vor ihm zusammen.  </seg>
<seg id="25">  Jetzt können Sie sich vorstellen, wie das ein Problem sein kann, besonders weil die Regierung zu viel von ihrer Arbeit als geheim einstuft.  </seg>
<seg id="26">  Seit dem 11. September war fast jeder Artikel über nationale Sicherheit das Ergebnis davon, dass ein Whistleblower zu einem Journalisten ging.  </seg>
<seg id="27">  Wir setzen also die Pressearbeit aufs Spiel, die durch den ersten Verfassungszusatz geschützt werden soll, weil die Regierung immer mehr Möglichkeiten hat, alle auszuspionieren.  </seg>
<seg id="28">  Aber genauso wie Technologie der Regierung erlaubt, die Rechte von Reportern zu umgehen, kann die Presse auch Technologien nutzen, um ihre Quellen besser zu schützen.  </seg>
<seg id="29">  Und zwar können sie das von dem Moment an, in dem sie Kontakt aufnehmen, anstatt im Nachhinein, im Zeugenstand.  </seg>
<seg id="30">  Heute gibt es Kommunikationssoftware, die es noch nicht gab, als Risen sein Buch geschrieben hatte, und es ist wesentlich sicherer als normale E-Mails oder Telefonanrufe.  </seg>
<seg id="31">  Eine solche Technologie ist SecureDrop, ein Open-Source-Übermittlungssystem für Whistleblower, das ursprünglich von der Internetberühmheit, dem von uns gegangenen Aaron Swartz, entwickelt wurde, und ist heute von der Freedom of the Press Foundation, bei der ich arbeite, weiterentwickelt worden.  </seg>
<seg id="32">  Anstatt eine E-Mail zu verschicken, gehen Sie auf eine Nachrichten-Website, so wie die hier der Washington Post.  </seg>
<seg id="33">  Dort können Sie Dokumente hochladen oder Informationen verschicken, so wie bei jedem gewöhnlichen Kontaktformular.  </seg>
<seg id="34">  Diese werden dann verschlüsselt und auf einem Server gespeichert, zu dem nur die jeweilige Nachrichtenagentur Zugang hat.  </seg>
<seg id="35">  Also kann die Regierung nicht mehr Informationen heimlich beschaffen, und viele der Informationen, die sie anfordern würde, wäre von vornherein nicht verfügbar.  </seg>
<seg id="36">  SecureDrop ist aber nur ein kleiner Teil des Ganzen, um die Pressefreiheit im 21. Jahrhundert zu schützen.  </seg>
<seg id="37">  Leider entwickeln Regierungen auf der ganzen Welt immer neue Spionagetechnologien, die uns alle gefährden.  </seg>
<seg id="38">  Es ist an uns sicherzustellen, dass nicht nur Technologiekenner wie Edward Snowden einen Möglichkeit haben, Missetaten zutage bringen. Es ist genauso wichtig, dass wir den nächsten Whistleblower schützen,  </seg>
<seg id="39">  der über Missstände bei der Versorgung von Soldaten bescheid weiß und von überfüllten Krankenhäusern berichten will. Oder den nächsten Umweltmitarbeiter, der Alarm zum verseuchten Wasser von Flint schlägt. Oder einen Wallstreet-Insider, der uns vor der nächsten Finanzkrise warnt.  </seg>
<seg id="40">  Immerhin wurden diese Technologien nicht nur für diejenigen gemacht, die Verbrechen aufdecken wollen, sondern um unser aller Verfassungsrechte zu schützen.  </seg>
<seg id="41">  Danke.  </seg>
</doc>
<doc docid="2478" genre="lectures">
 <url>http://www.ted.com/talks/robert_palmer_the_panama_papers_exposed_a_huge_global_problem_what_s_next</url>
 <description>TED Talk Subtitles and Transcript: Am 3. April 2016 wurde das größte Datenleck der Geschichte veröffentlicht. In den "Panama Papers" ist zu sehen, wie die Reichen und Mächtigen enorme Geldsummen in Steueroasen versteckt haben. Was bedeutet das? Wir baten Robert Palmer von Global Witness um eine Erklärung.</description>
 <keywords>talks, activism, big problems, business, corruption, economics, global issues, government, identity, inequality, investment, law, money, news, poverty</keywords>
 <talkid>2478</talkid>
 <title>Robert Palmer: Die "Panama Papers" enthüllten ein massives globales Problem. Was nun?</title>
 <reviewer href="http://www.ted.com/profiles/5092058">Asma Ghali</reviewer>
 <translator href="http://www.ted.com/profiles/1428226">Angelika Lueckert Leon</translator>
<seg id="1">  [Am 3. April 2016 wurde das größte Datenleck der Geschichte veröffentlicht.] [Die "Panama Papers" enthüllen, dass Reiche und Mächtige] [enorme Geldsummen in Steueroasen versteckt haben.] [Was bedeutet das?] [Wir baten Robert Palmer von Global Witness um eine Erklärung.] Diese Woche wurden wir von Nachrichten über ein Leck von 11 Millionen Dokumenten der in Panama ansässigen Anwaltskanzlei Mossack Fonseca  </seg>
<seg id="2">  Die Veröffentlichung dieser Dokumente gibt einen kleinen Einblick in die geheime Welt der Steueroasen.  </seg>
<seg id="3">  Wir erhalten einen Eindruck davon, wie Kunden, Banken und Rechtsanwälte zu Firmen wie Mossack Fonseca gehen und sagen: "Okay, wir brauchen ein anonymes Unternehmen. Können Sie das einrichten?"  </seg>
<seg id="4">  Wir sehen tatsächlich die E-Mails, den Austausch von Nachrichten, wie das ganze System funktioniert, wie es arbeitet.  </seg>
<seg id="5">  Dies hat bereits zu ersten sehr direkten Konsequenzen geführt.  </seg>
<seg id="6">  Islands Premierminister ist zurückgetreten.  </seg>
<seg id="7">  Auch gibt es Berichte, dass ein Verbündeter des brutalen syrischen Diktators Baschar al-Assad Briefkastenfirmen in Steueroasen hat.  </seg>
<seg id="8">  Es wird behauptet, dass eine Spur von 2 Milliarden US-Dollar zu Russlands Präsident Wladimir Putin führt, über einen engen Freund aus Kindertagen, einem berühmten Cellisten.  </seg>
<seg id="9">  Nun wird es da draußen eine Menge reicher Leute und andere geben, die nervös auf die nächste Veröffentlichung warten, und auf die nächsten enthüllten Dokumente.  </seg>
<seg id="10">  Nun klingt das wie der Plot eines Agententhrillers oder eines John-Grisham-Romans.  </seg>
<seg id="11">  Es scheint weint entfernt von Ihnen, mir, gewöhnlichen Leuten.  </seg>
<seg id="12">  Warum sollte uns das was angehen?  </seg>
<seg id="13">  Doch die Wahrheit ist: Wenn die Reichen und Mächtigen in der Lage sind, ihr Vermögen in Steueroasen zu verstecken und nicht alle ihre Steuern zu bezahlen, dann bedeutet dies weniger Geld für wichtige öffentliche Dienste wie Gesundheitswesen, Bildung, Straßen.  </seg>
<seg id="14">  Und das betrifft uns alle.  </seg>
<seg id="15">  Für meine Organisation, Global Witness, sind diese Enthüllungen phänomenal.  </seg>
<seg id="16">  In der ganzen Welt diskutieren Medien und führende Politiker, wie geheime Steueroasen von einigen wenigen dazu genutzt werden, ihr Vermögen zu verstecken und zu verschleiern -- etwas, das wir seit zehn Jahren diskutieren und enthüllen.  </seg>
<seg id="17">  Ich denke, vielen Menschen erscheint diese ganze Welt sehr verwirrend, und es ist schwer zu verstehen, wie diese Steueroasen funktionieren.  </seg>
<seg id="18">  Ich stelle es mir immer wie eine Matrjoschkapuppe vor.  </seg>
<seg id="19">  Man hat also eine Firma in einer anderen Firma, in einer weiteren Firma, was es fast unmöglich macht, wirklich zu verstehen, wer hinter diesen Gebilden steckt.  </seg>
<seg id="20">  Es kann sehr schwierig sein für Strafverfolgungs- und Steuerbehörden, sowie für Journalisten oder die Zivilgesellschaft wirklich zu verstehen, was Sache ist.  </seg>
<seg id="21">  Ich finde es auch interessant, dass es in den USA weniger Berichte über diese Angelegenheit gibt.  </seg>
<seg id="22">  Vermutlich, weil es bisher keine prominenten Amerikaner gab, die in diesen Enthüllungen, diesem Skandal vorkamen.  </seg>
<seg id="23">  Nun ist es nicht so, dass es keine reichen Amerikaner gibt, die ihr Vermögen in Steueroasen verstecken.  </seg>
<seg id="24">  Doch durch das Prinzip, nach dem diese Steueroasen funktionieren, hat Mossack Fonseca weniger amerikanische Kunden.  </seg>
<seg id="25">  Hätten wir ein Datenleck von den Cayman Islands oder sogar aus Delaware, Wyoming oder Nevada, würden wir viel mehr Fälle und Beispiele sehen, die Verbindungen in die USA haben.  </seg>
<seg id="26">  In der Tat ist es so, dass man in manchen US-Staaten weniger Informationen braucht, weniger Informationen angeben muss, um eine Firma zu gründen, als um einen Bibliotheksausweis zu bekommen.  </seg>
<seg id="27">  Diese Art der Intransparenz in den USA hat es Angestellten von Schulbezirken erlaubt, Schulkinder abzuzocken.  </seg>
<seg id="28">  Es hat Betrügern erlaubt, besonders anfällige Anleger abzuzocken.  </seg>
<seg id="29">  Es ist diese Art von Verhalten, die uns alle betrifft.  </seg>
<seg id="30">  Hier bei Global Witness wollten wir herausfinden, wie all dies in der Praxis aussieht.  </seg>
<seg id="31">  Wie funktioniert das eigentlich?  </seg>
<seg id="32">  Also schickten wir einen verdeckten Ermittler in die Büros von 13 Anwaltsfirmen in Manhattan.  </seg>
<seg id="33">  Unser Ermittler gab sich als afrikanischer Minister aus, der verdächtiges Geld in die USA bringen wollte, um ein Haus, eine Yacht, einen Privatjet zu kaufen.  </seg>
<seg id="34">  Uns schockierte es wirklich, dass alle bis auf einen Anwalt unserem Ermittler Vorschläge machten, wie er sein Geld transferieren könnte.  </seg>
<seg id="35">  Dies waren alles Vorbesprechungen. Keiner dieser Anwälte nahm uns als Klienten an, und natürlich wurde niemandem dabei Geld übergeben. Doch es zeigt das Problem mit diesem System.  </seg>
<seg id="36">  Es ist auch wichtig, dies nicht als Einzelfälle zu betrachten.  </seg>
<seg id="37">  Es geht nicht um einen einzelnen Anwalt, der unserem verdeckten Ermittler Vorschläge unterbreitet hat.  </seg>
<seg id="38">  Es geht nicht um einen einzelnen Spitzenpolitiker, verwickelt in einen Skandal.  </seg>
<seg id="39">  Es geht darum, wie das System funktioniert, durch das Korruption, Steuerflucht, Armut und Instabilität etabliert werden.  </seg>
<seg id="40">  Und um dies zu bewältigen, müssen wir die Spielregeln ändern.  </seg>
<seg id="41">  Wir müssen die Regeln ändern, um diese Art von Verhalten zu erschweren.  </seg>
<seg id="42">  Das mag alles sehr trübsinnig klingen, als ob wir nichts dagegen tun könnten; als ob sich nichts je verändert hätte; als ob es immer die Reichen und Mächtigen geben wird.  </seg>
<seg id="43">  Aber als geborener Optimist sehe ich durchaus, dass sich einiges zu ändern begonnen hat.  </seg>
<seg id="44">  In den letzten paar Jahren haben wir Vorstöße hin zu mehr Transparenz gesehen, was die Besitzer von Firmen betrifft.  </seg>
<seg id="45">  Das Thema fand politische Aufmerksamkeit durch den britischen Premierminister David Cameron auf dem G8-Gipfel im Jahr 2013 in Nordirland.  </seg>
<seg id="46">  Seitdem erfasst die EU in zentralen Registern auf nationaler Ebene, wer wirklich hinter Firmen in Europa steckt, und wer sie kontrolliert.  </seg>
<seg id="47">  Eine der unangenehmen Tatsachen ist, dass die USA hierbei hinterherhinken.  </seg>
<seg id="48">  Vertreter beider Parteien haben einen Gesetzesentwurf in beiden Parlamentskammern eingebracht, doch dieser macht nicht den Fortschritt, den wir gern sehen würden.  </seg>
<seg id="49">  Wir würden wirklich gerne sehen, wie diese Panama-Enthüllungen, dieser riesige Einblick in die Welt der Steueroasen, als Mittel genutzt wird, um in den USA und global für mehr Transparenz zu sorgen.  </seg>
<seg id="50">  Für uns bei Global Witness ist dies ein Moment für Veränderungen.  </seg>
<seg id="51">  Wir brauchen gewöhnliche Menschen, die wütend werden, wenn sie sehen, wie andere Menschen ihre wahre Identität hinter Scheinfirmen verstecken können.  </seg>
<seg id="52">  Wir brauchen Führungskräfte in der Wirtschaft, die aufstehen und sagen: "Intransparenz ist nicht gut für das Geschäft."  </seg>
<seg id="53">  Wir brauchen führende Politiker, die das Problem erkennen und sich dafür einsetzen, durch Gesetze diese Art der Intransparenz zu beenden.  </seg>
<seg id="54">  Zusammen können wir die Intransparenz, die jetzt noch diese Art von Steuerflucht, Korruption und Geldwäsche ermöglicht, endlich beenden.  </seg>
</doc>
<doc docid="2447" genre="lectures">
 <url>http://www.ted.com/talks/joe_gebbia_how_airbnb_designs_for_trust</url>
 <description>TED Talk Subtitles and Transcript: Joe Gebbia, Mitbegründer von Airbnb, baute sein ganzes Unternehmen auf der Hoffnung auf, dass Menschen einander genug vertrauen würden, um beieinander zu übernachten. Wie schaffte er es, dass Fremde nicht mehr automatisch als gefährlich wahrgenommen werden? Mit dem richtigen Design. Mit bisher 123 Millionen vermittelten Übernachtungen zeigt Gebbia seine Vision von einer Kultur des Teilens auf, in der Design helfen kann, Beisammensein und Beziehungen statt Einsamkeit und Abschottung auszubauen.</description>
 <keywords>talks, behavioral economics, business, collaboration, community, culture, design, economics, entrepreneur, future, innovation, potential, privacy, product design, relationships, social change, technology, urban planning</keywords>
 <talkid>2447</talkid>
 <title>Joe Gebbia: Wie Airbnb Vertrauen ein Gesicht gibt</title>
 <reviewer href="http://www.ted.com/profiles/597058">Nadine Hennig</reviewer>
 <translator href="http://www.ted.com/profiles/5524830">Lea Seeber</translator>
<seg id="1">  Das ist die Geschichte, wie ich einmal fast entführt und im Kofferraum eines roten Mazdas gelandet wäre.  </seg>
<seg id="2">  Einen Tag, nachdem ich mein Designstudium abgeschlossen hatte, machte ich einen Hinterhofverkauf.  </seg>
<seg id="3">  Ein Typ im roten Mazda blieb stehen und schaute sich meine Sachen an.  </seg>
<seg id="4">  Er kaufte eins meiner Kunstwerke.  </seg>
<seg id="5">  Er war allein in der Stadt und machte gerade einen Roadtrip durchs ganze Land. Danach würde er zum Friedenscorps gehen.  </seg>
<seg id="6">  Ich lud ihn auf ein Bier ein. Er erzählte mir begeistert, wie er die Welt verändern wollte.  </seg>
<seg id="7">  Es wurde spät. Ich wurde müde.  </seg>
<seg id="8">  Während wir die Rechnung bezahlten, machte ich den Fehler ihn zu fragen: "Wo schläfst du denn heute Nacht?"  </seg>
<seg id="9">  Er machte die ganze Sache noch schlimmer: "Ich weiß es noch nicht."  </seg>
<seg id="10">  Und ich dachte: "Oh, Mann!  </seg>
<seg id="11">  Was mach ich jetzt?"  </seg>
<seg id="12">  Wer kennt die Situation nicht?  </seg>
<seg id="13">  Muss ich jetzt einen Schlafplatz anbieten?  </seg>
<seg id="14">  Aber ich hab ihn doch gerade erst kennengelernt! Er sagt zwar, er würde zum Friedenskorps gehen, aber ich weiß doch nicht, ob er das wirklich plant. Ich will nicht entführt im Kofferraum eines Mazdas landen!  </seg>
<seg id="15">  Das ist ein kleiner Kofferraum!  </seg>
<seg id="16">  Dann hörte ich mich sagen: "Ich habe eine Luftmatratze. Du kannst in meinem Wohnzimmer schlafen."  </seg>
<seg id="17">  Eine Stimme in meinem Kopf sagte: "Äh, wie bitte?"  </seg>
<seg id="18">  Nachts lag ich dann im Bett, ich starrte an die Decke und dachte: "Oh Mann! Was hab ich mir da eingebrockt?  </seg>
<seg id="19">  Ein Wildfremder schläft in meinem Wohnzimmer.  </seg>
<seg id="20">  Was, wenn er verrückt ist?"  </seg>
<seg id="21">  Ich bekam eine solche Angst, dass ich aus dem Bett stieg, auf Zehenspitzen zur Tür schlich, und meine Schlafzimmertür abschloss.  </seg>
<seg id="22">  Aber er war gar nicht verrückt.  </seg>
<seg id="23">  Wir sind immer noch in Kontakt.  </seg>
<seg id="24">  Das Kunstwerk, das er von mir gekauft hatte, hängt heute in seinem Klassenzimmer. Er ist jetzt Lehrer.  </seg>
<seg id="25">  Das war meine erste Erfahrung als Gastgeber. Es hat meinen Blickwinkel komplett verändert.  </seg>
<seg id="26">  Vielleicht waren die Menschen, die mir in der Kindheit als Fremde verkauft wurden, eigentlich Freunde, die nur darauf warteten, entdeckt zu werden?  </seg>
<seg id="27">  Menschen auf meiner Luftmatratze zu beherbergen, wurde normal für mich. Als ich nach San Francisco zog, nahm ich die Luftmatratze mit.  </seg>
<seg id="28">  Machen wir einen Zeitsprung, zwei Jahre später...  </seg>
<seg id="29">  Ich bin arbeitslos, fast pleite, mein Mitbewohner zieht aus und die Miete wird erhöht.  </seg>
<seg id="30">  Ich erfuhr, dass es zu jener Zeit eine Design-Konferenz in der Stadt gab. Alle Hotels waren ausgebucht.  </seg>
<seg id="31">  Ich glaube, Kreativität kann es schaffen, Angst in Spaß zu verwandeln.  </seg>
<seg id="32">  Ich schrieb meinem besten Freund und neuen Mitbewohner Brian Chesky: "Brian, ich hab überlegt, wie wir etwas dazu verdienen könnten. Unsere Wohnung wird zu einem Designer-Bed-and-Breakfast. Junge Designer können bei uns übernachten, WLAN und ein Schreibtisch inklusive, dazu eine Matratze und jeden Morgen Frühstück.  </seg>
<seg id="33">  Ha!"  </seg>
<seg id="34">  Wir erstellten eine Website und gründeten so "Luftmatratze und Frühstück" [AIRBed aNd Breakfast = Airbnb].  </seg>
<seg id="35">  Drei glückliche Gäste durften bei uns für 20 Dollar auf der Luftmatratze auf Holzfußboden schlafen.  </seg>
<seg id="36">  Sie fanden es super, und wir auch.  </seg>
<seg id="37">  Ich bin mir sicher, unsere Käse-Schinken-Omeletts schmeckten komplett anders, weil wir sie für unsere Gäste machten.  </seg>
<seg id="38">  Wir tourten mit ihnen durch die ganze Stadt. Als wir unseren letzten Gast verabschiedeten und die Tür ins Schloss fiel, starrten Brian und ich uns an.  </seg>
<seg id="39">  Hatten wir gerade entdeckt, dass wir gleichzeitig neue Freunde finden und unsere Miete bezahlen konnten?  </seg>
<seg id="40">  Die Dinge kamen ins Rollen.  </seg>
<seg id="41">  Mein ehemaliger Mitbewohner, Nate Blecharczyk, schloss sich uns als Entwickler an.  </seg>
<seg id="42">  Wir wollten herausfinden, ob man daraus ein Geschäftskonzept machen könnte.  </seg>
