DISCLAIMER

Our systems have detected that you are using a computer with an IP address located in the USA.
If you are currently not located in the USA, please click “Continue” in order to access our Website.

Local restrictions - provision of cross-border services

Swissquote Bank Ltd (“Swissquote”) is a bank licensed in Switzerland under the supervision of the Swiss Financial Market Supervisory Authority (FINMA). Swissquote is not authorized as a bank or broker by any US authority (such as the CFTC or SEC) neither is it authorized to disseminate offering and solicitation materials for offshore sales of securities and investment services, to make financial promotion or conduct investment or banking activity in the USA whatsoever.

This website may however contain information about services and products that may be considered by US authorities as an invitation or inducement to engage in investment activity having an effect in the USA.

By clicking “Continue”, you confirm that you have read and understood this legal information and that you access the website on your own initiative and without any solicitation from Swissquote.

« UNSERE ERGEBNISSE SIND DREIMAL SO PRÄZISE WIE DIE BISHERIGEN TOOLS »

Die öffentliche Meinung anhand von Posts in den sozialen Netzwerken erfassen und analysieren – das ist die Kernkompetenz des Social Media Lab der ETH Lausanne. Jean-Luc Jaquier, der das Projekt zur Präsidentschaftswahl leitet, erklärt, wie es funktioniert.

Das Social Media Lab, das 2013 auf dem Campus der ETH Lausanne gegründet wurde, entwickelt Tools zur Erfassung von Meinungsbildern, die im Internet und insbesondere in den sozialen Medien entstehen.

www.swissquote.com/french-election

Das Labor bietet Medien, Experten, NGOs und Unternehmen eine revolutionäre Methode zur Messung dieser Stimmungen an. Von sich reden machte das Social Media Lab unter anderem während der UN-Klimakonferenz Ende 2015 in Paris. Damals nutzte man das Know-how, um weltweit und in Echtzeit die Meinungen von Menschen zu Umweltfragen zu analysieren. Anlässlich der Präsidentschaftswahl in Frankreich 2017 werden die Wissenschaftler ihr Können in den Dienst von Swissquote stellen und in regelmässigen Abständen die im Netz veröffentlichte Meinung in Frankreich zu den verschiedenen Kandidaten visualisieren. Projektleiter Jean-Luc Jaquier gewährte uns einen Blick hinter die Kulissen des Labors.

Können Sie uns das Prinzip und die Funktionsweise Ihrer Methode kurz erklären?

Es geht darum, die Entwicklung der im Internet zu einem bestimmten Thema ausgedrückten Meinung in Echtzeit zu erfassen, zu analysieren und zu veröffentlichen. Dazu erheben wir in grossem Umfang Daten in den sozialen Netzwerken, die dann zu einem Meinungsbild zusammengefügt werden. Hierfür greifen wir nicht nur auf das zurück, was wir Natural Language Processing (NLP) nennen, das heisst das Verständnis der menschlichen Sprache, sondern auch auf die Analyse von Graphen, die darin besteht zu erfahren, wo sich Menschen befinden, welche Beziehungen sie untereinander haben, wie einflussreich sie sind usw. Beide Technologien setzen auf künstliche Intelligenz (KI). Die gemeinsame Nutzung beider Technologien liefert ein sehr differenziertes Bild der in den sozialen Medien ausgedrückten Meinungen.

Was sind die grössten Herausforderungen für künstliche Intelligenz?

Bei der Interpretation eines Textes kommt es auf ein möglichst hohes Mass an Präzision an. Dieser spezielle Bereich des Natural Language Processing, den man Natural Language Understanding (NLU) nennt, stellt ein breites Feld innerhalb der KI-Forschung dar, bei dem es noch viel Luft nach oben gibt. Eine der grössten Herausforderungen besteht darin, zweideutige, ironische oder sarkastische Aussagen, die in den sozialen Netzwerken sehr geläufig sind, richtig zu deuten. Denn jemand kann in einem Kommentar etwas schreiben, aber eigentlich genau das Gegenteil meinen. Ausserdem ist es äusserst wichtig, «Fake News», die sich in sozialen Netzwerken ausbreiten, als solche zu identifizieren.

