Detailansicht
Digital common knowledge
are the datasets used for narrow AI, like the Google Search Algorithm or ChatGTP, to be seen as a form of digital commons?
Daniel Aaron Prem
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Philosophie und Bildungswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Philosophy and Economics
Betreuer*in
Erich Prem
DOI
10.25365/thesis.77035
URN
urn:nbn:at:at-ubw:1-15339.51934.802770-9
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Arbeit stellt die Frage ob es möglich ist Daten, welche für das Training von Künstlicher Intelligenz (KI) benützt wird, als Digitales Allmendegut zu sehen. Dafür wurde die Allmendegut Definition von David Bollier hergenommen, welche ein Allmendegut als eine relationale Beziehung zwischen einer Ressource, einer Gemeinschaft und einem Regelwert sieht (2014). Um das Ausmaß der Arbeit zu begrenzen, bezieht sie sich auf die Datensätze, die für den Googel Suchalgorithmus benützt werden, sowie die Open-Source Daten wie Wikipedia, die ChatGTP benützt. Außerdem wir die Arbeit The Age of Surveillance Capitalism (2019) von Shoshana Zuboff herbeigezogen, um einen wirtschaftlich-philosophischen Rahmen zu bieten, welcher sich mit der von ihr beschriebene Logik der Daten Akkumulation, zur Berechnung von Menschen beschäftigt. Die Konklusion der Arbeit ist es, dass wir nicht von Digitalen Allmendegütern sprechen können, da die Aspekte von Gemeinschaft und Regelwerk nicht zufriedenstellen erfüllt werden. Jedoch stellt die Arbeit fest, dass es hierfür Gründe gibt, die sich erst im Rahmen von Zuboff‘s Überwachungskapitalismus offenbaren. Dadurch bietet die Arbeit mehr Kontext für die Spannung zwischen der intuitiven Einordnung dieser Datensets als Allmendegüter und den Gründen die eine solche Einordnung erschweren.
Abstract
(Englisch)
This thesis asks if we can perceive datasets used to train AI as digital commons. For this, it uses the definition of the social activist and scholar David Bollier, who defines commons as the relational combination of a resource, a community, and a set of rules (2014). To limit the scope of the paper, it takes two examples of dataset-AI-relations: a) Wikipedia as an Open-Source Commons and the Large Language Model like ChatGTP and b) the narrow AI of the Google Search algorithm and the data that the philosopher and economist Shoshanna Zuboff calls behavioral access. Zuboff's work, The Age of Surveillance Capitalism (2019) provides an economical-philosophical framework that introduces a specific logic of data accumulation focused on collecting data to perfect algorithms that predict people or a group of people and exert power via this mechanism. The conclusion of this thesis is that the discussed datasets cannot be seen as digital commons under the proposed framework because neither the aspect of community nor the aspect of a set of rules meet the criteria of the commons definition to a satisfactory degree. However, the paper also highlights how these circumstances could be intended consequences of the inherent logic of Surveillance Capitalism. Thus, the thesis highlights the tension between an intuitive viewing of these data sets as commons and the reasons for obstructing this framing.
Schlagwörter
Schlagwörter
(Deutsch)
Allmendegut Überwachungskapitalismus Digitaler Kapitalismus
Schlagwörter
(Englisch)
commons Surveillance Capitalism Digital Commons
Autor*innen
Daniel Aaron Prem
Haupttitel (Englisch)
Digital common knowledge
Hauptuntertitel (Englisch)
are the datasets used for narrow AI, like the Google Search Algorithm or ChatGTP, to be seen as a form of digital commons?
Publikationsjahr
2024
Umfangsangabe
50 Seiten : Illustration
Sprache
Englisch
Beurteiler*in
Erich Prem
Klassifikation
08 Philosophie > 08.99 Philosophie. Sonstiges
AC Nummer
AC17363908
Utheses ID
73126
Studienkennzahl
UA | 066 | 642 | |