<seg id="43">  So präsentierten wir uns den Investoren: "Wir möchten eine Website erstellen, auf der Leute öffentlich Bilder von ihren Privaträumen posten, ihren Schlafzimmern, ihren Bädern -- die Art Zimmer, deren Türen man schließt, wenn Besuch vorbei kommt.  </seg>
<seg id="44">  Über das Internet können sie dann wildfremde Menschen dazu einladen, bei ihnen zu übernachten.  </seg>
<seg id="45">  Das wird das nächste große Ding!"  </seg>
<seg id="46">   Wir warteten, dass die Rakete zünden würde.  </seg>
<seg id="47">  Tat sie aber nicht.  </seg>
<seg id="48">  Niemand, der noch ganz bei Trost ist, würde in ein Geschäft investieren, das Fremden erlaubt, in Wohnungen anderer Leute zu schlafen.  </seg>
<seg id="49">  Warum?  </seg>
<seg id="50">  Weil wir als Kinder alle gelernt haben, dass Fremde gefährlich sind.  </seg>
<seg id="51">  Wenn man ein Problem hat, besinnt man sich auf die Dinge, die man gut kann. Wir konnten designen.  </seg>
<seg id="52">  An der Kunstakademie hatten wir gelernt, dass Design viel mehr ist als nur Aussehen und Haptik -- es ist das Gesamterlebnis.  </seg>
<seg id="53">  Wir hatten gelernt, wie man Objekte designt, aber jetzt wollten wir durch Design immenses Vertrauen schaffen, zwischen Menschen, die sich nie zuvor getroffen hatten.  </seg>
<seg id="54">  Kann Design so etwas leisten?  </seg>
<seg id="55">  Ist es möglich, mit Design Vertrauen zu schaffen?  </seg>
<seg id="56">  Ich möchte Ihnen eine Kostprobe geben, welchen Grad Vertrauen wir anstrebten.  </seg>
<seg id="57">  Es ist ein 30-Sekunden-Experiment. Es wird Sie aus Ihrer Komfortzone heraus zwingen.  </seg>
<seg id="58">  Daumen hoch, wenn Sie bereit sind.  </seg>
<seg id="59">  Nehmen Sie Ihr Handy in die Hand.  </seg>
<seg id="60">  Jetzt möchte ich gerne, dass Sie Ihr Handy entsperren.  </seg>
<seg id="61">  Geben Sie Ihr entsperrtes Handy Ihrem linken Sitznachbarn.  </seg>
<seg id="62">   Dieser leise Anflug von Panik, den Sie jetzt spüren --  -- ist genau das, was Gastgeber spüren, wenn sie das erste Mal die Tür öffnen.  </seg>
<seg id="63">  Denn das einzige, was noch persönlicher als Ihr Handy ist, ist Ihr Zuhause.  </seg>
<seg id="64">  Besucher können nicht nur Ihre SMS lesen, sie sehen Ihr Schlafzimmer, Ihre Küche, Ihre Toilette.  </seg>
<seg id="65">  Wie fühlt es sich an, das entsperrte Handy eines Fremden in den Händen zu halten?  </seg>
<seg id="66">  Die meisten spüren die Verantwortung.  </seg>
<seg id="67">  So fühlen sich auch die meisten Gäste, wenn sie woanders übernachten.  </seg>
<seg id="68">  Nur aus diesem Grund kann unser Unternehmen existieren.  </seg>
<seg id="69">  Nur mal so, wer hat jetzt eigentlich Al Gores Handy?  </seg>
<seg id="70">   Könnten Sie bitte auf Twitter verkünden, dass er für das Amt des Präsidenten kandidiert?  </seg>
<seg id="71">    Sie können die Handys jetzt zurückgeben.  </seg>
<seg id="72">  Sie haben jetzt erlebt, welche Art Vertrauen wir aufbauen wollen. Ich möchte Ihnen von einigen Entdeckungen erzählen.  </seg>
<seg id="73">  Was wäre, wenn wir ein kleines Detail an diesem Experiment geändert hätten?  </seg>
<seg id="74">  Was, wenn sich Ihr Nachbar erst einmal mit seinem Namen vorgestellt hätte; wenn er erzählt hätte, woher er kommt, wie sein Hund oder seine Kinder heißen?  </seg>
<seg id="75">  Stellen Sie sich vor, Sie hätten 150 Beurteilungen, die alle sagen: "Er kann wirklich sehr gut entsperrte Handys festhalten!"  </seg>
<seg id="76">   Wie würden Sie sich dann fühlen, wenn Sie Ihr Handy abgeben müssten?  </seg>
<seg id="77">  Denn ein gut durchdachtes Feedback-System stärkt das Vertrauen entscheidend.  </seg>
<seg id="78">  Am Anfang haben wir noch einige Dinge falsch gemacht.  </seg>
<seg id="79">  Es war schwer für die Leute, negative Beurteilungen abzugeben.  </seg>
<seg id="80">  Letztlich entschieden wir uns zu warten, bis sowohl Gastgeber als auch Gast ihre Beurteilungen abgegeben hatten, bevor wir sie online stellten.  </seg>
<seg id="81">  Letzte Woche haben wir etwas Neues entdeckt.  </seg>
<seg id="82">  Wir haben mit Stanford eine Studie durchgeführt. Wir untersuchten, wie wahrscheinlich es ist, dass Menschen einander vertrauen, abhängig davon, wie ähnlich sie sich hinsichtlich Alter und Wohnort sind.  </seg>
<seg id="83">  Wenig überraschend vertrauen wir den Menschen am meisten, die uns am ähnlichsten sind.  </seg>
<seg id="84">  Je mehr Unterschiede wir finden, desto weniger vertrauen wir.  </seg>
<seg id="85">  Das ist eine natürliche soziale Voreingenommenheit.  </seg>
<seg id="86">  Spannend wird es, wenn man den Ruf einer Person hinzufügt -- in unserem Fall durch Beurteilungen.  </seg>
<seg id="87">  Wenn man weniger als drei Beurteilungen hat, ändert sich nichts.  </seg>
<seg id="88">  Hat man aber mehr als zehn, ändert sich alles.  </seg>
<seg id="89">  Ein guter Ruf sticht Gemeinsamkeiten aus.  </seg>
<seg id="90">  Das richtige Design kann uns also dabei helfen, einige unserer tief verwurzelten Vorlieben zu überwinden.  </seg>
<seg id="91">  Außerdem erfuhren wir, dass Vertrauen davon abhängig ist, wie viel man von sich preisgibt.  </seg>
<seg id="92">  Hier sehen Sie die Reaktionen auf die erste Nachricht eines Gastes.  </seg>
<seg id="93">  Wenn man zu wenig erzählt, wie zum Beispiel "Hi!", bekommt man eher keine Antwort.  </seg>
<seg id="94">  Erzählt man zuviel, wie zum Beispiel: "Ich habe Probleme mit meiner Mutter" --  -- wird die Anfrage auch eher nicht angenommen.  </seg>
<seg id="95">  Es gibt also einen optimalen Grad an Offenheit, z. B. "Tolle Kunstwerke in deiner Wohnung! Ich mache mit meiner Familie Urlaub."  </seg>
<seg id="96">  Wie kann man es mit Design schaffen, diesen Grad an Offenheit herzustellen?  </seg>
<seg id="97">  Wir benutzen die Größe des Textfeldes, um die richtige Menge Text zu empfehlen. Wir geben außerdem Tipps, zu welchen Themen man etwas schreiben sollte.  </seg>
<seg id="98">  Unser ganzes Unternehmen baut auf der Hoffnung auf, dass das richtige Design helfen kann, unsere Vorurteile gegenüber Fremden zu überwinden.  </seg>
<seg id="99">  Womit wir nicht gerechnet hatten, war die große Menge an Menschen, die mehr als bereit waren, diese Vorurteile abzulegen.  </seg>
<seg id="100">  Hier sehen Sie, wie viele Menschen unser Angebot in Anspruch nehmen.  </seg>
<seg id="101">  Man kann drei Dinge erkennen.  </seg>
<seg id="102">  Erstens: unglaublich viel Glück.  </seg>
<seg id="103">  Zweitens: die unermüdliche Arbeit unseres Teams.  </seg>
<seg id="104">  Drittens: einen Bedarf, der vorher nicht gedeckt worden war.  </seg>
<seg id="105">  Für uns läuft das Geschäft gerade sehr gut.  </seg>
<seg id="106">  Natürlich gibt es auch Zeiten, wenn nicht alles glatt läuft.  </seg>
<seg id="107">  Es gab Gäste, die unerlaubt Partys gefeiert oder Wohnungen verwüstet haben.  </seg>
<seg id="108">  Gastgeber haben Gäste im Regen stehen lassen.  </seg>
<seg id="109">  Am Anfang des Projekts habe ich im Kundenservice mitgearbeitet. Alle Anrufe kamen direkt auf mein Handy.  </seg>
<seg id="110">  Ich stand an vorderster Front, wenn Vertrauen gebrochen wurde.  </seg>
<seg id="111">  Es gibt nichts Schlimmeres als diese Anrufe. Es tut schon weh, wenn ich nur daran denke.  </seg>
<seg id="112">  Die Enttäuschung, die man in der Stimme der Anrufer hört, war und wird auch immer unsere größte Motivation sein, uns weiter zu verbessern.  </seg>
<seg id="113">  Glücklicherweise hatte von den 123 Millionen vermittelten Übernachtungen nur ein Bruchteil je ein Problem.  </seg>
<seg id="114">  Denn Menschen vertrauten einander zu Recht.  </seg>
<seg id="115">  Wenn Vertrauen funktioniert, kann dabei Wunderbares entstehen.  </seg>
<seg id="116">  Einer unserer Gäste machte Urlaub in Uruguay. Dort erlitt er einen Herzinfarkt.  </seg>
<seg id="117">  Sein Gastgeber fuhr ihn ins Krankenhaus.  </seg>
<seg id="118">  Er spendete sogar Blut für die nötige Operation!  </seg>
<seg id="119">  Hier ist seine Beurteilung:  </seg>
<seg id="120">   "Perfektes Haus für Reisende, die aufgrund sitzender Tätigkeiten zu Herzinfarkten neigen.  </seg>
<seg id="121">   Die Gegend ist wunderschön und mit ausreichend Krankenhäusern ausgestattet.  </seg>
<seg id="122">   Javier und Alejandra sind echte Schutzengel, die einem das Leben retten, obwohl sie einen gar nicht richtig kennen.  </seg>
<seg id="123">  Sie fahren einen im eigenen Auto ins Krankenhaus, wenn man stirbt, und warten, während man einen Bypass bekommt.  </seg>
<seg id="124">  Weil sie nicht wollen, dass man sich einsam fühlt, bringen sie Bücher vorbei.  </seg>
<seg id="125">  Sie lassen einen sogar länger bleiben, ohne die Extra-Nächte zu berechnen.  </seg>
<seg id="126">  Ich kann es nur empfehlen!"  </seg>
<seg id="127">   So läuft natürlich nicht jeder Aufenthalt ab.  </seg>
<seg id="128">  Aber diese Beziehungen hinter der reinen Geldtransaktion sind genau das, was man mit der Share Economy erreichen will.  </seg>
<seg id="129">  Als ich zum ersten Mal über diesen Begriff stolperte, fragte ich mich:  </seg>
<seg id="130">  Wie passt der Gedanke des Teilens mit Geldtransaktionen zusammen?  </seg>
<seg id="131">  Es geht hier um einen wirtschaftlichen Handel.  </seg>
<seg id="132">  Aber es jetzt einfach nur "Mietindustrie" zu nennen, wird der Sache nicht gerecht.  </seg>
<seg id="133">  Share Economy beschreibt einen Handel, der menschliche Beziehungen verspricht.  </seg>
<seg id="134">  Menschen legen einen Teil von sich offen, und das ändert alles.  </seg>
<seg id="135">  Wenn man heutzutage verreist, ist das mit Fast Food zu vergleichen. Es ist effizient und verlässlich, aber dafür weniger authentisch.  </seg>
<seg id="136">  Was wäre jedoch, wenn Reisen ein reichhaltiges Buffet aus lokalen Eindrücken wäre?  </seg>
<seg id="137">  Was wäre, wenn an jedem Ort, den man besucht, eine Gruppe dort Ansässiger darauf warten würde, einen gründlich abzufüllen und einem bei einer Kneipentour Viertel zu zeigen, von denen man noch nie gehört hat;  </seg>
<seg id="138">  oder wenn man Kochen von einem Fünf-Sterne-Koch lernen könnte?  </seg>
<seg id="139">  Heutzutage werden Wohnungen nach dem Prinzip von Privatsphäre gestaltet.  </seg>
<seg id="140">  Was wäre, wenn wir Wohnungen von Grund auf zum Miteinanderteilen gestalten würden?  </seg>
<seg id="141">  Wie würde das aussehen?  </seg>
<seg id="142">  Was wäre, wenn Städte den Gedanken vom gemeinsamen Teilhaben annehmen würden?  </seg>
<seg id="143">  Ich stelle mir Städte vor, die uns Gesellschaft und Beziehungen ermöglichen, statt Einsamkeit und Abschottung.  </seg>
<seg id="144">  In Südkoreas Hauptstadt Seoul wurde dieses Projekt bereits begonnen. Viele Parkplätze, die der Regierung gehörten,  </seg>
<seg id="145">  wurden nun Anwohnern angeboten. Studenten, die auf der Suche nach einer Bleibe waren,  </seg>
<seg id="146">  wurden an Menschen vermittelt, deren Kinder ausgezogen waren. Es wurden Inkubatorprogramme gestartet,  </seg>
<seg id="147">  um neue Start-ups in der Share Economy finanzieren zu können. Über unsere Plattform allein werden heute Nacht 785 000 Menschen in 191 Ländern zu Gast bei einem Fremden oder selbst Gastgeber sein.  </seg>
<seg id="148">  Die Idee scheint also nicht so verrückt zu sein, wie es uns beigebracht wurde.  </seg>
<seg id="149">  Wir haben das Rad nicht neu erfunden.  </seg>
<seg id="150">  Gastfreundlichkeit gab es auch vorher schon.  </seg>
<seg id="151">  Es gab vor uns schon ähnliche Websites.  </seg>
<seg id="152">  Warum also hat gerade unsere funktioniert?  </seg>
<seg id="153">  Abgesehen von Glück und Timing merkten wir, dass man mit den Bestandteilen des Vertrauens das richtige Design finden kann.  </seg>
<seg id="154">  Design kann uns helfen, tiefverwurzelte Vorurteile zu überwinden.  </seg>
<seg id="155">  Ich finde das verblüffend,  </seg>
<seg id="156">  geradezu überwältigend.  </seg>
<seg id="157">  Ich muss jedesmal darüber nachdenken, wenn ein roter Mazda an mir vorbei fährt.  </seg>
<seg id="158">  Wir wissen natürlich, dass Design nicht jedes Problem lösen kann.  </seg>
<seg id="159">  Aber wenn es uns helfen konnte, wenn es diesen großen Einfluss hatte, frage ich mich, wofür wir Design demnächst nutzen können.  </seg>
<seg id="160">  Danke.  </seg>
</doc>
<doc docid="2442" genre="lectures">
 <url>http://www.ted.com/talks/dalia_mogahed_what_do_you_think_when_you_look_at_me</url>
 <description>TED Talk Subtitles and Transcript: Wenn Sie die Studentin Dalia Mohaged sehen, was sehen Sie da: Eine Gläubige? Eine Studentin, eine Mutter, eine Schwester? Oder eine unterdrückte, Gehirnwäsche unterzogene, potenzielle Terroristin? In diesem persönlichen, beeindruckenden Vortrag bittet uns Mohaged, in dieser polarisierten Zeit, negative Gefühle gegenüber ihrem Glauben in den Medien zu bekämpfen und Empathie dem Vorurteil vorzuziehen.</description>
 <keywords>talks, Islam, United States, culture, faith, politics</keywords>
 <talkid>2442</talkid>
 <title>Dalia Mohaged: Was denken Sie, wenn Sie mich ansehen?</title>
 <reviewer href="http://www.ted.com/profiles/1657139">Patricia Guzmán </reviewer>
 <translator href="http://www.ted.com/profiles/5742647">Johannes Duschner</translator>
<seg id="1">  Was denken Sie, wenn Sie mich ansehen?  </seg>
<seg id="2">  Eine Gläubige? Eine Expertin?  </seg>
<seg id="3">  Vielleicht sogar eine Schwester.  </seg>
<seg id="4">  Oder unterdrückt, einer Gehirnwäsche unterzogen, eine Terroristin?  </seg>
<seg id="5">  Oder ganz einfach eine Verzögerung beim Sicherheitscheck am Flughafen.  </seg>
<seg id="6">  Das ist tatsächlich wahr.  </seg>
<seg id="7">   Ich gebe Ihnen nicht die Schuld für Ihre negativen Eindrücke.  </seg>
<seg id="8">  So stellen die Medien Leute dar, die so aussehen wie ich.  </seg>
<seg id="9">  Eine Studie ergab, dass 80 % der Berichterstattung über den Islam und Muslime negativ ist.  </seg>
<seg id="10">  Studien zeigen: Die Amerikaner meinen, die meisten würden keine Muslime kennen.  </seg>
<seg id="11">  Vermutlich sprechen die Leute nicht mit ihren Uber-Fahrern.  </seg>
<seg id="12">   Für alle die, die noch nie einen Muslimen kennengelernt haben: Es ist großartig, Sie kennenzulernen.  </seg>
<seg id="13">  Ich sage Ihnen, wer ich bin.  </seg>
<seg id="14">  Ich bin eine Mutter, eine Kaffeeliebhaberin -- doppelter Espresso, mit Sahne extra.  </seg>
<seg id="15">  Ich bin introvertiert,  </seg>
<seg id="16">  eine Möchtegern-Fitness-Fanatikerin,  </seg>
<seg id="17">  und ich bin eine praktizierende, spirituelle Muslimin.  </seg>
<seg id="18">  Aber nicht wie Lady Gaga singt, denn, Baby, ich wurde nicht so geboren.  </seg>
<seg id="19">  Ich habe mich dazu entschieden.  </seg>
<seg id="20">  Als ich 17 Jahre alt war, traf ich die Entscheidung, mich zu outen.  </seg>
<seg id="21">  Nein, nicht als homosexueller Mensch, wie einige meiner Freunde, sondern als Muslimin. Ich entschied mich, den Hijab, meine Kopfbedeckung zu tragen.  </seg>
<seg id="22">  Meine feministischen Freundinnen waren entsetzt: "Warum unterdrückst du dich selbst?"  </seg>
<seg id="23">  Das Lustige war: Damals war es für mich doch eine feministische Unabhängigkeitserklärung, und zwar gegenüber dem Druck, den ich als 17-Jährige fühlte, mich einem perfekten und unerreichbaren Schönheitsideal anzupassen.  </seg>
<seg id="24">  Ich habe nicht nur passiv den Glauben meiner Eltern angenommen.  </seg>
<seg id="25">  Ich habe mit dem Koran gerungen.  </seg>
<seg id="26">  Ich las ihn, dachte nach, stellte in Frage, zweifelte und glaubte letztendlich.  </seg>
<seg id="27">  Meine Beziehung zu Gott war nicht Liebe auf den ersten Blick.  </seg>
<seg id="28">  Sie war Vertrauen und langsame Hingabe, die sich mit jedem Lesen des Korans vertiefte.  </seg>
<seg id="29">  Die Schönheit der Rhythmik bringt mich manchmal zum Weinen.  </seg>
<seg id="30">  Ich erkenne mich selbst darin. Ich fühle, dass Gott mich kennt.  </seg>
<seg id="31">  Hatten Sie jemals das Gefühl, dass jemand Sie wahrnimmt, Sie vollständig versteht, und doch irgendwie liebt?  </seg>
<seg id="32">  So fühlt es sich an.  </seg>
<seg id="33">  Später heiratete ich und begann, wie alle guten Ägypter, meine Karriere als Ingenieurin.  </seg>
<seg id="34">   Ich hatte später, nach meiner Heirat, ein Kind, und lebte im Grunde den "Ägyptisch-Amerikanischen Traum".  </seg>
<seg id="35">  Dann kam jener schreckliche Morgen im September 2001.  </seg>
<seg id="36">  Viele von Ihnen erinnern sich vermutlich genau, wo sie da waren.  </seg>
<seg id="37">  Ich saß in meiner Küche, hatte zu Ende gefrühstückt, schaute auf den Bildschirm und sah das Wort "Eilmeldung".  </seg>
<seg id="38">  Da war Rauch, Flugzeuge flogen in Gebäude, Menschen sprangen aus den Gebäuden.  </seg>
<seg id="39">  Was war das?  </seg>
<seg id="40">  Ein Unfall?  </seg>
<seg id="41">  Eine technische Störung?  </seg>
<seg id="42">  Mein Schock verwandelte sich schnell in Empörung.  </seg>
<seg id="43">  Warum sollte man so etwas tun?  </seg>
<seg id="44">  Ich wechselte den Fernsehkanal und hörte: " ... muslimische Terroristen ...," " ... im Namen des Islam ...," " ... nahöstlicher Abstammung ...," " ... Dschihad ...," " ... zerbombt Mekka!"  </seg>
<seg id="45">  Oh, mein Gott.  </seg>
<seg id="46">  Es ist nicht nur mein Land angegriffen worden, sondern im Nu verwandelten mich die Taten von anderen von einer Bürgerin in eine Verdächtige.  </seg>
<seg id="47">  Am selben Tag mussten wir durch den Mittleren Westen der USA fahren, um in eine neue Stadt zu ziehen und mit dem Aufbaustudium zu beginnen.  </seg>
<seg id="48">  Ich erinnere mich, wie ich mich -- als wir schweigend fuhren -- so tief es ging in meinen Sitzplatz kauerte, und ich mich das erste Mal fürchtete, als Muslimin erkannt zu werden.  </seg>