Welche Rolle spielen Graphen bei Ihrer Analyse?

Wir wollen nicht nur Text analysieren, sondern auch ihren jeweiligen Kontext verstehen: Wie glaubwürdig ist eine bestimmte Quelle, wie wurde der Inhalt geteilt, in welchen Communities, wo, mit welcher Wirkung. Auf Grundlage dieser Daten erstellen wir mithilfe eines Algorithmus «Social-Media-Graphen».

Wenn das Tool beispielsweise eine Person identifiziert, die sich für einen bestimmten Kandidaten bei der Präsidentschaftswahl ausgesprochen hat, und eine andere Person diese Meinung geteilt und deutlich unterstützt hat, wird die KI daraus schlussfolgern, dass letztere höchstwahrscheinlich auch für diesen Kandidaten ist. In einem anderen Fall, wenn eine Person einen positiven, aber sarkastischen Kommentar zu einem Kandidaten macht und somit das Gegenteil meint, wird der Algorithmus verstehen, dass diese Person Teil einer Community ist, die eigentlich für einen anderen Kandidaten ist.

Indem wir NLP und Graphenanalyse bei unseren Algorithmen kombinieren, erreichen wir Ergebnisse, die dreimal so präzise sind wie bei Methoden, die nur auf NLP beruhen. Und das ist schon ein sehr gutes Ergebnis und ein grosser Sprung nach vorne im Vergleich zu den bislang vorhandenen Tools.

Und wo kommt der Mensch ins Spiel?

Für uns ist Big Data die Kombination von Mensch und Maschine. Die Maschine analysiert die Verbreitung einer Meinung mithilfe eines Graphen, danach werden Teile des Graphen vom Menschen überprüft. Hat die Maschine einen Fehler gemacht und etwas falsch verstanden, wird das an die Maschine kommuniziert. Daraufhin wird sie ihre Parameter neu berechnen und aus ihren Fehlern lernen. Das nennt man Machine Learning bzw. Deep Learning. Die Maschine überprüft den gesamten Graphen – das kann durchaus Millionen von Meinungen betreffen – und berücksichtigt dabei unsere Korrekturen. Sie passt sich also an und lernt immer mehr dazu.

Wie stark kann künstliche Intelligenz noch verbessert werden?

Das Verbesserungspotenzial ist enorm. In den kommenden fünf bis zehn Jahren sind sehr grosse Fortschritte beim Verständnis von Aussagen zu erwarten. Die Tools werden jeden Tag verfeinert, und es können Millionen von Daten quasi in Echtzeit analysiert werden, in allen Ländern und in allen Sprachen der Welt.

Werden herkömmliche Erhebungsmethoden durch diese Möglichkeit, Meinungen nahezu in Echtzeit zu erfassen, überholt?

Es wird tatsächlich möglich werden, eine Meinungsänderung in nur wenigen Stunden zu erkennen. Eine herkömmliche Umfrage erfordert viel mehr Zeit, etwa zwei bis drei Tage. Aber man muss dazu sagen, dass es sich in solchen Fällen auch um ausführliche Befragungen von repräsentativen Gruppen handelt. Sagen wir es so: Die zwei Methoden ergänzen sich. Bei Erhebungen im Internet und in den sozialen Netzwerken gibt es weniger Einschränkungen. Manche Communitys, insbesondere Jugendliche, melden sich dort häufiger zu Wort. Unser Tool hat den Vorteil, dass die Meinung direkt und so, wie sie tatsächlich ausgedrückt wird, ohne Zwischenschritte gemessen wird. Unter diesem Gesichtspunkt wird es sehr interessant sein, die Präsidentschaftswahl in Frankreich zu verfolgen.

 
Live chat