<seg id="49">  Wir zogen in dieser Nacht in unsere Wohnung, in einer neuen Stadt, in der es sich wie eine vollständig andere Welt anfühlte.  </seg>
<seg id="50">  Und dann hörte, sah und las ich die Warnungen der nationalen islamischen Organisationen, die besagten: "Seid wachsam", "Seid vorsichtig", "Bleibt in gut beleuchteten Gegenden", "Versammmelt euch nicht".  </seg>
<seg id="51">  Ich blieb die ganze Woche drinnen.  </seg>
<seg id="52">  Dann wurde es Freitag in jener Woche -- der Tag, an dem sich Muslime zum Beten versammeln.  </seg>
<seg id="53">  Und wieder lauteten die Warnungen: "Geht nicht an diesem ersten Freitag, die Moschee könnte ein Ziel sein."  </seg>
<seg id="54">  Ich sah mir die umfangreiche Berichterstattung an.  </seg>
<seg id="55">  Die Gefühle waren verständlicherweise ungefiltert und ich hörte auch von Angriffen auf Muslime oder von Leuten, die man für Muslime hielt, ins Freie zerrte und schlug.  </seg>
<seg id="56">  Es gab wirklich Brandanschläge auf Moscheen.  </seg>
<seg id="57">  Ich dachte: Wir sollten zu Hause bleiben.  </seg>
<seg id="58">  Doch etwas fühlte sich nicht richtig an.  </seg>
<seg id="59">  Weil die Leute, die dieses Land angegriffen hatten, unser Land angegriffen haben.  </seg>
<seg id="60">  Ich habe die Wut der Leute auf die Terroristen abgekriegt.  </seg>
<seg id="61">  Stellen Sie sich vor! Ich war auch wütend.  </seg>
<seg id="62">  Es ist nicht einfach, sich andauernd selbst erklären zu müssen.  </seg>
<seg id="63">  Ich habe nichts gegen Fragen, ich liebe Fragen.  </seg>
<seg id="64">  Es sind die Anschuldigungen, die hart sind.  </seg>
<seg id="65">  Heutzutage können wir tatsächlich Leute sagen hören: "Es gibt ein Problem in diesem Land -- es heißt Muslime.  </seg>
<seg id="66">  Wann werden wir sie los?"  </seg>
<seg id="67">  Manche Leute wollen Muslime verbannen und Moscheen schließen.  </seg>
<seg id="68">  Sie sprechen von meiner Gemeinde wie von einem Tumor im Körper der USA.  </seg>
<seg id="69">  Es stellt sich nur die Frage: Sind wir bösartig oder gutartig?  </seg>
<seg id="70">  Sie wissen: einen bösartigen Tumor entfernt man als Ganzes und einen gutartigen Tumor hält man nur unter Beobachtung.  </seg>
<seg id="71">  Die Alternativen sind sinnlos, weil die Frage falsch gestellt ist.  </seg>
<seg id="72">  Muslime sind, wie alle anderen Amerikaner, kein Tumor im Körper der USA, sondern ein lebenswichtiges Organ.  </seg>
<seg id="73">   Danke!  </seg>
<seg id="74">   Muslime sind Erfinder und Lehrer, Ersthelfer und Olympioniken.  </seg>
<seg id="75">  Wird die Schließung von Moscheen Amerika sicherer machen?  </seg>
<seg id="76">  Es wird vielleicht ein paar Parkplätze freihalten, aber nicht den Terror stoppen.  </seg>
<seg id="77">  Der regelmäßige Besuch einer Moschee führt dazu, Menschen anderen Glaubens toleranter zu betrachten, und größere Bürgerbeteiligung zu zeigen.  </seg>
<seg id="78">  Und wie mir ein Leiter der Polizei in der Gegend von Washington, DC kürzlich erzählte: Menschen werden tatsächlich nicht in Moscheen radikalisiert.  </seg>
<seg id="79">  Sie werden in ihrem Keller oder im Bett vor einem Computer radikalisiert.  </seg>
<seg id="80">  Beim Radikalisierungsprozess hat man festgestellt, dass er online beginnt. Als Erstes wird die Person von ihrer Gemeinde abgeschnitten, sogar von ihrer Familie, damit die Extremistengruppe eine Gehirnwäsche machen kann, die dazu führt, dass die Person glaubt, die Terroristen seien die wahren Muslime, und jeder, der ihr Verhalten und ihre Ideologie verabscheut, ist ein Verräter oder vom Glauben abgefallen.  </seg>
<seg id="81">  Wenn wir Radikalisierung verhindern wollen, müssen wir die Leute dazu anhalten, zur Moschee zu gehen.  </seg>
<seg id="82">  Manche werden immer noch behaupten, der Islam sei eine gewalttätige Religion.  </seg>
<seg id="83">  Schließlich begründet eine Gruppe wie der IS ihre Brutalität mit dem Koran.  </seg>
<seg id="84">  Als Muslimin, als Mutter, als Mensch, glaube ich, dass wir alles tun müssen, um eine Gruppe wie der IS zu stoppen.  </seg>
<seg id="85">  Aber wir würden uns in ihre Vorstellungswelt fügen, wenn man sie als Repräsentanten von 1,6 Milliarden Gläubigen anerkennt.  </seg>
<seg id="86">   Danke!  </seg>
<seg id="87">  Der IS hat so viel mit dem Islam zu tun, wie der Ku-Klux-Klan mit dem Christentum.  </seg>
<seg id="88">   Beide Gruppen behaupten ihre Ideologie gründe auf ihrem "Heiligen Buch".  </seg>
<seg id="89">  Aber wenn man einen Blick auf sie wirft, treibt sie nicht an, was sie in ihrer "Heiligen Schrift" lasen.  </seg>
<seg id="90">  Es ist ihre Brutalität, die sie diese Dinge in die Schrift hineinlesen lässt.  </seg>
<seg id="91">  Ein herausragender Imam erzählte mir kürzlich eine erstaunliche Geschichte:  </seg>
<seg id="92">  Ein Mädchen kam zu ihm, weil sie vorhätte, sich dem IS anzuschließen.  </seg>
<seg id="93">  Ich war wirklich überrascht und fragte ihn, ob sie in Kontakt mit radikalen religiösen Führern gewesen sei.  </seg>
<seg id="94">  Er sagte, das Problem war genau das Gegenteil. Jeder Geistliche, mit dem sie gesprochen hatte, brachte sie zum Schweigen und sagte ihr, dass ihr Zorn, ihr Sinn für die Ungerechtigkeit in der Welt, sie nur in Schwierigkeiten bringen würde.  </seg>
<seg id="95">  Von nichts inspiriert und etwas, das ihrer Wut Sinn gegeben hätte, war sie ein Hauptziel für die Instrumentalisierung durch Extremisten, die ihr eine Lösung versprachen.  </seg>
<seg id="96">  Dieser Imam stellte die Verbindung zu Gott und ihrer Gemeinde wieder her.  </seg>
<seg id="97">  Anstatt sie für ihre Wut zu beschuldigen, zeigte er ihr konstruktive Wege für einen wirklichen Wandel in der Welt.  </seg>
<seg id="98">  Was sie in der Moschee lernte, bewahrte sie davor, sich dem IS anzuschließen.  </seg>
<seg id="99">  Das war ein Einblick, wie die Islamophobie mich und meine Familie betrifft.  </seg>
<seg id="100">  Aber wie wirkt es sich auf normale Amerikaner aus?  </seg>
<seg id="101">  Wie wirkt es sich auf jeden anderen aus?  </seg>
<seg id="102">  Wie wirkt sich der 24-stündige Konsum von Angst jeden Tag auf unsere Demokratie aus, auf unsere Gedankenfreiheit?  </seg>
<seg id="103">  Eine Studie -- eigentlich mehrere neurowissenschaftliche Studien -- zeigen: Wenn wir uns fürchten, passieren mindestens drei Dinge.  </seg>
<seg id="104">  Wir akzeptieren eher ein autoritäres Regierungssystem, Konformität und Vorurteile.  </seg>
<seg id="105">  Eine Studie zeigt: Wenn man Testpersonen Nachrichten vorlegt, in denen negativ über Muslime berichtet wurde, stimmmen sie eher militärischen Angriffen auf muslimische Länder sowie der Beschneidung der Rechte amerikanischer Muslime zu.  </seg>
<seg id="106">  Das ist nicht nur ein akademisches Problem.  </seg>
<seg id="107">  Wenn Sie schauen, wann die Stimmung gegen Muslime nach oben schoss -- zwischen 2001 und 2013 -- dann geschah dies drei Mal, aber nie im Zusammenhang mit Terroranschlägen.  </seg>
<seg id="108">  Es geschah im Vorfeld des Irakkrieges und während zweier Wahlperioden.  </seg>
<seg id="109">  Also ist Islamophobie nicht einfach die natürliche Reaktion auf Moslem-Terror, wie ich es erwartet habe.  </seg>
<seg id="110">  Es kann tatsächlich ein Werkzeug zur Manipulation der Öffentlichkeit sein, um das Fundament einer freien Gesellschaft auszuhöhlen, die vernünftige und gut informierte Bürger hat.  </seg>
<seg id="111">  Der Umgang mit Muslimen ist ein frühes Warnzeichen.  </seg>
<seg id="112">  Wir spüren es vielleicht als erste, aber die toxische Luft der Angst schadet uns allen.  </seg>
<seg id="113">   Bei der Zuweisung von Kollektivschuld geht es nicht nur darum, sich selbst erklären zu müssen.  </seg>
<seg id="114">  Deah und seine Frau Yusor waren ein junges, verheiratetes Paar, das in Chapel Hill, North Carolina lebte, wo beide zur Schule gingen.  </seg>
<seg id="115">  Deah war ein Sportler.  </seg>
<seg id="116">  Er war an der zahnmedizinischen Fakultät, talentiert, viel versprechend ...  </seg>
<seg id="117">  Seine Schwester würde mir sagen, dass er der süßeste, großzügigste Mensch war, den sie kannte.  </seg>
<seg id="118">  Sie besuchte ihn dort und er zeigte ihr seinen Lebenslauf. Sie war verblüfft und sagte:  </seg>
<seg id="119">  "Wann ist aus meinem Brüderlein solch ein versierter junger Mann geworden?"  </seg>
<seg id="120">  Nur ein paar Wochen nach dem Besuch von Suzanne bei ihrem Bruder und seiner Frau, hat ihr Nachbar, Craig Stephen Hicks, sie ermordet, genauso wie die Schwester von Yusor, Razan, die am Nachmittag zu Besuch war. Er tat es in ihrer Wohnung, wie bei einer Hinrichtung, nachdem er Äußerungen gegen Muslime auf seiner Facebook-Seite gepostet hatte.  </seg>
<seg id="121">  Er schoss acht Mal auf Deah.  </seg>
<seg id="122">  Fanatismus kann nicht nur unmoralisch, sondern auch tödlich sein.  </seg>
<seg id="123">  Also zurück zum Anfang.  </seg>
<seg id="124">  Was geschah nach dem 9/11?  </seg>
<seg id="125">  Sind wir zur Moschee gegangen oder blieben wir sicher zu Hause?  </seg>
<seg id="126">  Wir besprachen es und für uns war es keine leichte Entscheidung, denn es ging darum, welches Amerika wir unseren Kindern überlassen wollen: eines, dass uns durch Angst kontrollieren würde, oder eines, in dem wir unsere Religion frei ausüben können.  </seg>
<seg id="127">  Wir entschieden uns für die Moschee.  </seg>
<seg id="128">  Mit unserem Sohn im Kindersitz fuhren wir schweigend, mit Hochdruck zur Moschee.  </seg>
<seg id="129">  Ich nahm ihn heraus, zog meine Schuhe aus, ging in die Gebetshalle, und was ich sah, ließ mich anhalten.  </seg>
<seg id="130">  Die Halle war restlos gefüllt.  </seg>
<seg id="131">  Dann machte der Imam eine Ankündigung, bedankte sich und hieß unsere Gäste willkommen, denn die Hälfte der Versammelten waren Christen, Juden, Buddhisten, Atheisten, Gläubige und Nicht-Gläubige, die gekommen waren, nicht um uns anzugreifen, sondern um uns beizustehen.  </seg>
<seg id="132">   In diesem Moment bin ich zusammengebrochen.  </seg>
<seg id="133">  Diese Menschen waren dort, weil sie Mut und Mitgefühl Panik und Vorurteilen vorgezogen hatten.  </seg>
<seg id="134">  Was werden Sie wählen?  </seg>
<seg id="135">  Was werden Sie im Moment der Angst und des Fanatismus wählen?  </seg>
<seg id="136">  Werden Sie auf Nummer sicher gehen?  </seg>
<seg id="137">  Oder werden Sie sich denen anschließen, die meinen: Wir sind besser als die.  </seg>
<seg id="138">  Vielen Dank.  </seg>
<seg id="139">   Danke schön!  </seg>
<seg id="140">  Helen Walters: Also Dalia, Sie scheinen einen Nerv getroffen zu haben.  </seg>
<seg id="141">  Aber ich frage mich, was sagen Sie denjenigen, die vielleicht behaupten, dass Sie einen TEDTalk halten, eine Denkerin mit Tiefgang sind, in einer noblen Denkfabrik arbeiten, also eine Ausnahme und nicht die Regel sind.  </seg>
<seg id="142">  Was würden Sie zu jenen Leuten sagen?  </seg>
<seg id="143">  Dalia Mogahed: Ich würde sagen, täuschen Sie sich nicht. Ich bin vollkommen normal.  </seg>
<seg id="144">  Ich bin keine Ausnahme.  </seg>
<seg id="145">  Meine Geschichte ist nicht ungewöhnlich.  </seg>
<seg id="146">  Ich bin so gewöhnlich, wie es erlaubt ist.  </seg>
<seg id="147">  Wenn man auf die Muslime auf der ganzen Welt blickt, und ich tat das mit der größten je durchgeführten Studie zu Muslimen auf der ganzen Welt, wollen Menschen normale Dinge.  </seg>
<seg id="148">  Sie wollen Wohlstand für die Familie, sie wollen Arbeit und sie wollen in Frieden leben.  </seg>
<seg id="149">  Also bin ich in keinerlei Hinsicht eine Ausnahme.  </seg>
<seg id="150">  Wenn Menschen wie eine Ausnahme zur Regel erscheinen, dann ist oft die Regel gebrochen worden, und sie sind nicht die Ausnahme zu der Regel.  </seg>
<seg id="151">  HW: Vielen Dank. Dalia Mogahed.  </seg>
</doc>
<doc docid="2440" genre="lectures">
 <url>http://www.ted.com/talks/raffaello_d_andrea_meet_the_dazzling_flying_machines_of_the_future</url>
 <description>TED Talk Subtitles and Transcript: Wenn Sie das Wort “Drohne” hören, denken Sie wahrscheinlich entweder an etwas sehr nützliches oder etwas sehr unheimliches. Aber könnten sie einen ästhetischen Wert haben? Der Experte für autonome Systeme, Raffaello D'Andrea, entwickelt Flugmaschinen, und seine neuesten Projekte überschreiten die Möglichkeiten des autonomen Flugs – von einem fliegenden Flügel, der schweben und sich von Turbulenzen erfangen kann bis zu einem Gerät mit acht Propellern, das unabhängig von Ausrichtung fliegen kann, bis zu einem Schwarm von extrem kleinen koordinierten Micro-Quadcoptern. Lasssen sie sich von traumhaften herumwirbelnden Masse von Flugmaschinen verzaubern, die wie Glühwürmchen über der TED-Bühne tanzen.</description>
 <keywords>talks, beauty, creativity, demo, design, drones, flight, future, invention, technology</keywords>
 <talkid>2440</talkid>
 <title>Raffaello D'Andrea: Entdecken Sie die glanzvollen Fluggeräte der Zukunft</title>
 <reviewer href="http://www.ted.com/profiles/1428226">Angelika Lueckert Leon</reviewer>
 <translator href="http://www.ted.com/profiles/4875196">Elisabeth Skoda</translator>
<seg id="1">  Was als Plattform für Bastler begann, steht kurz davor, ein Milliardengeschäft zu werden.  </seg>
<seg id="2">  Kontrolle, Umweltüberwachung, Fotografie, Film und Journalismus: Das sind einige der möglichen Anwendungen für gewerbliche Drohnen. Möglich gemacht wird das in Forschungseinrichtungen weltweit.  </seg>
<seg id="3">  Bevor Luft-Paketzustellung in unser gesellschaftliches Bewusstsein eindrang, hat eine autonome Flotte von Flugmaschinen im FRAC Centre in Frankreich live vor Publikum einen sechs Meter hohen Turm aus 1 500 Ziegeln gebaut. Vor einigen Jahren begannen sie, mit Seilen zu fliegen.  </seg>
<seg id="4">  Durch Aneinanderbinden erreichen Fluggeräte hohe Geschwindigkeit und Beschleunigung auf engstem Raum.  </seg>
<seg id="5">  Sie können auch selbstständig zugbelastbare Strukturen bauen.  </seg>
<seg id="6">  Sie haben gelernt, Lasten zu tragen, mit Turbulenzen umzugehen und generell auf Naturgesetze zu reagieren.  </seg>
<seg id="7">  Heute möchten wir Ihnen ein paar unserer neuen Projekte zeigen.  </seg>
<seg id="8">  Unser Ziel ist es, die Grenzen des Möglichen im autonomen Flug zu überschreiten.  </seg>
<seg id="9">  Damit ein System autonom funktioniert, muss es kollektiv Bescheid wissen, wo im Raum sich die mobilen Objekte befinden.  </seg>
<seg id="10">  In unserem Labor an der ETH Zürich verwenden wir oft externe Kameras, um Objekte zu finden. Das ermöglicht uns dann, uns auf die rasche Entwicklung dynamischer Tasks zu konzentrieren.  </seg>
<seg id="11">  Für die heutigen Demos verwenden wir eine neue Lokalisierungstechnologie von Verity Studios, einem Ableger unseres Labors.  </seg>
<seg id="12">  Es gibt keine externen Kameras.  </seg>
<seg id="13">  Jede Flugmaschine hat interne Sensoren, um die Position im Raum zu bestimmen, Berechnungen an Bord bestimmen, was die Maschine tun sollte.  </seg>
<seg id="14">  Externe Befehle gibt es auf höchster Ebene. z. B. “starten” und “landen”.  </seg>
<seg id="15">  Dies ist ein sogenannter Heckstarter,  </seg>
<seg id="16">  ein Fluggerät, das versucht, zwei Fliegen mit einer Klappe zu schlagen.  </seg>
<seg id="17">  Wie andere Starrflügler ist es im Vorwärtsflug effizient, viel effizienter als Hubschrauber in all ihren Variationen.  </seg>
<seg id="18">  Im Gegensatz zu den meisten Starrflüglern kann es schweben, und hat damit groβe Vorteile bei Start und Landung, und ist sehr vielseitig.  </seg>
<seg id="19">  Allerdings gibt es immer eine Kehrseite.  </seg>
<seg id="20">  Eine Einschränkung von Heckstartern ist, dass sie empfindlich auf Turbulenzen wie Windböen reagieren.  </seg>
<seg id="21">  Wir entwickeln neue Steuerungen und Algorithmen, um dies zu verbessern.  </seg>
<seg id="22">  Die Idee dahinter ist, dass das Fluggerät egal in welcher Lage die optimale Position wiedererlangt und die Leistung durch Üben verbessert werden kann.  </seg>
<seg id="23">   Okay.  </seg>
<seg id="24">  Während unserer Forschung stellen wir uns oft grundlegende abstrakte Fragen, die zum Kern der Sache vordringen.  </seg>
<seg id="25">  Eine solche Frage wäre zum Beispiel: Was ist die kleinstmögliche Zahl beweglicher Teile für kontrollierte Flüge?  </seg>
<seg id="26">  Es gibt praktische Gründe dafür, die Antwort auf eine solche Frage wissen zu wollen.  </seg>
<seg id="27">  Hubschrauber sind etwa als Maschinen mit tausend beweglichen Teilen bekannt, die sich zusammentun, um Sie zu verletzen.  </seg>
<seg id="28">  Vor Jahrzehnten konnten ausgebildete Piloten ferngesteuerte Fluggeräte fliegen, die nur zwei bewegliche Teile hatten: Einen Propeller und ein Heckruder.  </seg>
<seg id="29">  Unlängst entdeckten wir, dass Fliegen mit nur einem funktioniert.  </seg>
<seg id="30">  Das ist der Monospinner, das mechanisch einfachste fernbediente Fluggerät. Es wurde vor Kurzem erfunden.  </seg>
<seg id="31">  Es hat nur einen beweglichen Teil, einen Propeller,  </seg>
<seg id="32">  keine Klappen, Scharniere und Querruder, keine weiteren Stellantriebe oder Kontrolloberflächen, nur einen Propeller.  </seg>
<seg id="33">  Obwohl es mechanisch simpel ist, passiert im Innenleben sehr viel, damit es stabil fliegen kann, und sich im Raum überallhin bewegen kann.  </seg>
<seg id="34">  Dennoch verfügt es nicht über den eleganten Algorithmus des Heckstarters. Um es zum Fliegen zu bringen, muss ich es genau richtig werfen.  </seg>
<seg id="35">  Die Wahrscheinlichkeit, es genau richtig zu werfen, wenn mir alle zusehen, ist gering, deshalb zeige ich Ihnen ein Video, das gestern Abend gefilmt wurde.  </seg>
<seg id="36">    Wenn der Monospinner eine Übung in Genügsamkeit ist, ist diese Maschine hier, der Omnikopter mit seinen acht Propellern, eine Übung in Überfluss.  </seg>
<seg id="37">  Was tun mit all diesem Überfluss?  </seg>
<seg id="38">  Sie sehen, dass er äuβerst symmetrisch ist.  </seg>
<seg id="39">  Deshalb ist er ambivalent in seiner Ausrichtung.  </seg>
<seg id="40">  Dadurch erhält er die die auβerordentliche Fähigkeit,  </seg>
<seg id="41">  sich im Raum in alle Richtungen zu bewegen, egal in welche Richtung er gedreht ist oder sogar wie er rotiert.  </seg>
<seg id="42">  Natürlich ist er komplex, hauptsächlich im Bereich der interaktiven Flüsse von den acht Propellern.  </seg>
<seg id="43">  Einiges ist in Modellen darstellbar, der Rest wird direkt beim Fliegen erlernt.  </seg>
<seg id="44">  Sehen wir uns das an.  </seg>
<seg id="45">   Wenn Flugmaschinen einmal Teil unseres Alltags sein sollen, müssen sie extrem sicher und verlässlich werden.  </seg>
<seg id="46">  Diese Maschine hier besteht aus zwei separaten Zweipropeller-Flugmaschinen.  </seg>
<seg id="47">  Diese dreht sich im Uhrzeigersinn  </seg>
<seg id="48">  und die andere gegen den Uhrzeigersinn.  </seg>
<seg id="49">  Wenn man sie zusammenbaut, verhalten sie sich wie ein Hochleistungs-Quadrocopter.  </seg>
<seg id="50">  Geht allerdings etwas schief -- ein Motor oder Propeller fällt aus, die Elektronik oder ein Akku -- kann die Maschine weiter fliegen, wenn auch eingeschränkt.  </seg>
<seg id="51">  Wir werden das nun demonstrieren, indem wir eine Hälfte flugunfähig machen.  </seg>
<seg id="52">   Die letzte Demonstration untersucht synthetische Schwärme.  </seg>
<seg id="53">  Die groβe Zahl an autonomen, koordinierten Einheiten ermöglicht eine Palette an ästhetischem Ausdruck.  </seg>
<seg id="54">  Wir nahmen handelsübliche Micro-Quadcopter -- jeder einzelne wiegt weniger als eine Scheibe Brot -- und statten sie mit Lokalisierungstechnologie und Algorithmen aus.  </seg>
<seg id="55">  Jede Einheit weiss, wo im Raum sie ist und ist selbstgesteuert. Darum gibt es keine Obergrenze.  </seg>
<seg id="56">     Hoffentlich motivieren Sie diese Demonstrationen dazu, sich neue revolutionäre Ideen auszudenken.  </seg>
<seg id="57">  Die besonders sichere Maschine da drüben möchte am Broadway ein fliegender Lampenschirm werden.  </seg>
<seg id="58">   Natürlich ist es schwierig, den Einfluss dieser Technologie vorherzusagen.  </seg>
<seg id="59">  Für Typen wie uns liegt der Lohn in der Entwicklung und dem Schaffensakt.  </seg>
<seg id="60">  Es dient als Erinnerung, wie wunderbar und zauberhaft unser Universum ist, und dass es kreativen, klugen Geschöpfen erlaubt, sie auf so spektakuläre Weise zu formen.  </seg>
<seg id="61">  Die Tatsache, dass diese Technologie solch massives gewerbliches und wirtschaftliches Potential hat, ist das Tüpfelchen auf dem i.  </seg>
<seg id="62">  Vielen Dank.  </seg>
</doc>
<doc docid="2439" genre="lectures">
 <url>http://www.ted.com/talks/allan_adams_what_the_discovery_of_gravitational_waves_means</url>
 <description>TED Talk Subtitles and Transcript: Vor mehr als einer Milliarde Jahren umkreisten einander in einer weit entfernten Galaxie zwei schwarze Löcher, stürzten unaufhaltsam ineinander und verschmolzen. "Die gesamte dabei freigesetzte Energie wurde in das Gefüge von Raum und Zeit selbst geladen," sagt der theoretische Physiker Allan Adams, "und Gravitationswellen schossen durch das Universum." Vor ungefähr 25 Jahren baute eine Gruppe von Wissenschaftlern einen gigantischen Laser-Detektor namens LIGO, um nach diesen Wellen zu suchen, die zwar berechnet, aber niemals nachgewiesen worden waren. In diesem atemberaubenden Vortrag analysiert Adams die Ereignisse vom September 2015, als LIGO eine unvorstellbar winzige Abweichung feststellte, die zu einer der spannendsten Entdeckungen in der Geschichte der Physik führte.</description>
 <keywords>talks, astronomy, cosmos, curiosity, exploration, nature, physics, science, space, technology, universe</keywords>
 <talkid>2439</talkid>
 <title>Allan Adams: Was die Entdeckung der Gravitationswellen bedeutet</title>
 <reviewer href="http://www.ted.com/profiles/333489">Johanna Pichler</reviewer>
 <translator href="http://www.ted.com/profiles/5715816">Englisch2 Intrawi</translator>
<seg id="1">  Vor 1,3 Milliarden Jahren umkreisten in einer sehr weit entfernten Galaxie zwei schwarze Löcher einander immer schneller, Sie wandelten so die Masse dreier Sonnen in einer Zehntelsekunde in pure Energie um.  </seg>
<seg id="2">  Diesen kurzen Moment lang leuchteten sie heller als alle Sterne zusammen in allen Galaxien des gesamten uns bekannten Universums.  </seg>
<seg id="3">  Es war ein sehr großer Knall.  </seg>
<seg id="4">  Ihre Energie setzten sie aber nicht in Form von Licht frei --  </seg>
<seg id="5">  wir sprechen schließlich von schwarzen Löchern.  </seg>
<seg id="6">  Die gesamte Energie wurde ins Raum-Zeit-Gefüge selbst abgegeben und das Universum explodierte in Gravitationswellen.  </seg>
<seg id="7">  Ordnen wir die Ereignisse zunächst zeitlich ein.  </seg>
<seg id="8">  Vor 1,3 Milliarden Jahren war gerade mehrzelliges Leben auf der Erde entstanden.  </seg>
<seg id="9">  Seitdem hat die Erde einiges hervorgebracht: Korallen, Fische, Pflanzen, Saurier, Menschen und -- Gott stehe uns bei -- sogar das Internet.  </seg>
<seg id="10">  Vor etwa 25 Jahren beschloss eine Gruppe besonders Mutiger -- Rai Weiss vom MIT, Kip Thorne und Ronald Drever vom Caltech -- einen riesigen Laserdetektor zu bauen, um nach Gravitationswellen zu suchen, die etwa durch kollidierende schwarze Löcher entstehen.  </seg>
<seg id="11">  Die meisten hielten sie für verrückt.  </seg>
<seg id="12">  Aber genug Menschen erkannten sie als verrückte Genies, sodass die US National Science Foundation ihre Idee finanzierte.  </seg>
<seg id="13">  Nach jahrzehntelanger Entwicklung, Konstruktion, Konzeption und extrem viel harter Arbeit bauten sie den Detektor LIGO: das Laser-Interferometer- Gravitationswellen-Observatorium.  </seg>
<seg id="14">  In der Folgezeit konnte die Präzision von LIGO erheblich gesteigert werden, was die Erkennungsleistung enorm verbesserte.  </seg>
<seg id="15">  Daher nennt man ihn jetzt Advanced LIGO.  </seg>
<seg id="16">  Anfang September 2015 wurde LIGO für einen letzten Testlauf gestartet um einige kleinere, hartnäckige Probleme zu klären.  </seg>
<seg id="17">  Am 14. September 2015, nur einige Tage nach der Inbetriebnahme des Detektors, rauschten die Gravitationswellen der beiden kollidierenden schwarzen Löcher durch die Erde hindurch.  </seg>
<seg id="18">  Sie gingen durch Sie und mich  </seg>
<seg id="19">  und auch durch den Detektor hindurch.  </seg>
<seg id="20">   Scott Hughes: Nur zwei Momente in meinem Leben waren emotionaler als dieser:  </seg>
<seg id="21">  die Geburt meiner Tochter  </seg>
<seg id="22">  und der Abschied von meinem todkranken Vater.  </seg>
<seg id="23">  Im Grunde waren das die Früchte meines Lebenswerks.  </seg>
<seg id="24">  All das, wofür ich gearbeitet hatte, ist nicht länger Science-Fiction!  AA: Das ist mein sehr guter Freund und Kollege Scott Hughes, theoretischer Physiker am MIT. Er untersucht seit 23 Jahren Gravitationswellen aus schwarzen Löchern und ihre durch Observatorien wie LIGO messbaren Signale. Was aber sind Gravitationswellen?  </seg>
<seg id="25">  Eine Gravitationswelle ist eine Kräuselung im Gefüge von Raum und Zeit.  </seg>
<seg id="26">  Beim Vorüberziehen der Welle werden der Raum und sein gesamter Inhalt in eine Richtung gedehnt und in die andere gestaucht.  </seg>
<seg id="27">  Zur Veranschaulichung führen Dozenten in Kursen zur Relativitätstheorie oft einen richtig albernen Tanz auf.  </seg>
<seg id="28">  "Dehnen und stauchen, dehnen und stauchen."  </seg>
<seg id="29">  Das Problem ist, dass Gravitationswellen extrem schwach, sogar lächerlich, sind.  </seg>
<seg id="30">  Am 14. September, zum Beispiel, wurde jeder von uns beim Auftreffen der Wellen gedehnt und gestaucht. Die Dehnung eines durchschnittlichen Menschen betrug 10 hoch -21.  </seg>
<seg id="31">  Das heißt 20 Nullen nach dem Komma, gefolgt von einer 1. Darum erklärte man die LIGO-Mitarbeiter für verrückt.  </seg>
<seg id="32">  Mit einem fünf Kilometer langen Laser-Detektor, und das ist schon absurd, müsste diese Länge auf weniger als ein Tausendstel des Radius eines Atomkerns genau gemessen werden. Das ist grotesk.  </seg>
<seg id="33">  Am Ende seines klassischen Textes über Gravitation  </seg>
<seg id="34">  beschrieb Kip Thorne, ein Mitbegründer LIGOs, die Jagd nach den Wellen folgendermaßen: "Die technischen Schwierigkeiten beim Bau solcher Detektoren sind gewaltig.  </seg>
<seg id="35">  Aber Physiker sind erfinderisch und mit der Unterstützung der Öffentlichkeit werden gewiss alle Hindernisse überwunden werden."  </seg>
<seg id="36">  Thorne veröffentlichte dies 1973, 42 Jahre vor seinem Erfolg.  </seg>
<seg id="37">  Zurück zu LIGO. Scott behauptet gern, LIGO sei mehr ein Ohr als ein Auge.  </seg>
<seg id="38">  Ich möchte erklären, was das bedeutet.  </seg>
<seg id="39">  Sichtbares Licht hat eine Wellenlänge, die viel kleiner ist als die Dinge um uns herum: Gesichtszüge, die Größe Ihres Handys.  </seg>
<seg id="40">  Das ist recht praktisch. Denn so können Sie ein Bild oder eine Karte von Dingen anfertigen, indem Sie das von mehreren Punkten kommende Licht um Sie herum wahrnehmen.  </seg>
<seg id="41">  Bei Tönen ist das anders.  </seg>
<seg id="42">  Hörbare Töne haben eine Wellenlänge von bis zu 15 Metern.  </seg>
<seg id="43">  Darum ist es sehr schwer, eigentlich unmöglich, ein Bild von Dingen zu fertigen, die Ihnen besonders viel bedeuten:  </seg>
<seg id="44">  dem Gesicht Ihres Kindes etwa.  </seg>
<seg id="45">  Stattdessen lauschen wir nach bestimmten Eigenschaften wie Tonlage und -höhe, Rhythmus und Lautstärke, um auf die Geschichte dahinter zu schließen.  </seg>
<seg id="46">  "Jetzt spricht gerade Alice."  </seg>
<seg id="47">  "Und Bob unterbricht sie."  </seg>
<seg id="48">  "Dummer Bob."  </seg>
<seg id="49">  Das Gleiche gilt für Gravitationswellen.  </seg>
<seg id="50">  Wir können mit ihnen keine einfachen Bilder von Objekten im All anfertigen.  </seg>
<seg id="51">  Aber indem wir auf Änderungen in der Amplitude und Frequenz der Wellen achten, können wir uns ihre Geschichten anhören.  </seg>
<seg id="52">  Zumindest liegen für LIGO die gemessenen Frequenzen im hörbaren Bereich.  </seg>
<seg id="53">  Wenn wir also Wellenmuster in Schall umwandeln, können wir das All buchstäblich sprechen hören.  </seg>
<seg id="54">  Der Gravitation zu lauschen, kann uns etwa viel über die Kollision zweier schwarzer Löcher verraten, womit sich mein Kollege Scott schon sehr lange beschäftigt.  </seg>
<seg id="55">   SH: Zwei schwarze, nicht drehende Löcher, zirpen einfach: wupp!  </seg>
<seg id="56">  Drehen sich die zwei Körper sehr schnell, hört man dasselbe Zirpen mit einem zusätzlichen Tonartwechsel. Das hört sich so an: wu-wu-wu-wu-wu-wu!  </seg>
<seg id="57">  Es ist eine Art Bewegungswortschatz, eingeprägt in die Wellenform.  </seg>
<seg id="58">  AA: Am 14. September 2015 -- einem Datum, das zumindest ich nie vergessen werden -- hörte LIGO Folgendes: [Surrendes Geräusch] Jemand, der weiß, worauf er hören muss, erkennt dies als Geräusch von --  SH: ... zwei schwarzen Löchern mit je 30-facher Sonnenmasse, die sich ungefähr so schnell drehen wie die Stäbe Ihres Mixers.  </seg>
<seg id="59">  AA: Überlegen wir uns kurz, was das bedeutet.  </seg>
<seg id="60">  Zwei schwarze Löcher, die dichtesten Körper im All, eines mit einer Masse von 29 Sonnen, das andere mit einer Masse von 36 Sonnen, umkreisen sich hundert Mal pro Sekunde, bevor sie kollidieren.  </seg>
<seg id="61">  Stellen Sie sich diese Kräfte vor.  </seg>
<seg id="62">  Fantastisch.  </seg>
<seg id="63">  Und wir wissen davon, weil wir es gehört haben.  </seg>
<seg id="64">  Darin besteht die bleibende Bedeutung von LIGO.  </seg>
<seg id="65">  LIGO ebnet einen gänzlich neuen Weg zur Erforschung des Alls, wie sie nie zuvor möglich war.  </seg>
<seg id="66">  Auf diesem Weg können wir dem All lauschen und das Unsichtbare hören.  </seg>
<seg id="67">  Vieles im All können wir -- praktisch oder grundsätzlich -- nicht sehen.  </seg>
<seg id="68">  Eine Supernova, zum Beispiel. Ich würde gern wissen, warum massereiche Sterne in Supernovae explodieren.  </seg>
<seg id="69">  Sie sind sehr nützlich. Von ihnen haben wir viel über das All gelernt.  </seg>
<seg id="70">  Die spannenden physikalischen Vorgänge geschehen aber im Kern, der hinter tausenden Kilometern von Eisen, Kohlenstoff und Silizium versteckt liegt.  </seg>
<seg id="71">  Wir werden nie hindurchsehen, da diese opak sind.  </seg>
<seg id="72">  Gravitationswellen durchdringen Eisen, als wäre es transparentes Glas. Der Urknall: Ich würde wahnsinnig gerne die ersten Minuten des Alls erforschen, aber wir werden sie nie sehen, da der Urknall durch sein eigenes Nachleuchten verdeckt wird.  </seg>
<seg id="73">  Mithilfe von Gravitationswellen sollte es möglich sein, bis zum Anfang zurückzublicken.  </seg>
<seg id="74">  Und das wohl Wichtigste: Ich bin optimistisch, dass im All Dinge existieren, die wir noch nie gesehen haben, die wir wohl nie sehen werden und von denen wir gar keine Vorstellung haben. Dinge, die wir nur entdecken, indem wir zuhören.  </seg>
<seg id="75">  In der Tat fand LIGO gleich im ersten Anlauf Dinge, die wir nicht erwartet hatten.  </seg>
<seg id="76">  Mein Kollege am MIT, Matt Evans, ein wichtiges Mitglied des LIGO-Projekts, sagt zu diesem Thema:  ME: Die Art von Sternen, die schwarze Löcher hervorbringen, wie LIGO sie beobachtet, sind die Dinosaurier des Universums.  </seg>
<seg id="77">  Sie sind enorme, uralte Körper aus prähistorischen Zeiten. Die schwarzen Löcher sind sozusagen die Saurierknochen für unsere archäologische Arbeit.  </seg>
<seg id="78">  LIGO ermöglicht uns einen völlig anderen Blickwinkel auf die Geschehnisse im All, auf die Entstehung der Sterne und letztlich auch darauf, wie wir aus diesem Chaos hervorgingen.  </seg>
<seg id="79">  AA: Die Herausforderung besteht nun darin, so mutig wie nur möglich zu sein.  </seg>
<seg id="80">  Dank LIGO wissen wir, wie man großartige Detektoren baut und dem Rauschen und Zirpen des Kosmos lauscht.  </seg>
<seg id="81">  Wir brauchen Ideen für neue Observatorien -- eine ganz neue Generation von Observatorien auf der Erde und im All.  </seg>
<seg id="82">  Denn was könnte schöner sein, als dem Urknall selbst zu lauschen?  </seg>
<seg id="83">  Jetzt ist die Zeit großer Träume.  </seg>
<seg id="84">  Träumen Sie mit uns.  </seg>
<seg id="85">  Danke.  </seg>
</doc>
<doc docid="2438" genre="lectures">
 <url>http://www.ted.com/talks/shonda_rhimes_my_year_of_saying_yes_to_everything</url>
 <description>TED Talk Subtitles and Transcript: Shonda Rhimes ist das großartige Genie hinter den US-Serien Grey's Anatomy, Scandal und How to Get Away With Murder. Sie ist für über 70 Stunden Serienmaterial pro Staffel zuständig und liebt ihre Arbeit. „Sobald ich hart am Arbeiten und völlig darin vertieft bin, gibt es für mich nichts anderes", sagt Rhimes. Sie beschreibt dieses Gefühl mit einer Art „Summen". Das Summen ist ihre Droge, ihre Musik, die leise Stimme Gottes in ihrem Ohr. Doch was passiert, wenn das Summen verstummt? Ist sie mehr, als nur das Summen? In dieser bewegenden Rede reisen Sie mit Rhimes zurück in ihr „Ja"-Jahr und sie zeigt Ihnen, wie sie ihr Summen wieder erlangte.</description>
 <keywords>talks, children, creativity, culture, decision-making, family, identity, motivation, parenting, personal growth, television, work, work-life balance, writing</keywords>
 <talkid>2438</talkid>
 <title>Shonda Rhimes: Mein „Ja"-Jahr</title>
 <reviewer href="http://www.ted.com/profiles/1428226">Angelika Lueckert Leon</reviewer>
 <translator href="http://www.ted.com/profiles/5722831">Katrin Hamberger</translator>
<seg id="1">  Vor einiger Zeit probierte ich ein Experiment aus.  </seg>
<seg id="2">  Ein Jahr lang würde ich zu allem „Ja!" sagen, vor dem ich mich fürchtete.  </seg>
<seg id="3">  Egal, ob es mich nervös machte, mich in unangenehme Situationen brachte, ich zwang mich „Ja" zu sagen.  </seg>
<seg id="4">  Wollte ich in der Öffentlichkeit sprechen?  </seg>
<seg id="5">  Nein, aber ja!  </seg>
<seg id="6">  Wollte ich live im Fernsehen sein?  </seg>
<seg id="7">  Nein, aber ja!  </seg>
<seg id="8">  Wollte ich mit dem Schauspielen beginnen?  </seg>
<seg id="9">  Nein, nein, nein, aber ja, ja, ja.  </seg>
<seg id="10">  Und eine verrückte Sache passierte: Genau das zu tun, wovor ich mich fürchtete, beseitigte meine Angst.  </seg>
<seg id="11">  Meine Angst, Reden zu halten, meine soziale Angst -- puff, weg.  </seg>
<seg id="12">  Die Macht eines Wortes ist beeindruckend.  </seg>
<seg id="13">  „Ja" hat mein Leben verändert.  </seg>
<seg id="14">  „Ja" veränderte mich.  </seg>
<seg id="15">  Aber es gab ein bestimmtes Ja, das mein Leben zutiefst veränderte, auf eine unerwartet Art. Es begann mit einer Frage meiner Kleinsten.  </seg>
<seg id="16">  Ich habe drei unglaubliche Töchter, Harper, Beckett und Emerson. Und Emerson, die Kleinste, nennt aus unerklärlichen Gründen alle „Schätzchen",  </seg>
<seg id="17">  als wäre sie eine Kellnerin aus dem Süden.  </seg>
<seg id="18">   „Schätzchen, ich brauche Milch für meine Schnabeltasse."  </seg>
<seg id="19">   Sie fragte sie mich einst, ob ich mit ihr spielen könnte, als ich gerade auf dem Sprung war. Und ich sagte: „Ja".  </seg>
<seg id="20">  Dieses Ja war der Anfang  </seg>
<seg id="21">  einer neuen Lebenseinstellung in meiner Familie. Von da an schwörte ich mir, immer mit ihnen zu spielen, sobald Sie mich dazu auffordern. Egal, was ich gerade mache, oder wohin ich gehe, ich sage immer Ja -- jedes einzelne Mal.  </seg>
<seg id="22">  Fast. Ich bin nicht perfekt, aber ich bemühe mich sehr.  </seg>
<seg id="23">  Es hat einen magischen Effekt auf mich, auf meine Kinder, auf unsere Familie.  </seg>
<seg id="24">  Aber es hat auch eine verblüffende Nebenwirkung: Erst vor Kurzem verstand ich eigentlich vollständig, dass das „Ja"-Sagen zum Spielen mit meinen Kindern meine Karriere rettete.  </seg>
<seg id="25">  Ich habe einen echten Traumjob.  </seg>
<seg id="26">  Ich bin Autorin. Ich denke mir Dinge aus, erwecke Sie zum Leben.  </seg>
<seg id="27">  Traumjob.  </seg>
<seg id="28">  Nein.  </seg>
<seg id="29">  Ich bin ein Titan.  </seg>
<seg id="30">  Traumjob.  </seg>
<seg id="31">  Ich kreire Fernsehen. Ich produziere Fernsehen.  </seg>
<seg id="32">  Ich mache Fernsehen, in großem Stil.  </seg>
<seg id="33">  In dieser TV-Saison bin ich verantwortlich dafür, 70 Stunden Programm in die Welt hinauszutragen.  </seg>
<seg id="34">  Vier Fernsehprogramme, 70 Stunden Fernsehen.  Drei bis vier Shows sind gleichzeitig in Produktion.  </seg>
<seg id="35">  Jede Sendung bietet hunderte Jobs, die davor nicht existierten.  </seg>
<seg id="36">  Das Budget für eine Episode eines Fernsehsenders kann zwischen drei und sechs Millionen Dollar liegen.  </seg>
<seg id="37">  Sagen wir fünf.  </seg>
<seg id="38">  Eine neue Episode alle neun Tage mal vier Shows, also alle neun Tage 20 Millionen Dollar Fernsehen, vier Fernsehprogramme, 70 Stunden TV, drei Sendungen, die gleichzeitig in Produktion sind, mal vier, 16 Episoden gleichzeitig: 24 Episoden: Grey's, 21 Episoden: Scandal, 15 Episoden: How To Get Away With Murder, 10 Episoden: The Catch, 70 Stunden Fernsehen,  </seg>
<seg id="39">  350 Millionen Dollar für eine Saison.  </seg>
<seg id="40">  In Amerika laufen meine Fernsehserien nacheinander am Donnerstagabend.  </seg>
<seg id="41">  Auf der ganzen Welt laufen meine Serien in 256 Regionen in 67 Sprachen für 30 Millionen Zuschauer.  </seg>
<seg id="42">  Mein Gehirn ist global, und 45 dieser 70 TV-Stunden sind Sendungen, die ich selbst kreiert habe, und nicht nur produziert, also noch obendrein. Ich muss Zeit finden, wirklich stille, kreative Zeit, um meine Fans ums Lagerfeuer zu versammeln und meine Geschichten zu erzählen.  </seg>
<seg id="43">  Vier Fernsehserien, 70 Stunden Fernsehen, drei, manchmal vier, Shows zur gleichen Zeit in Produktion, 350 Millionen Dollar, Lagerfeuer, die rund um die Welt brennen.  </seg>
<seg id="44">  Wissen Sie, wer das noch macht?  </seg>
<seg id="45">  Niemand, deswegen bin ich ein Titan.  </seg>
<seg id="46">  Traumjob.  </seg>
<seg id="47">   Ich möchte Sie damit nicht beeindrucken.  </seg>
<seg id="48">  Ich sage es, weil ich weiß, was Sie denken, wenn das Wort „Autor" fällt.  </seg>
<seg id="49">  Ich sage es Ihnen, damit alle von Ihnen, die so hart arbeiten, ob Sie nun eine Firma, ein Land oder ein Klassenzimmer leiten, ein Geschäft oder einen Haushalt, mich ernst nehmen, wenn ich von Arbeit spreche, damit Sie verstehen, dass ich nicht nur am Computer herumtippe und fantasiere, und es stimmt, wenn ich sage: Ich verstehe, dass es bei einem Traumjob nicht ums Träumen geht.  </seg>
<seg id="50">  Es ist alles ein Job, alles Arbeit, alles Realität, alles Blut, alles Schweiß -- keine Tränen.  </seg>
<seg id="51">  Ich arbeite viel, hart und ich liebe es.  </seg>
<seg id="52">  Wenn ich in die Arbeit vertieft bin, gibt es kein anderes Gefühl.  </seg>
<seg id="53">  Meine Arbeit erschafft immer ein Land aus dem Nichts.  </seg>
<seg id="54">  Es ist, als stellte ich Truppen auf, als malte ich auf eine Leinwand.  </seg>
<seg id="55">  So als träfe man einen hohen Ton, liefe einen Marathon.  </seg>
<seg id="56">  Man fühlt sich wie Beyoncé.  </seg>
<seg id="57">  Und all das zur gleichen Zeit.  </seg>
<seg id="58">  Ich liebe es zu arbeiten.  </seg>
<seg id="59">  Sie ist kreativ, mechanisch, anstrengend und berauschend, lustig und verstörend, klinisch und mütterlich, grausam und vernünftig. Und das Beste daran, ist das Summen.  </seg>
<seg id="60">  Es gibt so eine Veränderung in mir, wenn die Arbeit gut läuft.  </seg>
<seg id="61">  Ein Summen beginnt in meinem Kopf, und es wächst und wächst, und das Summen hört sich wie eine belebte Straße an, ich könnte für immer auf ihr fahren.  </seg>
<seg id="62">  Viele Leute nehmen an, wenn ich ihnen das Summen erkläre, dass ich übers Schreiben rede, dass das Schreiben mir Freude bereitet.  </seg>
<seg id="63">  Verstehen Sie mich nicht falsch, das tut sie.  </seg>
<seg id="64">  Aber das Summen -- als ich mit der Fernsehproduktion begann, als ich begann zu arbeiten und zu arbeiten und zu machen, aufzubauen, zu kreieren und zusammenzuarbeiten, entdeckte ich diese Sache, dieses Summen, diese Energie. Das Summen!  </seg>
<seg id="65">  Das Summen ist mehr als das Schreiben.  </seg>
<seg id="66">  Das Summen ist Aktion und Aktivität. Das Summen ist eine Droge.  </seg>
<seg id="67">  Das Summen ist Musik. Das Summen ist Licht und Luft.  </seg>
<seg id="68">  Das Summen ist Gottes Stimme in meinem Ohr.  </seg>
<seg id="69">  Und wenn Sie so ein Summen haben, dann können Sie nicht anders als nach Größe streben.  </seg>
<seg id="70">  Das Gefühl, nicht anders zu können, als nach Größe zu streben, egal, um welchen Preis.  </seg>
<seg id="71">  Das nennt man das Summen.  </seg>
<seg id="72">  Oder vielleicht bedeutet es auch ein Workaholic zu sein.  </seg>
<seg id="73">   Vielleicht heißt es Genie.  </seg>
<seg id="74">  Vielleicht heißt es Ego.  </seg>
<seg id="75">  Vielleicht ist es die Angst vorm Scheitern.  </seg>
<seg id="76">  Ich weiß es nicht.  </seg>
<seg id="77">  Ich weiß nur, dass ich nicht fürs Scheitern gemacht bin, und ich weiß nur, dass ich das Summen liebe.  </seg>
<seg id="78">  Ich will Ihnen nur sagen, ich bin ein Titan, und ich weiß, dass ich es nicht in Frage stellen will.  </seg>
<seg id="79">  Um eines klar zu stellen: Je erfolgreicher ich werde, je mehr Sendungen, je mehr Episoden, je mehr überwundene Grenzen, desto mehr Arbeit gibt es, desto mehr Dinge gleichzeitig, desto mehr beobachten mich, umso mehr schreibe ich Geschichte, umso mehr Erwartungen gibt es.  </seg>
<seg id="80">  Je mehr ich arbeite, um erfolgreich zu sein, desto mehr muss mich arbeiten.  </seg>
<seg id="81">  Und was sagte ich über Arbeit?  </seg>
<seg id="82">  Ich liebe Arbeit, nicht wahr?  </seg>
<seg id="83">  Das Land, das ich erschaffe, den Marathon, den ich laufe, die Armee, die Leinwand, der hohe Ton, das Summen, das Summen, das Summen.  </seg>
<seg id="84">  Ich mag dieses Summen. Ich liebe das Summen.  </seg>
<seg id="85">  Ich brauche das Summen. Ich bin das Summen.  </seg>
<seg id="86">  Bin ich nur dieses Summen?  </seg>
<seg id="87">  Und dann stoppte das Summen.  </seg>
<seg id="88">  Überarbeitet, überbeansprucht, übertrieben, ausgebrannt.  </seg>
<seg id="89">  Das Summen stoppte.  </seg>
<seg id="90">  Jetzt sind meine drei Töchter an die Wahrheit gewöhnt, dass ihre Mama ein einziger Arbeitstitan ist.  </seg>
<seg id="91">  Harper erzählt Leuten: „Meine Mama wird nicht da sein, aber Sie können meiner Nanny schreiben."  </seg>
<seg id="92">  Und Emerson sagt: „Schätzchen, ich möchte nach Shonda-Land gehen."  </seg>
<seg id="93">  Es sind die Kinder eines Titanen.  </seg>
<seg id="94">  Sie sind Baby-Titanen.  </seg>
<seg id="95">  Sie waren 12, 3 und 1, als das Summen aufhörte.  </seg>
<seg id="96">  Das Summen des Motors verstummte.  </seg>
<seg id="97">  Ich liebte meine Arbeit nicht mehr. Der Motor war aus.  </seg>
<seg id="98">  Das Summen kam nicht zurück.  </seg>
<seg id="99">  Mein Summen war kaputt.  </seg>
<seg id="100">  Ich machte dieselben Dinge wie immer: Die gleiche Titanen-Arbeit, 15 Stunden-Tage, durchgearbeitete Wochenenden, keine Reue, nichts delegieren, ein Titan schläft nicht, gibt nicht auf, mit ganzem Herzen, klaren Augen, was auch immer.  </seg>
<seg id="101">  Aber es gab kein Summen.  </seg>
<seg id="102">  In mir war Stille.  </seg>
<seg id="103">  Vier Fernsehprogramme, 70 Stunden, drei Produktionen gleichzeitig, manchmal vier.  </seg>
<seg id="104">  Vier Fernsehprogramme, 70 Stunden, drei Produktionen gleichzeitig ...  </seg>
<seg id="105">  Ich war der perfekte Titan.  </seg>
<seg id="106">  Ich war ein Vorzeige-Titan,  </seg>
<seg id="107">  Alles war grau, ich hatte einfach keinen Spaß mehr.  </seg>
<seg id="108">  Und das war mein Leben.  </seg>
<seg id="109">  Alles, was ich tat.  </seg>
<seg id="110">  Ich war das Summen und das Summen war ich.  </seg>
<seg id="111">  Was macht man also, wenn das, was man tut, die Arbeit, die man liebt, plötzlich verblasst?  </seg>
<seg id="112">  Ich weiß, manche mögen denken: „Heul dich aus, blöder Autor-Titan."  </seg>
<seg id="113">   Aber Sie wissen, Sie tun es, man macht, man arbeitet, man liebt, was man tut, ein Lehrer zu sein, ein Banker, eine Mutter zu sein, ein Maler, Bill Gates zu sein, man liebt einfach einen anderen und das gibt einem das Summen, wenn man das Summen kennt, und weiß, wie sich das Summen anfühlt, wenn man das Summen schon mal kannte, wenn das Summen stoppt, wer ist man dann?  </seg>
<seg id="114">  Was sind Sie?  </seg>
<seg id="115">  Was bin ich?  </seg>
<seg id="116">  Bin ich noch immer ein Titan?  </seg>
<seg id="117">  Wenn das Lied meines Herzens aufhört, kann ich in der Stille überleben?  </seg>
<seg id="118">  Und dann stellt mir meine „Südstaaten-Kellnerin" eine Frage.  </seg>
<seg id="119">  Ich bin auf dem Weg nach draußen, spät dran und sie sagt: „Mama, magst du spielen?"  </seg>
<seg id="120">  Und ich will schon Nein sagen, als mir zwei Dinge bewusst werden:  </seg>
<seg id="121">  Erstens, ich muss Ja zu allem zu sagen und zweitens, sie nannte mich nicht „Schätzchen".  </seg>
<seg id="122">  Sie nennt niemanden mehr „Schätzchen".  </seg>
<seg id="123">  Wann ist das passiert?  </seg>
<seg id="124">  Ich verpasse es, wenn ich Titan bin und mein Summen betrauere, und hier ändert sich alles vor meinen eigenen Augen.  </seg>
<seg id="125">  Und so sagt sie: „Mama, magst du spielen?"  </seg>
<seg id="126">  Und ich sage: „Ja".  </seg>
<seg id="127">  Daran ist nichts besonderes.  </seg>
<seg id="128">  Wir spielen und ihre Schwestern stoßen dazu, wir lachen viel und ich lese ganz dramatisch aus dem Buch „Everybody Poops" vor.  </seg>
<seg id="129">  Nichts außergewöhnliches.  </seg>
<seg id="130">   Aber es ist herausragend, weil mein Schmerz und meine Panik, in der Einsamkeit und im Fehlen des Summens, kann ich nichts machen, außer aufzupassen.  </seg>
<seg id="131">  Ich bin fokussiert.  </seg>
<seg id="132">  Ich bin leise.  </seg>
<seg id="133">  Das Land, das ich erschaffe, den Marathon, den ich laufe, die Armee, die Leinwand, der hohe Ton - sie existieren nicht mehr.  </seg>
<seg id="134">  Alles, was existiert sind klebrige Finger und feuchte Küsse, zarte Stimmen, Wachsmalstifte und das Lied, in dem es ums Loslassen geht, oder was auch immer das Mädchen in „Die Eiskönigin" loslässt.  </seg>
<seg id="135">   Überall ist Frieden und Einfachheit.  </seg>
<seg id="136">  Die Luft an diesem Ort ist so knapp, dass ich kaum atmen kann.  </seg>
<seg id="137">  Ich kann kaum glauben, dass ich atme.  </seg>
<seg id="138">  Spielen ist das Gegenteil von Arbeiten.  </seg>
<seg id="139">  Und ich bin glücklich.  </seg>
<seg id="140">  Etwas in mir löst sich.  </seg>
<seg id="141">  Eine mentale Tür geht auf und ein Energieschub kommt herein.  </seg>
<seg id="142">  Und das nicht sofort, aber es passiert, es passiert.  </seg>
<seg id="143">  Ich fühle es.  </seg>
<seg id="144">  Das Summen kommt langsam zurück.  </seg>
<seg id="145">  Keine volle Lautstärke, kaum da, es ist leise, kaum hörbar, aber es ist da.  </seg>
<seg id="146">  Nicht das Summen, aber ein Summen.  </seg>
<seg id="147">  Und jetzt fühle ich mich, als würde ich ein magisches Geheimnis kennen.  </seg>
<seg id="148">  Aber lassen Sie uns bei der Sache bleiben.  </seg>
<seg id="149">  Es ist Liebe. Das ist alles.  </seg>
<seg id="150">  Keine Magie. Kein Geheimnis. Nur Liebe.  </seg>
<seg id="151">  Es ist etwas, das wir vergessen haben.  </seg>
<seg id="152">  Das Summen, das Arbeitssummen, das Titanensummen, das ist nur der Ersatz.  </seg>
<seg id="153">  Wenn ich Sie frage, wer Sie sind, wenn ich Ihnen sage, wer ich bin, wenn ich mich beschreibe mithilfe von Sendungen und Fernsehstunden und wie funktionsfähig mein Gehirn ist, dann habe ich vergessen, was das wirkliche Summen ist.  </seg>
<seg id="154">  Das Summen ist keine Kraft und es ist nicht arbeitsspezifisch.  </seg>
<seg id="155">  Es ist von der Freude abhängig.  </seg>
<seg id="156">  Das echte Summen ist abhängig von der Liebe.  </seg>
<seg id="157">  Das Summen ist der Strom, der von der Lebenslust kommt.  </seg>
<seg id="158">  Das echte Summen ist Selbstbewusstsein und Frieden.  </seg>
<seg id="159">  Das echte Summen ignoriert den Druck der Geschichte, die zu erledigenden Aufgaben, die Erwartung und den Druck.  </seg>
<seg id="160">  Das echte Summen ist einfach und originell.  </seg>
<seg id="161">  Das echte Summen ist Gottes Stimme in meinem Ohr, aber vielleicht flüsterte mir Gott die falschen Wörter zu, denn welcher Gott sagte mir, dass ich ein Titan bin?  </seg>
<seg id="162">  Es ist einfach nur Liebe.  </seg>
<seg id="163">  Wir alle brauchen ein bisschen mehr Liebe, viel mehr Liebe.  </seg>
<seg id="164">  Sobald mein Kind mit mir spielen will, werde ich Ja sagen.  </seg>
<seg id="165">  Ich mache das zur festen Regel, sodass ich mich als Workaholic von jeglicher Schuld befreien kann.  </seg>
<seg id="166">  Es ist Gesetz, ich habe keine andere Wahl. Ich habe keine andere Wahl, sofern ich das Summen wieder hören will.  </seg>
<seg id="167">  Ich wünschte, es wäre so einfach. Ich bin nicht gut im Spielen, ich mag es nicht.  </seg>
<seg id="168">  Spielen liegt mir nicht ansatzweise so, wie arbeiten.  </seg>
<seg id="169">  Die Wahrheit tut weh,  </seg>
<seg id="170">  aber ich mag es nicht zu spielen.  </seg>
<seg id="171">  Ich arbeite immer, denn ich liebe es.  </seg>
<seg id="172">  Ich bin lieber am Arbeitsplatz als daheim.  </seg>
<seg id="173">  Dieses Eingeständnis ist schmerzhaft, denn was für ein Mensch arbeitet lieber als zu Haus zu sein?  </seg>
<seg id="174">  Nun ja, ich.  </seg>
<seg id="175">  Mal ehrlich, Ich nenne mich selbst „Titan" --  </seg>
<seg id="176">  ich muss Probleme haben.  </seg>
<seg id="177">   Dass ich zu relaxed bin, ist keines davon.  </seg>
<seg id="178">   Wir rasen im Garten herum, vor und zurück, hin und her.  </seg>
<seg id="179">  Wir machen kleine Tanz-Parties,  </seg>
<seg id="180">  wir singen und spielen Ball.  </seg>
<seg id="181">  Wir zerplatzen Seifenblasen.  </seg>
<seg id="182">  Dabei fühle ich mich überwiegend steif, abwesend und verwirrt.  </seg>
<seg id="183">  Ich greife immer nach meinem Handy.  </seg>
<seg id="184">  Doch es ist o.k.  </seg>
<seg id="185">  Meine Kinder zeigen mir, wie man lebt, und das Summen des Universums erfüllt mich.  </seg>
<seg id="186">  Ich spiele und spiele, bis ich mich frage: Warum haben wir je mit dem Spielen aufgehört?  </seg>
<seg id="187">  Sie können es auch! Sagen sie immer dann Ja, wenn Ihr Kind mit Ihnen spielen möchte.  </seg>
<seg id="188">  Vielleicht halten Sie mich für naiv, für eine Tagträumerin.  </seg>
<seg id="189">  Da haben Sie wohl recht, aber Sie können es auch tun!  </seg>
<seg id="190">  Sie haben Zeit!  </seg>
<seg id="191">  Und wissen Sie auch warum? Sie sind nicht Rihanna oder eine Muppet-Show-Figur.  </seg>
<seg id="192">  Ihr Kind findet Sie weniger interessant, als Sie denken.  </seg>
<seg id="193">   Es sind nur 15 Minuten.  </seg>
<seg id="194">  Meine Kleinen wollen höchstens 15 Minuten mit mir spielen, bis ihnen einfällt, dass sie etwas anderes machen wollen.  </seg>
<seg id="195">  Es sind wunderbare 15 Minuten, aber eben nur 15 Minuten.  </seg>
<seg id="196">  Nach 15 Minuten ersetzt mich ein Marienkäfer oder Keks.  </seg>
<seg id="197">   Und redet meine Teenie-Tochter ganze 15 Minuten lang mit mir, bin ich Mutter des Jahres.  </seg>
<seg id="198">   Es sind nur 15 Minuten, mehr bedarf es nicht.  </seg>
<seg id="199">  Jeder kann 15 Minuten am Stück aufbringen, selbst an einem Schlechte-Laune-Tag!  </seg>
<seg id="200">  15 Minuten am Stück!  </seg>
<seg id="201">  Kein Handy, keine Wäsche, keinerlei Ablenkung.  </seg>
<seg id="202">  Der Tag ist kurz: Abendessen, die Kinder bettfertig machen.  </seg>
<seg id="203">  Aber 15 Minuten sind drin!  </seg>
<seg id="204">  Meine Kinder sind meine Wohlfühloase, meine Welt. Es müssen nicht die Kinder sein. Es gilt, das Summen zu fühlen, einen Platz für seinen Seelenfrieden zu haben.  </seg>
<seg id="205">  Es geht nicht ums Spielen mit den eigenen Kindern. Es geht um Freude,  </seg>
<seg id="206">  um das „Spielen" im Allgemeinen.  </seg>
<seg id="207">  Gönnen Sie sich die 15 Minuten!  </seg>
<seg id="208">  Finden Sie heraus, was Ihnen gut tut.  </seg>
<seg id="209">  Finden Sie es heraus und bewahren Sie es sich.  </seg>
<seg id="210">  Ich bin nicht perfekt darin. Ich scheitere und ich siege. Freunde treffen, Bücher lesen, den Tag genießen --  </seg>
<seg id="211">  „Willst du spielen?" steht kurz für alles, was ich aufgegeben habe, als ich meine erste TV-Show bekam, als ich ein Titan in der Ausbildung wurde, als ich mich selbst mehr und mehr übertreffen wollte.  </seg>
<seg id="212">  15 Minuten am Stück, warum sich nicht volle 15 Minuten gönnen?  </seg>
<seg id="213">  Was kann daran falsch sein? Nichts!  </seg>
<seg id="214">  Das Summen kam in meiner Freizeit zurück. Das Summen scheint dann zurückzukehren, wenn ich nicht arbeite.  </seg>
<seg id="215">  Arbeiten funktioniert nicht ohne Spielen.  </seg>
<seg id="216">  Es braucht Zeit, aber nach ein paar Monaten öffnet sich eine Tür, die Energie strömt herein und ich finde mich in meinem Büro wieder. Ich höre eine unbekannte Melodie, sie erfüllt mich und meine Seele. Sie verleitet mich zu neuen Ideen. Das Summen hat sich wieder seinen Weg gebahnt. Ich nutze es in vollen Zügen und liebe meine Arbeit wieder.  </seg>
<seg id="217">  Ich mag das Summen, aber ich liebe es nicht.  </seg>
<seg id="218">  Ich brauche es nicht.  </seg>
<seg id="219">  Ich bin nicht das Summen, das Summen ist nicht ich ... nicht mehr.  </seg>
<seg id="220">  Seifenblasen und klebrige Finger, Abendessen mit Freunden.  </seg>
<seg id="221">  Das ist nun mein Summen.  </seg>
<seg id="222">  Das Summen des Lebens.  </seg>
<seg id="223">  Das Summen der Liebe.  </seg>
<seg id="224">  Das Summen der Arbeit ist Teil von mir, aber eben nur noch ein Teil. Und dafür bin ich so dankbar.  </seg>
<seg id="225">  Es ist mir schnuppe, dass ich ein Titan bin. Ich habe noch nie einen Titan gesehen, der Reise nach Jerusalem spielt.  </seg>
<seg id="226">   Ich sagte Ja zu weniger Arbeit und zu mehr Spielen.  </seg>
<seg id="227">  Und trotzdem habe ich alles im Griff. Mein Gehirn ist noch funktionsfähig. Meine Lagerfeuer brennen noch.  </seg>
<seg id="228">  Je mehr ich spiele, desto glücklicher sind ich und meine Kinder.  </seg>
<seg id="229">  Je mehr ich spiele, desto mehr fühle ich mich als gute Mutter.  </seg>
<seg id="230">  Je mehr ich spiele, desto klarer ist mein Kopf.  </seg>
<seg id="231">  Je mehr ich spiele, desto besser arbeite ich.  </seg>
<seg id="232">  Je mehr ich spiele, desto mehr höre ich das Summen. Das Land, das ich erschaffe, den Marathon, den ich laufe, die Truppen, die Leinwände, der hohe Ton, das Summen, das Summen, das andere, das richtige Summen: Das Summen des Lebens.  </seg>
<seg id="233">  Je mehr ich dieses Summen fühle, desto mehr macht sich dieses ungewöhnliche, bebende, nackte und neue Lebensgefühl in mir breit. Weniger Titan -- mehr ich!  </seg>
<seg id="234">  Je mehr ich genau dieses Summen fühle, desto mehr weiß ich, wer ich bin.  </seg>
<seg id="235">  Ich bin Autorin. Ich denke mir Dinge aus, ich erwecke Sie zum Leben.  </seg>
<seg id="236">  Das gehört zum Job, das bedeutet, seinen Traum zu leben.  </seg>
<seg id="237">  Das ist der Traum dieses Jobs,  </seg>
<seg id="238">  denn ein Traumjob sollte ein wenig träumerisch sein.  </seg>
<seg id="239">  Ich sagte „Ja" zu weniger Arbeit und zu mehr Spielen.  </seg>
<seg id="240">  Titanen haben hier keine Chance.  </seg>
<seg id="241">  „Willst du spielen?"  </seg>
<seg id="242">  Danke schön.  </seg>
</doc>
<doc docid="2429" genre="lectures">
 <url>http://www.ted.com/talks/jocelyne_bloch_the_brain_may_be_able_to_repair_itself_with_help</url>
 <description>TED Talk Subtitles and Transcript: Aus ihren Behandlungen von Schlaganfällen und Traumata nach Verkehrsunfällen weiß Neurochirurgin Jocelyne Bloch nur allzu gut um die mangelnde Selbstheilungskraft des Gehirns. Aber jetzt könnten sie und ihre Kollegen den Schlüssel zur neuronalen Selbstheilung gefunden haben: Doublecortin-positive Zellen. Ähnlich wie Stammzellen sind sie sehr anpassungsfähig. Wenn man sie dem Gehirn entnimmt, kultiviert und dann in einem verletzten Bereich desselben Gehirns reimplantiert, können sie den Wiederaufbau und den Heilungsprozess hilfreich unterstützen. "Mit ein wenig Hilfe," sagt Bloch, "könnte das Gehirn in der Lage sein, sich selbst zu heilen."</description>
 <keywords>talks, Surgery, brain, health, medical research, medicine, mind, neuroscience, science</keywords>
 <talkid>2429</talkid>
 <title>Jocelyne Bloch: Das Gehirn kann sich selbst heilen – mit etwas Hilfe</title>
 <reviewer href="http://www.ted.com/profiles/1428226">Angelika Lueckert Leon</reviewer>
 <translator href="http://www.ted.com/profiles/2359194">Ueli Niederer</translator>
<seg id="1">  Ich bin Neurochirurgin.  </seg>
<seg id="2">  Wie die meisten meiner Kollegen habe ich jeden Tag mit menschlichen Tragödien zu tun.  </seg>
<seg id="3">  Ich weiß, wie sich Ihr Leben von einer Sekunde auf die andere ändern kann, nach einem schweren Schlaganfall oder nach einem Autounfall.  </seg>
<seg id="4">  Für uns Neurochirurgen ist es sehr frustrierend, dass das Gehirn, im Gegensatz zu anderen Körperorganen, eine sehr geringe Fähigkeit zur Selbstheilung hat.  </seg>
<seg id="5">  Nach einer schweren Verletzung des zentralen Nervensystems haben die Patienten oft eine bleibende, schwere Behinderung.  </seg>
<seg id="6">  Das ist wohl der Grund, warum ich funktionelle Neurochirurgin wurde.  </seg>
<seg id="7">  Was ist ein funktioneller Neurochirurg?  </seg>
<seg id="8">  Ein Arzt, der versucht, die Nervenfunktionen durch verschiedene chirurgischen Maßnahmen zu verbessern.  </seg>
<seg id="9">  Sicher haben sie von einer der bekanntesten gehört, der "Tiefenhirnstimulation". Dabei implantiert man eine Elektrode tief im Gehirn, um die Schaltkreise der Neuronen so zu beeinflussen, dass sich die neurologische Funktion verbessert.  </seg>
<seg id="10">  Es ist wirklich eine erstaunliche Technologie. Sie hat das Schicksal von Patienten mit Parkinson verbessert, die unter heftigem Zittern und schweren Schmerzen litten.  </seg>
<seg id="11">  Neuromodulation jedoch bedeutet nicht Neuro-Heilung.  </seg>
<seg id="12">  Der Traum funktionaler Neurochirurgen ist die Wiederherstellung des Gehirns.  </seg>
<seg id="13">  Meiner Meinung nach nähern wir uns diesem Traum.  </seg>
<seg id="14">  Ich möchte Ihnen zeigen, dass wir sehr nahe dran sind.  </seg>
<seg id="15">  Mit etwas Hilfe kann das Gehirn sich selbst helfen.  </seg>
<seg id="16">  Die Geschichte begann vor 15 Jahren.  </seg>
<seg id="17">  Zu der Zeit war ich leitende Oberärztin und arbeitete Tag und Nacht in der Notaufnahme.  </seg>
<seg id="18">  Oft versorgte ich Patienten mit Schädel-Hirn-Trauma.  </seg>
<seg id="19">  Sie müssen sich vorstellen, dass bei Schädel-Hirn-Traumata das Gehirn anschwillt und der Schädelinnendruck ansteigt.  </seg>
<seg id="20">  Um das Leben zu retten, muss man den Schädelinnendruck vermindern.  </seg>
<seg id="21">  Dafür muss man manchmal einen Teil geschwollener Hirnmasse entfernen.  </seg>
<seg id="22">  Anstatt die geschwollene Hirnmasse wegzuwerfen, entschlossen wir uns mit Jean-François Brunet, einem meiner Kollegen, ein Biologe, die Hirnmasse zu analysieren.  </seg>
<seg id="23">  Was meine ich damit?  </seg>
<seg id="24">  Wir wollten Zellen aus diesem Gewebe wachsen lassen.  </seg>
<seg id="25">  Das ist keine leichte Aufgabe.  </seg>
<seg id="26">  Zellen von einem Gewebestück wachsen zu lassen, ist vergleichbar mit ganz kleinen Kindern, die aus Ihren Familien herausgenommen werden.  </seg>
<seg id="27">  Man muss die richtige Ernährung, Temperatur, Feuchtigkeit und die Umgebungen finden, um sie gedeihen zu lassen.  </seg>
<seg id="28">  Genau das mussten wir mit diesen Zellen machen.  </seg>
<seg id="29">  Nach vielen Versuchen schaffte es Jean-François.  </seg>
<seg id="30">  Das sah er unter seinem Mikroskop.  </seg>
<seg id="31">  Das war für uns eine große Überraschung.  </seg>
<seg id="32">  Warum?  </seg>
<seg id="33">  Es sah genau so aus wie eine Stammzellenkultur. Mit großen grünen Zellen, die von kleinen, unreifen Zellen umgeben sind.  </seg>
<seg id="34">  Vielleicht wissen Sie noch aus dem Biologieunterricht, dass Stammzellen unreife Zellen sind, die sich in jeden Zelltyp des Organismus verwandeln können.  </seg>
<seg id="35">  Das erwachsene Gehirn hat Stammzellen, aber sehr wenige. Sie sind in tiefen, kleinen Nischen des Gehirns verborgen.  </seg>
<seg id="36">  Es ist überraschend, diese Art von Stammzellen aus dem Oberflächengewebe der Hirnmasse in der OP zu erhalten.  </seg>
<seg id="37">  Wir machten eine weitere faszinierende Beobachtung: Normale Stammzellen sind sehr aktiv -- sie teilen sich sehr schnell.  </seg>
<seg id="38">  Sie sterben nie, sie sind unsterblich.  </seg>
<seg id="39">  Aber diese Zellen verhielten sich anders.  </seg>
<seg id="40">  Sie teilten sich langsam und nach ein paar Wochen starben sie sogar.  </seg>
<seg id="41">  Wir sahen also eine neue, seltsame Zellpopulation, die wie Stammzellen aussah, sich aber anders verhielt.  </seg>
<seg id="42">  Wir brauchten lange, um zu verstehen, woher sie kamen.  </seg>
<seg id="43">  Sie stammen von diesen Zellen.  </seg>
<seg id="44">  Diese blauen und roten Zellen heißen Doublecortin-positive Zellen.  </seg>
<seg id="45">  Wir alle haben sie in unserem Gehirn.  </seg>
<seg id="46">  Sie machen 4 % unserer Großhirnrindenzellen aus.  </seg>
<seg id="47">  Sie spielen eine sehr wichtige Rolle in unserer Entwicklung.  </seg>
<seg id="48">  Im Stadium des Fötus sorgen sie für die Faltung des Gehirns.  </seg>
<seg id="49">  Aber warum bleiben sie uns erhalten?  </seg>
<seg id="50">  Das wissen wir nicht.  </seg>
<seg id="51">  Wir glauben, dass sie sich an der Heilung des Gehirns beteiligen, da wir sie in höheren Konzentrationen nahe an Gehirnverletzungen finden.  </seg>
<seg id="52">  Das ist jedoch nicht so sicher.  </seg>
<seg id="53">  Eine Sache ist jedoch klar -- von diesen Zellen erhielten wir unsere Stammzellen.  </seg>
<seg id="54">  Wir stehen vor einer potenziellen Zellquelle, die Gehirnheilung ermöglicht.  </seg>
<seg id="55">  Das mussten wir beweisen.  </seg>
<seg id="56">  Also entschlossen wir uns, ein Experiment zu entwickeln.  </seg>
<seg id="57">  Wir wollten ein Stück Gehirnmasse aus dem nichtsprachlichen Bereich entnehmen und dann die Zellen genau so kultivieren, wie es Jean-François tat  </seg>
<seg id="58">  und sie anschließend farblich markieren, um sie im Gehirn verfolgen zu können.  </seg>
<seg id="59">  Im letzten Schritt reimplantierten wir sie an der Entnahmestelle desselben Individuums.  </seg>
<seg id="60">  Wir nennen das autologe Transplantation -- Autotransplantation.  </seg>
<seg id="61">  Eine unserer ersten Fragen war: Was passiert, wenn wir diese Zellen in normales Hirngewebe reimplantieren? Und was wird passieren, wenn wir die gleichen Zellen in geschädigtes Gehirngewebe reimplantieren?  </seg>
<seg id="62">  Dank der Hilfe von Prof. Eric Rouiller konnten wir mit Affen arbeiten.  </seg>
<seg id="63">  Im ersten Szenario reimplantierten wir die Zellen in ein gesundes Gehirn, und wir beobachteten, dass sie nach einigen Wochen komplett verschwanden, als wären sie wieder entnommen worden, gehen sie zurück nach Hause. Der Raum ist schon besetzt, sie werden dort nicht gebraucht, also verschwinden sie.  </seg>
<seg id="64">  Im zweiten Szenario fügten wir eine Verletzung zu und reimplantierten genau die gleichen Zellen und nun blieben die Zellen erhalten -- sie wuchsen zu reifen Neuronen heran.  </seg>
<seg id="65">  Hier sehen Sie, was wir unter dem Mikroskop beobachten konnten.  </seg>
<seg id="66">  Das sind die Zellen, die reimplantiert wurden.  </seg>
<seg id="67">  Der Beweis, den sie zeigen, sind diese kleinen Punkte. Das sind die Zellen, die wir in vitro, in der Kultur färbten.  </seg>
<seg id="68">  Hier konnten wir natürlich nicht aufhören.  </seg>
<seg id="69">  Helfen diese Zellen auch einem Affen, sich von einer Hirnverletzung zu erholen?  </seg>
<seg id="70">  Also trainierten wir Affen mit einer manuellen Geschicklichkeitsaufgabe.  </seg>
<seg id="71">  Sie mussten Futterpellets von einem Tablett nehmen.  </seg>
<seg id="72">  Das machten sie sehr gut.  </seg>
<seg id="73">  Als sie ein stabiles Geschicklichkeitsniveau erreicht hatten, verletzten wir im motorischen Cortex den Handmotorik-Bereich.  </seg>
<seg id="74">  Daraufhin waren die Affen gelähmt, sie konnten ihre Hand nicht mehr bewegen.  </seg>
<seg id="75">  Genau wie es bei Menschen geschehen würde, erholten sie sich spontan bis zu einem gewissen Grad, genau wie nach einem Schlaganfall.  </seg>
<seg id="76">  Die Patienten sind gelähmt und dann versuchen sie sich mit Hilfe plastischer Gehirnmechanismen zu erholen. Sie erholen sich zu einem gewissen Grad, genauso wie beim Affen.  </seg>
<seg id="77">  Als wir sicher waren, dass der Affe sein Grad der spontanen Erholung erreicht hatte, implantierten wir seine eigenen Zellen.  </seg>
<seg id="78">  Auf der linken Seite sehen sie den Affen, der sich spontan erholte.  </seg>
<seg id="79">  Er kann etwa 40 % bis 50 % seiner ursprünglichen Leistung von vor der Verletzung erbringen.  </seg>
<seg id="80">  Er ist nicht so präzise und nicht so schnell.  </seg>
<seg id="81">  Sehen Sie nun, als wir die Zellen reimplantierten: Der gleiche Affe, zwei Monate nach der Reimplantation.  </seg>
<seg id="82">   Ich kann Ihnen sagen, das waren auch für uns sehr aufregende Ergebnisse.  </seg>
<seg id="83">  Seit dieser Zeit haben wir sehr viel mehr über diese Zellen herausgefunden.  </seg>
<seg id="84">  Wir können sie einfrieren und später verwenden.  </seg>
<seg id="85">  Wir können sie in anderen neuropathologischen Modellen verwenden, zum Beispiel bei Parkinson.  </seg>
<seg id="86">  Aber unser Traum ist noch immer, sie beim Menschen zu implantieren.  </seg>
<seg id="87">  Ich hoffe wirklich, dass ich Ihnen bald zeigen kann, wie uns das menschliche Gehirn die Mittel gibt, sich selbst zu heilen.  </seg>
<seg id="88">  Vielen Dank.  </seg>
<seg id="89">   Bruno Giussani: Jocelyne, das ist wunderbar, ich bin sicher, dass gerade jetzt, mehrere Dutzend Leute im Publikum, vielleicht sogar die Mehrheit, denken: "Ich kenne jemanden, der das brauchen kann."  </seg>
<seg id="90">  Ich auf jeden Fall.  </seg>
<seg id="91">  Natürlich ist die Frage, was die größten Hindernisse sind, bevor Sie klinische Studien am Menschen beginnen können.  </seg>
<seg id="92">  Jocelyne Bloch: Die größten Hindernisse sind die Behörden.  Ausgehend von diesen tollen Ergebnissen muss man etwa zwei Kilogramm Papiere und Formulare ausfüllen, um diese Art von Studien zu durchlaufen.  </seg>
<seg id="93">  BG: Das ist verständlich, das Gehirn ist sehr delikat usw.  </seg>
<seg id="94">  JB: Ja, aber es braucht eine lange Zeit, eine Menge Geduld und ein fast professionelles Team.  </seg>
<seg id="95">  BG: Schauen Sie in die Zukunft -- Sie haben die Forschung abgeschlossen und versuchten die Erlaubnis zum Start der klinischen Studien zu bekommen. Wenn Sie weiter in die Zukunft schauen, wie viele Jahre dauert es, bis jemand ins Krankenhaus kommen kann, und diese Therapie verfügbar sein wird.  </seg>
<seg id="96">  JB: Das ist schwer zu sagen.  </seg>
<seg id="97">  Zunächst hängt es von der Zulassung der klinischen Studie ab.  </seg>
<seg id="98">  Wird es uns die Behörde erlauben, es bald zu starten?  </seg>
<seg id="99">  Dann muss man diese Studie mit einer kleinen Gruppe von Patienten durchführen.  </seg>
<seg id="100">  Es braucht schon eine lange Zeit, die Patienten auszuwählen, die Behandlungen durchzuführen und zu bewerten, ob es nützlich ist, diese Art von Behandlung zu machen.  </seg>
<seg id="101">  Danach muss man das auf eine multizentrische Studie anwenden.  </seg>
<seg id="102">  Man muss zuerst wirklich nachweisen, dass es nützlich ist, bevor man diese Behandlung jedem anbieten kann.  </seg>
<seg id="103">  BG: Und dass es sicher ist, natürlich. JB: Natürlich.  </seg>
<seg id="104">  BG: Jocelyne, danke für Ihren Besuch bei TED und dass Sie uns davon erzählt haben.  </seg>
<seg id="105">  BG: Vielen Dank.  </seg>
</doc>
<doc docid="2413" genre="lectures">
 <url>http://www.ted.com/talks/yanis_varoufakis_capitalism_will_eat_democracy_unless_we_speak_up</url>
 <description>TED Talk Subtitles and Transcript: Haben Sie sich gefragt, warum die Politiker nicht mehr so sind wie früher? Warum die Regierungen scheinbar unfähig sind, die wahren Probleme zu lösen? Der Wirtschaftswissenschaftler Yanis Varoufakis, ehemaliger Finanzminister Griechenlands, sagt, es liegt daran, dass man heute in der Regierung sein kann und trotzdem nicht an der Macht ‒ denn die wahre Macht liegt heute bei denen, die die Wirtschaft kontrollieren. Er glaubt, dass Mega-Reiche und Konzerne die Politik kannibalisieren, mit der Folge von Finanzkrisen. In diesem Vortrag erfahren Sie von seinem Traum einer Welt, in der das Kapital und die Arbeit nicht mehr miteinander konkurrieren und "die gleichzeitig libertär, marxistisch und keynesianisch ist."</description>
 <keywords>talks, Europe, United States, activism, big problems, business, capitalism, democracy, economics, finance, global issues, government, investment, leadership, money, politics, society</keywords>
 <talkid>2413</talkid>
 <title>Yanis Varoufakis: Kapitalismus frisst Demokratie ‒ wenn wir nicht handeln</title>
 <reviewer href="http://www.ted.com/profiles/597058">Nadine Hennig</reviewer>
 <translator href="http://www.ted.com/profiles/5688977">Vassili Bertakis</translator>
<seg id="1">  Demokratie.  </seg>
<seg id="2">  Wir im Westen machen einen großen Fehler, sie als selbstverständlich zu betrachten.  </seg>
<seg id="3">  Wir sehen die Demokratie nicht als die zerbrechliche Pflanze, die sie in Wirklichkeit ist, sondern als Inventar unserer Gesellschaft.  </seg>
<seg id="4">  Wir neigen dazu, sie als unveränderliche Gegebenheit zu betrachten.  </seg>
<seg id="5">  Wir glauben, dass Kapitalismus zwangsläufig zu Demokratie führt.  </seg>
<seg id="6">  Das stimmt nicht.  </seg>
<seg id="7">  Lee Kuan Yew aus Singapur und seine großen Nachahmer in Peking haben zweifelsfrei bewiesen, dass es durchaus möglich ist, einen blühenden Kapitalismus und beeindruckendes Wachstum zu haben, während die Politik komplett undemokratisch bleibt.  </seg>
<seg id="8">  Tatsächlich schwindet die Demokratie bei uns, in Europa.  </seg>
<seg id="9">  Anfang des Jahres, als ich Griechenland repräsentierte -- die neu gewählte griechische Regierung -- wurde mir als Finanzminister in der Eurogruppe unmissverständlich klargemacht, dass der demokratische Prozess unseres Landes -- unsere Wahlen -- nicht die Sparprogramme beeinflussen dürften, die in Griechenland verwirklicht wurden.  </seg>
<seg id="10">  In diesem Moment dachte ich, dass es wohl keine bessere Rechtfertigung für Lee Kuan Yew oder die Kommunistische Partei Chinas geben könnte, oder einige meiner aufsässige Freunde, die mir wiederholt sagten, dass die Demokratie abgeschafft würde, wenn sie irgendetwas verändern würde.  </seg>
<seg id="11">  An dieser Stelle möchte ich Ihnen ein wirtschaftliches Modell für eine echte Demokratie vorstellen.  </seg>
<seg id="12">  Ich bitte Sie, gemeinsam mit mir, wieder daran zu glauben, dass Lee Kuan Yew, die Kommunistische Partei Chinas und sogar die Eurogruppe einem Irrglauben erliegen, wir könnten uns die Demokratie sparen, sondern, dass wir eine wahrhafte und wehrhafte Demokratie benötigen.  </seg>
<seg id="13">  Denn ohne Demokratie werden unsere Gesellschaften gemeiner, unsere Zukunft düster und unsere großartigen, neuen Technologien verschwendet.  </seg>
<seg id="14">  Zum Thema Verschwendung möchte ich Sie auf einen interessanten Widerspruch hinweisen, der aktuell unsere Wirtschaften bedroht.  </seg>
<seg id="15">  Ich nenne es das "Zwillingsgipfel-Paradox".  </seg>
<seg id="16">  Ein Gipfel ist Ihnen bekannt. Sie kennen und erkennen ihn als den Schuldenberg, der seinen langen Schatten über die USA, Europa und die ganze Welt wirft.  </seg>
<seg id="17">  Wir alle erkennen den Schuldenberg,  </seg>
<seg id="18">  doch nur wenige erkennen seinen Zwilling.  </seg>
<seg id="19">  Ein Berg von ungenutztem Bargeld, das den vermögenden Sparern und Konzernen gehört, die jedoch zu ängstlich sind, es dort zu investieren, wo es produktiv wäre und Einkommen einbringen könnte, mit dem man den Schuldenberg abtragen und auch all die Dinge produzieren könnte, die die Menschheit dringend benötigt, zum Beispiel "grüne" Energie.  </seg>
<seg id="20">  Ich nenne ihnen dazu zwei Zahlen.  </seg>
<seg id="21">  In den vergangenen 3 Monaten wurden in den USA, in England und in der Eurozone zusammengenommen 3,4 Billionen US-Dollar investiert, in all die Wohlstand produzierenden Güter, wie Industrieanlagen, Maschinen, Bürogebäude, Schulen, Straßen, Gleise, Ausrüstung und so weiter und so fort.  </seg>
<seg id="22">  3,4 Billionen US-Dollar klingt nach viel Geld, bis man es mit den 5,1 Billionen US-Dollar vergleicht, die zur gleichen Zeit in denselben Ländern und unseren Finanzinstituten herumlagen, und absolut nichts taten, außer die Börsen aufzublähen und die Immobilienpreise hochzutreiben.  </seg>
<seg id="23">  So bilden Schulden und unproduktives Kapital die Zwillingsgipfel, die sich durch die üblichen Marktmechanismen nicht ausgleichen.  </seg>
<seg id="24">  Das Ergebnis sind stagnierende Löhne, mehr als ein Viertel der 25-54-Jährigen in den USA, Japan und Europa arbeitslos, und folglich eine niedrige gesamtwirtschaftliche Nachfrage, die wie in einer Endlosschleife den Pessimismus der Investoren verstärkt, die, eine niedrige Nachfrage befürchtend, diese selbst befördern, in dem sie nicht investieren. Genau wie Ödipus Vater, der aus Angst, die Prophezeiung des Orakels könnte wahr werden, dass sein Sohn ihn töten würde, wenn er erwachsen wird,  </seg>
<seg id="25">  ungewollt die Umstände herbeiführt, die dazu führen, dass Ödipus ihn tötet.  </seg>
<seg id="26">  Das ist mein Hadern mit dem Kapitalismus --  </seg>
<seg id="27">  seine überaus verschwenderische Art. All das unproduktive Kapital sollte eingesetzt werden, unser Leben zu verbessern, menschliche Talente weiterzuentwickeln und besonders all die Technologien zu finanzieren, "grüne" Technologien, die entscheidend für die Rettung der Erde sind.  </seg>
<seg id="28">  Ist also Demokratie die Lösung?  </seg>
<seg id="29">  Ich glaube schon. Aber bevor wir fortfahren: Was verstehen wir unter Demokratie?  </seg>
<seg id="30">  Aristoteles definierte Demokratie als die Gesellschaftsform, in der die Freien und die Armen als Mehrheit die Regierung kontrollieren.  </seg>
<seg id="31">  Die athenische Demokratie schloss natürlich zu viele aus --  </seg>
<seg id="32">  Frauen, Ausländer, und natürlich Sklaven.  </seg>
<seg id="33">  Es wäre jedoch ein Fehler, den Stellenwert der athenischen Demokratie aufgrund dieser Ausschlüsse zu mindern.  </seg>
<seg id="34">  Das Entscheidende an der athenischen Demokratie war und ist, dass sie die arbeitenden Armen einbezog, und ihnen nicht nur das Recht auf freie Meinungsäußerung gab, sondern wichtiger und entscheidender ist, das sie ihnen das Recht auf politische Mitbestimmung mit gleicher Stimmgewichtung in Fragen der Staatsbelange einräumte.  </seg>
<seg id="35">  Die athenische Demokratie hat zwar nicht lange gehalten --  </seg>
<seg id="36">  wie eine Kerze, die sehr hell leuchtet, ist sie auch schnell ausgebrannt.  </seg>
<seg id="37">  Allerdings haben unsere heutigen liberalen Demokratien ihre Wurzeln nicht im antiken Athen,  </seg>
<seg id="38">  sondern in der Magna Carta, in der glorreichen Revolution von 1688, sogar in der amerikanischen Verfassung.  </seg>
<seg id="39">  Während die athenische Demokratie sich auf die freien Bürger konzentrierte und die arbeitenden Armen stärkte, basiert unsere liberale Demokratie auf den Werten der Magna Carta, die letztlich eine Satzung für Herrschende war.  </seg>
<seg id="40">  Denn die liberale Demokratie kam erst auf, als eine vollständige Trennung von Politik und Wirtschaft möglich und der demokratische Prozess auf die Politik eingegrenzt wurde, während die Wirtschaft -- also die Welt der Konzerne -- eine demokratiefreie Zone wurde.  </seg>
<seg id="41">  In unseren heutigen Demokratien findet seit dem Zeitpunkt, an dem diese Trennung von Politik und Wirtschaft begann, ein unerbittlicher Kampf zwischen den beiden statt, indem die Wirtschaft allmählich die Politik unterwandert und sie entmachtet.  </seg>
<seg id="42">  Wundern Sie sich, warum die Politiker nicht mehr so sind wie früher?  </seg>
<seg id="43">  Es liegt nicht an einer Degeneration ihrer DNA.  </seg>
<seg id="44">   Es liegt daran, dass man heutzutage in der Regierung sein kann und trotzdem nicht an der Macht, weil die Macht von der Politik in die Wirtschaft abgewandert ist und die Bereiche getrennt sind.  </seg>
<seg id="45">  Ich erwähnte mein Hadern mit dem Kapitalismus.  </seg>
<seg id="46">  Wenn Sie darüber nachdenken, ist es in etwa so wie eine Herde von Raubtieren, die so nachhaltig die Tiere, von denen sie sich ernährt, dezimiert hat, dass sie am Ende deshalb verhungert.  </seg>
<seg id="47">  Ähnlich ist es mit der Wirtschaft, die die Politik so weit kannibalisiert hat, dass sie sich durch die selbstverursachte Wirtschaftskrise selbst schadet. Die Macht der Konzerne wächst, politische Güter werden entwertet, die Ungleichheit steigt, die gesamtwirtschaftliche Nachfrage fällt und die Geschäftsführer der Konzerne sind zu verängstigt, das Bargeld ihrer Unternehmen zu investieren.  </seg>
<seg id="48">  Je erfolgreicher der Kapitalismus den "Demos" [das Volk] aus der Demokratie vertreibt, desto höher werden die Zwillingsgipfel, und umso größer die Verschwendung von menschlicher Arbeitskraft und des Wohlstandes der Menschheit.  </seg>
<seg id="49">  Wenn das stimmt, ist es offensichtlich, dass wir die Politik und die Wirtschaft wieder zusammenbringen müssen, und es wäre besser, wenn dabei der "Demos" die Kontrolle behält, so wie im antiken Athen, abgesehen vom Ausschluss der Sklaven, der Frauen und der Ausländer.  </seg>
<seg id="50">  Das ist übrigens keine neue Idee.  </seg>
<seg id="51">  Die marxistische Linke hatte diese Idee schon vor 100 Jahren und es ging nicht sonderlich gut aus.  </seg>
<seg id="52">  Die Lehre aus dem Debakel der Sowjetunion sollte sein, dass die arbeitenden Armen nur durch ein Wunder eine Stellung wie im antiken Athen wiedererlangen, ohne neue Arten der Brutalität und Verschwendung zu schaffen.  </seg>
<seg id="53">  Aber es gibt eine Lösung: Die arbeitenden Armen abschaffen!  </seg>
<seg id="54">  Der Kapitalismus tut es, indem er Niedriglohnbeschäftigte durch Automatisierung und Roboter ersetzt.  </seg>
<seg id="55">  Das Problem dabei ist, so lange Wirtschaft und Politik getrennte Bereiche sind, lässt die Automatisierung die Zwillingsgipfel höher werden, die Verschwendung erhabener, und die sozialen Konflikte tiefer, so wie es -- schon sehr bald, wie ich glaube -- in Ländern wie China kommen wird.  </seg>
<seg id="56">  Wir müssen also die Wirtschaft umgestalten und die Bereiche Wirtschaft und Politik wieder vereinen, und dabei darauf achten, dass wir den wiedervereinten Bereich demokratisieren, sonst enden wir in einer krankhaften Überwachungs-Hyperautokratie, die den Film "Matrix" wie eine Dokumentation erscheinen lässt.  </seg>
<seg id="57">   Die Frage ist also nicht, ob der Kapitalismus die technischen Errungenschaften, die er hervorgebracht hat, überleben wird --  </seg>
<seg id="58">  die interessantere Frage ist, ob der Kapitalismus durch eine Dystopie, ähnlich der in "Matrix", abgelöst wird oder durch etwas, das der Gesellschaft in "Star Trek" ähnelt, in der Maschinen den Menschen dienen und die Menschen ihre Energie in die Erforschung des Universums stecken, oder in eine Hightech-Version der antiken Athener "Agora", in langen Gesprächen dem Sinn des Lebens frönen.  </seg>
<seg id="59">  Ich glaube, wir dürfen optimistisch sein.  </seg>
<seg id="60">  Was bräuchte es also, wie könnte es aussehen, diese "Star Trek"-artige Utopie anstatt der "Matrix"-ähnlichen Dystopie zu haben?  </seg>
<seg id="61">  In der praktischen Umsetzung möchte ich Ihnen, in aller Kürze, einige Beispiele nennen.  </seg>
<seg id="62">  Im Bereich der Unternehmen: Stellen Sie sich bitte einen Kapitalmarkt vor, in dem man Geld verdient, während man arbeitet und in dem Ihr Kapital Ihnen von einer Arbeitsstelle zur nächsten folgt, von einer Firma zur nächsten, und die Firma -- egal in welcher man gerade arbeitet -- ist Eigentum derer, die aktuell in der Firma arbeiten.  </seg>
<seg id="63">  Dann entstammen alle Einkommen aus Kapital und aus Erlösen und das Konzept der Lohnarbeit ist vollkommen überholt.  </seg>
<seg id="64">  Keine Unterscheidung mehr zwischen denen, den die Unternehmen gehören, die aber nicht darin arbeiten, und Angestellten, die dort arbeiten, denen die Firma aber nicht gehört. Kein Tauziehen mehr zwischen Kapital und Arbeit, keine großen Lücken zwischen Investition und Sparen, und letztlich keine emporragenden Zwillingsgipfel.  </seg>
<seg id="65">  Im Bereich der globalen politischen Ökonomie: Stellen Sie sich bitte kurz vor, dass unsere nationalen Währungen einen frei schwankenden Wechselkurs hätten, in einer universellen, globalen, digitalen Währung, die vom IWF [Internationalen Währungsfonds], und der G-20 [Gruppe der 20 größten Schwellenländer], im Interesse der gesamten Menschheit ausgegeben wird.  </seg>
<seg id="66">  Stellen Sie sich weiterhin vor, dass der gesamte Welthandel in dieser Währung gehandelt wird -- nennen wir sie "den Kosmos", in Einheiten von "Kosmos"' -- und jede Regierung zahlt die Summe, die dem Handelsdefizit oder dem Handelsüberschuss des jeweiligen Landes entspricht, in einen gemeinsamen Fonds ein.  </seg>
<seg id="67">  Stellen Sie sich auch vor, dass dieser Fonds in "grüne" Technologien investiert, besonders in Teilen der Welt, in denen Investitionsmittel rar sind.  </seg>
<seg id="68">  Das ist keine neue Idee.  </seg>
<seg id="69">  Es ist im Grunde das, was John Maynard Keynes in der Bretton Woods Conference von 1944 vorgeschlagen hatte.  </seg>
<seg id="70">  Das Problem war, dass man damals nicht die technischen Mittel hatte es umzusetzen.  </seg>
<seg id="71">  Heute haben wir sie, insbesondere vor dem Hintergrund einer wiedervereinten Politik und Wirtschaft.  </seg>
<seg id="72">  Die Welt, die ich Ihnen beschreibe, ist gleichzeitig libertär, in dem sie privilegierte Personen bevorzugt, und marxistisch, weil sie die Trennung von Kapital und Arbeit im Mülleimer der Geschichte begraben haben wird, und keynesianisch, global keynesianisch.  </seg>
<seg id="73">  Aber über allem anderen ist es eine Welt, in der wir uns eine echte Demokratie vorstellen können.  </seg>
<seg id="74">  Werden wir in einer solchen Welt erwachen  </seg>
<seg id="75">  oder werden wir in eine "Matrix"- ähnliche Dystopie versinken?  </seg>
<seg id="76">  Die Antwort hängt davon ab, wie wir uns gemeinsam politisch entscheiden.  </seg>
<seg id="77">  Es liegt in unseren Händen, und wir tun es besser demokratisch.  </seg>
<seg id="78">  Danke.  </seg>
<seg id="79">   Bruno Giussani: Yanis ...  </seg>
<seg id="80">  Du beschreibst dich in deiner Biografie selbst als libertären Marxisten.  </seg>
<seg id="81">  Wie relevant ist Marx' Analyse heute?  </seg>
<seg id="82">  Yanis Varoufakis: Wenn irgendwas von dem, was ich gerade gesagt habe relevant ist, dann ist Marx relevant.  </seg>
<seg id="83">  Der Grund für der Wiedervereinigung von Politik und Wirtschaft ist ... Tun wir das nicht, wird die technologische Entwicklung einen so massiven Rückgang der gesamtwirtschaftlichen Nachfrage erzeugen, was Larry Summers als "langfristige Stagnation" bezeichnet.  </seg>
<seg id="84">  Durch die Übertragung dieser Krise von einem Teil der Erde auf das nächste, wie wir es aktuell erleben, wird es nicht nur unsere Demokratien destabilisieren, sondern auch die Länder, deren Interesse an liberaler Demokratie gering ist.  </seg>
<seg id="85">  Wenn diese Analyse zutreffend ist, dann ist Marx durchaus relevant,  </seg>
<seg id="86">  ebenso wie Hayek, deswegen bin ich ein libertärer Marxist, und wie Keynes, und deshalb bin ich auch vollkommen wirr.  </seg>
<seg id="87">   BG: Tatsächlich, und jetzt sind wir es wohl auch.  </seg>
<seg id="88">    YV: Wenn man nicht wirr ist, denkt man nicht genug nach.  </seg>
<seg id="89">  BG: Das ist eine sehr griechische, eine Art philosophische Erklärung -- YV: Eigentlich war es Einstein, der das sagte. BG: In Ihrem Vortrag erwähnten Sie Singapur und China und gestern beim Abendessen der Redner haben Sie sehr klar gesagt, was Sie von der Sicht des Westens auf China halten.  </seg>
<seg id="90">  Möchten Sie es hier wiederholen?  </seg>
<seg id="91">  YV: Es gibt ein großes Maß an Heuchelei.  </seg>
<seg id="92">  In unseren liberalen Demokratien haben wir den Anschein einer Demokratie.  </seg>
<seg id="93">  Wie ich im meinem Vortrag sagte, haben wir die Demokratie auf die Politik begrenzt, während der Bereich, wo sich das meiste abspielt, -- der Bereich der Wirtschaft -- ein völlig demokratiefreie Zone ist.  </seg>
<seg id="94">  In gewisser Hinsicht, wenn ich das so provokativ sagen darf, ähnelt China heute dem England des 19. Jahrhunderts.  </seg>
<seg id="95">  Denn -- erinnern Sie sich -- wir neigen dazu, Liberalismus mit Demokratie zu verbinden -- das ist ein Fehler, historisch betrachtet.  </seg>
<seg id="96">  Liberalismus, Liberale, wie John Stuart Mill --  </seg>
<seg id="97">  er war besonders skeptisch, was die demokratische Entwicklung betrifft.  </seg>
<seg id="98">  Was man jetzt in China beobachten kann, ähnelt sehr der Entwicklung, die wir in England während der industriellen Revolution hatten, besonders der Übergang von der ersten zur zweiten.  </seg>
<seg id="99">  China jetzt vorzuwerfen, das zu tun, was der Westen im 19. Jahrhundert selbst getan hat, riecht gewaltig nach Heuchelei.  </seg>
<seg id="100">  BG: Ich bin mir sicher, dass viele Zuhörer neugierig auf Ihre Erfahrungen als Finanzminister Griechenlands Anfang des Jahres sind.  </seg>
<seg id="101">  YV: Ich ahnte, dass das kommt.  </seg>
<seg id="102">  BG: Ja ...  </seg>
<seg id="103">  Wie schauen Sie sechs Monate später auf das erste Halbjahr zurück?  </seg>
<seg id="104">  YV: Sehr aufregend, aus persönlicher Sicht, und sehr enttäuschend, denn wir hatten die Gelegenheit, mit der Eurozone ein Neuanfang zu machen,  </seg>
<seg id="105">  nicht nur Griechenland, sondern die Eurozone,  </seg>
<seg id="106">  nämlich uns von der Selbstgefälligkeit zu verabschieden, und der dauernden Verleugnung, dass eine massive Verwerfungslinie durch die Eurozone verlief, und weiterhin verläuft, die die Entwicklung der ganzen Europäischen Union massiv bedroht.  </seg>
<seg id="107">  Wir hatten die Gelegenheit, auf Grundlage des griechischen Vorschlags -- der übrigens, der erste Vorschlag war, der diese Verleugnung offenbarte --  </seg>
<seg id="108">  es richtig zu machen. Leider haben die Mächte innerhalb der Eurozone, innerhalb der Europgruppe, weiterhin die Verleugnung gewählt.  </seg>
<seg id="109">  Aber Sie wissen ja, was kommt.  </seg>
<seg id="110">  Das ist die Erfahrung aus der Sowjetunion --  </seg>
<seg id="111">  wenn man versucht ein Wirtschaftssystem, das nicht überlebensfähig ist, durch politischen Willen und Autoritarismus am Leben zu erhalten, wird man es vielleicht eine Weile hinauszögern können, doch wenn dann der Wandel eintritt, passiert er abrupt und zerstörerisch.  </seg>
<seg id="112">  BG: Welchen Wandel sehen Sie voraus?  </seg>
<seg id="113">  YV: Es besteht kein Zweifel daran, dass die Eurozone keine Zukunft hat, wenn wir nicht ihren Aufbau ändern.  </seg>
<seg id="114">  BG: Habe Sie irgendwelche Fehler in Ihrer Zeit als Finanzminister gemacht?  </seg>
<seg id="115">  YV: Jeden Tag.   </seg>
<seg id="116">  BG: Zum Beispiel? YV: Jeder, der zurückschaut --  Ernsthaft...  </seg>
<seg id="117">  Wenn es einen Finanzminister, oder irgendeinen Minister gibt, der nach 6 Monaten im Amt, besonders in einer so angespannten Situation, behauptet, er habe keinen Fehler gemacht, dann ist das eine gefährliche Person.  </seg>
<seg id="118">  Natürlich habe ich Fehler gemacht.  </seg>
<seg id="119">  Der größte Fehler war, den Antrag zur Verlängerung des Schuldenprogramms Ende Februar zu unterzeichen.  </seg>
<seg id="120">  Ich glaubte, dass es ein ehrliches Interesse auf Seiten der Geldgeber gab, eine gemeinsame Lösung zu finden.  </seg>
<seg id="121">  Aber das gab es nicht.  </seg>
<seg id="122">  Sie wollten lediglich unsere Regierung zu Fall bringen, nur weil sie nicht mit den Verwerfungen beschäftigen wollten, die durch die Eurozone verliefen.  </seg>
<seg id="123">  Sie wollten sich nicht eingestehen, dass sie seit 5 Jahren ein katastrophales Programm in Griechenland durchführten.  </seg>
<seg id="124">  Wir verloren ein Drittel unseres nominalen BIP.  </seg>
<seg id="125">  Da ist schlimmer als während der "Großen Depression".  </seg>
<seg id="126">  Keiner aus der Troika der Geldgeber, die uns diese Politik auferlegt hat, gestand ein: "Das war ein kolossaler Fehler."  </seg>
<seg id="127">  BG: Trotz all dem, und trotz des aggressiven Tons der Gespräche, scheinen Sie noch recht pro-europäisch zu sein.  </seg>
<seg id="128">  YV: Absolut.  </seg>
<seg id="129">  Meine Kritik der Europäischen Union und der Eurozone gegenüber kommt von jemandem, der Europa lebt und liebt.  </seg>
<seg id="130">  Meine größte Angst ist, dass die Eurozone nicht überlebt.  </seg>
<seg id="131">  Denn wenn sie nicht überlebt, werden die freigesetzten Fliehkräfte dämonisch sein und die Europäische Union zerstören.  </seg>
<seg id="132">  Das wird nicht alleine für Europa katastrophale Folgen haben, sondern für die gesamte Weltwirtschaft.  </seg>
<seg id="133">  Wir sind wahrscheinlich die stärkste Wirtschaft der Welt.  </seg>
<seg id="134">  Wenn wir uns selbst gestatten den Weg eines postmodernes 1930 einzuschlagen, wonach es mir erscheint, wird es ebenso abträglich für die Zukunft der Europäer wie auch der Nicht-Europäer sein.  </seg>
<seg id="135">  BG: Wir hoffen sehr, dass Sie in diesem Punkt falsch liegen.  </seg>
<seg id="136">  Yanis, vielen Dank, dass Sie bei TED waren.  </seg>
<seg id="137">  YV: Danke.  </seg>
</doc>
<doc docid="2403" genre="lectures">
 <url>http://www.ted.com/talks/sebastian_wernicke_how_to_use_data_to_make_a_hit_tv_show</url>
 <description>TED Talk Subtitles and Transcript: Führt erhöhte Datensammlung zu einer besseren Entscheidungsfindung? Konkurrierende, Daten versierte Unternehmen wie Amazon, Google und Netflix haben gelernt, dass Datenanalyse allein nicht immer optimale Ergebnisse erzielt. In diesem Vortrag erklärt der Datenexperte Sebastian Wernicke, was falsch läuft, wenn wir unsere Entscheidungen ausschließlich auf Daten stützen, und schlägt dabei einen klügeren Weg zur Nutzung von Daten vor.</description>
 <keywords>talks, TEDx, algorithm, brain, data, decision-making, intelligence, media, technology</keywords>
 <talkid>2403</talkid>
 <title>Sebastian Wernicke: Erfolgreiche TV-Shows durch Datenanalyse?</title>
 <reviewer href="http://www.ted.com/profiles/2531780">Elaine Streifthau</reviewer>
 <translator href="http://www.ted.com/profiles/4574934">Miriam Jassmeier</translator>
<seg id="1">  Von Roy Price haben die meisten noch nie gehört, obwohl er wahrscheinlich für 22 mittelmäßige Minuten Ihres Lebens am 19. April 2013 verantwortlich ist.  </seg>
<seg id="2">  Wahrscheinlich auch für 22 sehr unterhaltsame Minuten, aber nicht für sehr viele von Ihnen.  </seg>
<seg id="3">  Das geht auf die Entscheidung zurück, die Roy vor drei Jahren traf.  </seg>
<seg id="4">  Roy Price ist leitender Angestellter bei Amazon Studios,  </seg>
<seg id="5">  der TV-Produktionsfirma von Amazon.  </seg>
<seg id="6">  Er ist 47 Jahre alt, schlank, hat eine Igelfrisur und beschreibt sich auf Twitter als "Filme, TV, Technik, Tacos".  </seg>
<seg id="7">  Roy hat einen sehr wichtigen Job, weil er dafür verantwortlich ist, die Shows und den Inhalt auszusuchen, den Amazon produzieren wird.  </seg>
<seg id="8">  Natürlich ist das eine sehr hart umkämpfte Branche.  </seg>
<seg id="9">  Es gibt schon so viele TV-Serien, dass Roy nicht irgendeine auswählen kann.  </seg>
<seg id="10">  Er muss Shows finden, die sehr, sehr gut sind.  </seg>
<seg id="11">  In anderen Worten, er muss Shows finden, die sich ganz rechts auf dieser Kurve befinden.  </seg>
<seg id="12">  Diese Kurve ist die Bewertungsverteilung von über 2500 TV-Serien auf der Website IMDB. Die Bewertung geht von 1 bis 10 und die Höhe zeigt, wie viele Shows diese Bewertung erhalten.  </seg>
<seg id="13">  Wird Ihre Show mit neun und höher bewertet, ist diese ein Gewinner.  </seg>
<seg id="14">  Dann hat man eine erfolgreiche Show.  </seg>
<seg id="15">  Das sind Shows wie "Breaking Bad", "Game of Thrones", "The Wire" -- all die Shows, die süchtig machen, wo, nachdem man eine Staffel geschaut hat, Ihr Gehirn fragt: "Wo gibt es mehr von diesen Episoden?"  </seg>
<seg id="16">  Diese Art von Show.  </seg>
<seg id="17">  Auf der linken Seite, hier an diesem Ende, sind Shows wie "Toddlers and Tiaras" --  -- das sollte Ihnen genug sagen, was an diesem Ende der Kurve abgeht.  </seg>
<seg id="18">  Roy Price sorgt sich nicht darum, auf die linke Seite der Kurve zu geraten, denn ich glaube man braucht schon besondere Intelligenz, um "Toddlers and Tiaras" zu unterbieten.  </seg>
<seg id="19">  Er macht sich mehr Gedanken über die mittlere Ausbeulung, das durchschnittliche Fernsehen -- die Shows, die weder gut noch schlecht sind, sie begeistern einfach nicht.  </seg>
<seg id="20">  Also muss er sicherstellen, dass er wirklich auf der richtigen Seite ist.  </seg>
<seg id="21">  Der Druck ist vorhanden, und natürlich ist es auch das erste Mal, dass Amazon so etwas macht, deshalb will Roy Price nichts riskieren.  </seg>
<seg id="22">  Er will Erfolge kreieren.  </seg>
<seg id="23">  Er benötigt garantierten Erfolg, also hält er einen Wettbewerb ab.  </seg>
<seg id="24">  Er nimmt viele Ideen für TV-Shows und wählt durch eine Auswertung acht Kandidaten für TV-Shows aus, dann produziert er die erste Episode jeder dieser Shows und stellt sie online, wo sie jeder kostenlos anschauen kann.  </seg>
<seg id="25">  Und wenn Amazon umsonst Sachen herausgibt, greift man doch zu, richtig?  </seg>
<seg id="26">  Millionen von Zuschauern schauen sich diese Episoden an.  </seg>
<seg id="27">  Jedoch wissen sie nicht, dass sie beim Anschauen dieser Shows beobachtet werden.  </seg>
<seg id="28">  Sie werden von Roy und seinem Team beobachtet, die alles aufnehmen.  </seg>
<seg id="29">  Sie erfassen, wann man die Show startet, wann man pausiert, welche Teile man überspringt bzw. nochmal anschaut.  </seg>
<seg id="30">  Sie sammeln Millionen von Daten, um mit diesen Daten dann zu entscheiden, welche Show sie produzieren sollten.  </seg>
<seg id="31">  In der Tat sammeln sie die Daten, verarbeiten diese und daraus ergibt sich die Antwort, und diese lautet: "Amazon sollte eine Sitcom über vier republikanische US-Senatoren machen."  </seg>
<seg id="32">  Sie machten diese Show.  </seg>
<seg id="33">  Kennt jemand den Namen dieser Show?  </seg>
<seg id="34">   Ja, "Alpha House", aber es scheint, dass sich nicht viele an diese Show erinnern können, weil sie nicht so gut war.  </seg>
<seg id="35">  Es ist nur eine Durchschnittsshow -- im wahrsten Sinne des Wortes -- da der Durchschnitt dieser Kurve 7,4 beträgt und Alpha House landet bei 7,5 -- also etwas über dem Durchschnitt, aber nicht gerade das, worauf Roy und sein Team hinarbeiteten.  </seg>
<seg id="36">  Etwa zur gleichen Zeit bei einer anderen Firma hat ein anderer Manager eine Top-Show durch Datenanalyse plaziert. Sein Name ist Ted, Ted Sarandos, der Manager für Programmgestaltung von Netflix. Genau wie Roy ist er immer auf der Suche, diese eine Super-Show zu finden und er benutzt auch Daten dafür, aber er macht es etwas anders.  </seg>
<seg id="37">  Anstatt einen Wettbewerb zu veranstalten, haben er und sein Team sich die vorhandenen Daten über die Netflix-Zuschauer angeschaut, also die Bewertungen, die sie den Shows geben, deren Verlauf, welche Shows sie mögen etc.  </seg>
<seg id="38">  Dann nutzen sie diese Daten, um diese kleinen Details über die Zuschauer herauszufinden: welche Shows sie mögen, welche Produzenten, welche Schauspieler.  </seg>
<seg id="39">  Als sie all die Teile zusammen hatten, gingen sie ein Wagnis ein und entschieden sich dazu, nicht eine Sitcom über vier Senatoren, sondern eine Drama-Serie über einen Senator zu machen.  </seg>
<seg id="40">  Kennen Sie diese Show?  </seg>
<seg id="41">   Ja, "House of Cards". Netflix hat damit einen Hit gelandet, zumindest für die ersten zwei Staffeln.  </seg>
<seg id="42">    "House of Cards" bekommt eine 9,1-Bewertung auf dieser Kurve. Also genau dort, wo sie hin wollten.  </seg>
<seg id="43">  Natürlich ist nun die Frage: Was ist hier passiert?  </seg>
<seg id="44">  Man hat zwei sehr kompetitive, Daten versierte Firmen.  </seg>
<seg id="45">  Sie verbinden diese vielen Daten miteinander und es funktioniert super für eine von ihnen, aber nicht für die andere Firma.  </seg>
<seg id="46">  Woran liegt das?  </seg>
<seg id="47">  Weil die Logik irgendwie besagt, dass das bei allem funktionieren sollte.  </seg>
<seg id="48">  Wenn man Millionen Daten sammelt, für eine Entscheidung, die man trifft, dann sollte man eine gute Entscheidung treffen können.  </seg>
<seg id="49">  Man hat 200 Jahre an Statistik als Back-Up.  </seg>
<seg id="50">  Man optimiert es durch sehr leistungsfähige Computer.  </seg>
<seg id="51">  Das Mindeste, was man erwarten kann, ist gutes Fernsehen, oder?  </seg>
<seg id="52">  Wenn Datenanalyse so nicht funktioniert, dann ist dies etwas erschreckend, weil wir in einer Zeit leben, in der wir mehr und mehr zu Statistiken greifen, um ernsthafte Entscheidungen zu treffen, weit über das Fernsehen hinaus.  </seg>
<seg id="53">  Kennt jemand hier die Firma Multi-Health Systems?  </seg>
<seg id="54">  Niemand. Ok, das ist sogar gut.  </seg>
<seg id="55">  Multi-Health Systems ist eine Software-Firma und ich hoffe, dass niemand in diesem Raum jemals in Berührung mit dieser Software kommt. Kommen Sie damit in Berührung, sind Sie im Gefängnis.  </seg>
<seg id="56">   Wenn jemand hier in den USA im Gefängnis ist und um Entlassung bittet, ist es wahrscheinlich, dass die Datenanalyse dieser Firma benutzt wird, um zu bestimmen, ob eine Entlassung erfolgt oder nicht.  </seg>
<seg id="57">  Genau wie bei Amazon und Netflix. Aber anstatt zu entscheiden, ob eine Show gut oder schlecht sein wird, wird entschieden, ob eine Person gut oder schlecht sein wird.  </seg>
<seg id="58">  Mittelmäßiges Fernsehen, 22 Minuten, das kann echt schlecht sein, aber noch mehr Jahre im Gefängnis sind schlimmer.  </seg>
<seg id="59">  Leider gibt es Beweise dafür, dass diese Datenanalyse, trotz der vielen Daten,  </seg>
<seg id="60">  nicht immer die besten Resultate erzeugt. Das liegt nicht daran, dass eine Firma wie Multi-Health Systems nicht weiß, wie man Daten nutzt.  </seg>
<seg id="61">  Auch die Daten versiertesten Firmen liegen mal falsch.  </seg>
<seg id="62">  Ja, selbst Google macht manchmal Fehler.  </seg>
<seg id="63">  2009 gab Google bekannt, dass sie durch Datenanalyse Ausbrüche von Grippe, der schlimmen Art, voraussagen können -- durch Datenanalyse der Google-Recherchen.  </seg>
<seg id="64">  Es funktionierte wunderbar und war eine große Nachrichtensensation. Der Erfolg gipfelte in einer Veröffentlichung im Magazin "Nature".  </seg>
<seg id="65">  Es funktionierte einwandfrei, Jahr um Jahr um Jahr, bis es plötzlich nicht mehr funktionierte,  </seg>
<seg id="66">  und niemand konnte sagen warum.  </seg>
<seg id="67">  Es funktionierte einfach nicht, dies war erneut eine Sensation, einschließlich des Widerrufs der Veröffentlichung im Magazin "Nature".  </seg>
<seg id="68">  Selbst die Daten versiertesten Firmen wie Amazon und Google missverstehen manchmal etwas.  </seg>
<seg id="69">  Trotz all dieser Fehler strömen Daten zusehends in Entscheidungen des Lebens ein -- am Arbeitsplatz, bei der Rechtsdurchsetzung, in der Medizin.  </seg>
<seg id="70">  Also sollten wir lieber sicherstellen, dass Daten hilfreich sind.  </seg>
<seg id="71">  Auch ich kenne viele Schwierigkeiten mit Daten. Ich arbeite in der computergestützten Genetik -- ein Gebiet, bei dem einige sehr kluge Menschen unvorstellbar viele Daten nutzen, um ernsthafte Entscheidungen zu treffen, wie die Entscheidung für eine Krebstherapie  </seg>
<seg id="72">  oder die Entwicklung eines Medikamentes. Über die Jahre habe ich einige Muster erkannt über den Unterschied zwischen erfolgreichen Entscheidungen anhand von Daten und nicht erfolgreichen Entscheidungen. Dieses Muster sollte verbreitet werden.  </seg>
<seg id="73">  Müssen Sie je ein komplexes Problem lösen, tun Sie hauptsächlich zwei Dinge:  </seg>
<seg id="74">  Als Erstes zerlegen Sie dieses Problem in seine Einzelteile, sodass Sie die Einzelteile analysieren können; als Zweites setzen Sie die Einzelteile wieder zusammen, um einen Entschluss zu fassen.  </seg>
<seg id="75">  Manchmal müssen Sie dies mehrmals tun, aber es sind immer zwei Dinge: auseinander nehmen und wieder zusammensetzen.  </seg>
<seg id="76">  Und nun das Wichtigste: Daten und Datenanalyse sind nur gut für den ersten Teil.  </seg>
<seg id="77">  Daten und Datenanalyse, egal wie machtvoll, können nur dabei helfen, ein Problem zu zerlegen und seine Teile zu verstehen.  </seg>
<seg id="78">  Sie sind nicht dazu geeignet, die Teile wieder zusammenzusetzen und dann zu einem Entschluss zu kommen.  </seg>
<seg id="79">  Dafür gibt es ein anderes Werkzeug und wir besitzen es alle: unser Gehirn.  </seg>
<seg id="80">  Wenn es etwas gibt, bei dem das Gehirn gut ist, ist es Teile und Stücke wieder zusammenzusetzen, auch wenn die Informationen unvollständig sind, um dann einen guten Entschluss zu fassen -- besonders wenn es das Gehirn eines Experten ist.  </seg>
<seg id="81">  Darum, glaube ich, war Netflix so erfolgreich, weil sie Daten und Verstand genutzt haben, wo sie auch im Prozess hingehören.  </seg>
<seg id="82">  Sie nutzen Daten, um ihr Publikum besser zu verstehen, wozu sie sonst nicht fähig gewesen wären. Aber die Entscheidung, wie man all diese Teile nehmen, wieder zusammensetzen und daraus eine Show wie "House of Cards" macht, das stand nicht in den Daten.  </seg>
<seg id="83">  Ted Sarandos und sein Team trafen diese Entscheidung für diese Show, was bedeutete, dass sie ein großes persönliches Risiko mit dieser Entscheidung eingingen.  </seg>
<seg id="84">  Amazon hingegen tat dies auf die falsche Weise.  </seg>
<seg id="85">  Sie nutzten Daten, um all ihre Entscheidungen zu steuern, zuerst als sie um TV-Ideen wetteiferten, dann als sie "Alpha House" als Show auswählten.  </seg>
<seg id="86">  Es war eine sichere Entscheidung, weil sie immer sagen konnten: "Das sagen uns die Daten."  </seg>
<seg id="87">  Es führte nicht zum gewünschten Ergebnis.  </seg>
<seg id="88">  Daten sind hilfreich für bessere Entscheidungen, aber ich glaube, dass Dinge schief laufen, wenn Daten anfangen unsere Entscheidungen zu steuern.  </seg>
<seg id="89">  Egal wie machtvoll sie sind, Daten sind nur ein Werkzeug, und um das nicht zu vergessen, ist dieses Gerät ziemlich nützlich.  </seg>
<seg id="90">  Vielen von Ihnen werden ...  </seg>
<seg id="91">   Bevor es Daten gab, war dies das Gerät für Entscheidungen.  </seg>
<seg id="92">   Viele kennen es.  </seg>
<seg id="93">  Es wird auch "Magic 8 Ball" genannt. Es ist erstaunlich. Für Entscheidungen mithilfe einer Ja- oder Nein-Frage müssen Sie nur den Ball schütteln, um eine Antwort zu bekommen. "Höchst wahrscheinlich" -- genau hier in diesem Moment.  </seg>
<seg id="94">  Ich werde es später mit einer Technikdemo ausfechten.  </seg>
<seg id="95">   Ich habe bisher einige Entscheidungen in meinem Leben getroffen, wobei ich im Nachhinein auf den Ball hätte hören sollen.  </seg>
<seg id="96">  Aber, wie Sie natürlich wissen, wenn Sie die Daten verfügbar haben, möchten Sie diese durch etwas viel Ausgeklügelteres ersetzen, wie Datenanalyse, um bessere Entscheidungen zu treffen.  </seg>
<seg id="97">  Aber dies verändert nicht den Grundaufbau.  </seg>
<seg id="98">  So wird vielleicht der Ball klüger und klüger und klüger. Letztendlich liegt es an uns, Entscheidungen zu treffen, wenn wir etwas außergewöhnliches am Ende der rechten Kurve erreichen wollen.  </seg>
<seg id="99">  Und ich empfinde dies als sehr ermutigende Nachricht, dass es sich trotz der großen Menge an Daten immer noch auszahlt, Entscheidungen zu treffen, ein Experte in dem zu sein, was man tut, und Risiken einzugehen.  </seg>
<seg id="100">  Denn am Ende sind es nicht die Daten, sondern die Risiken, mit denen Sie am rechten Ende der Kurve landen.  </seg>
<seg id="101">  Danke schön.  </seg>
</doc>
</refset>
</mteval>