Apple-Studie untersucht, wie Menschen in selbst trainierten Sensorsystemen Grenzen definieren
Apple-Forschende haben eine Studie veröffentlicht, die untersucht, was passiert, wenn Menschen selbst festlegen, welche Phänomene ein persönliches System für maschinelles Lernen erfassen soll. In einer einwöchigen explorativen Studie identifizierten sie vier Felder, in denen die Teilnehmenden die Grenzen dessen aushandelten, was das System bedeuten sollte.
- Apple-Forschende veröffentlichten eine Studie dazu, wie Menschen in selbst gestalteten persönlichen Sensorsystemen Grenzen aushandeln.
- Das Team baute zwei offene Probes mit Wizard-of-Oz-Technik, um das Training eines personalisierten Systems für maschinelles Lernen zu simulieren.
- Die Teilnehmenden nutzten in einer einwöchigen explorativen Studie jeweils eine der Probes im Alltag.
- Es zeigten sich vier Felder der Aushandlung: Grenzen von Phänomenen, das Subjekt in Beziehungen, Signal versus Rauschen und die Objektivität von Daten.
- Die Autoren bieten Ansatzpunkte für das Design und erörtern offene Probes als Methode für ontologisches Design.
Warum die Forschenden ontologische Grenzen untersuchten
Die Arbeit mit dem Titel „Negotiating Ontological Boundaries in User-Authored Personal Sensing Systems“ stammt von den Seiten zur Machine-Learning-Forschung von Apple, Bereich Mensch-Computer-Interaktion. Sie wurde im Oktober 2026 veröffentlicht. Die Autorinnen und Autoren sind Nava Haghighi, Danielle Olson, Halden Lin, Erdrin Azemi, Gierad Laput, Kayur Patel und James Landay. Haghighi und Landay sind der Stanford University zugeordnet, und mehrere Autoren, darunter Haghighi, Lin und Patel, haben die Arbeit während ihrer Zeit bei Apple durchgeführt.
Ausgangspunkt ist die Annahme, dass gestaltete Artefakte ontologisch sind. Laut der Studie prägen sie, was möglich oder vorstellbar wird, und schränken es mitunter ein. Eine Möglichkeit, solche Grenzen zu verringern, bestehe darin, Menschen Einfluss darauf zu geben, wie Systeme entworfen und gebaut werden, schreiben die Autoren.
Die Studie weist darauf hin, dass sich die Forschung seit Jahrzehnten mit Systemen befasst, die eine solche eigene Gestaltung ermöglichen. Diese Systeme würden jedoch häufig daran gemessen, ob sie nutzbar, nützlich oder technisch machbar sind. Die Frage, wie ontologische Grenzen ausgehandelt werden, bleibe dadurch unbeantwortet, so die Autoren.
So lief die Studie ab
Das Team entwarf zwei offene Probes, die auf der Wizard-of-Oz-Technik beruhen. Dieser Ansatz ermöglicht es Teilnehmenden, das Training eines personalisierten Systems für maschinelles Lernen an selbst definierten Phänomenen zu erleben, ohne dass das System vollständig gebaut sein muss.
In einer einwöchigen explorativen Studie nutzten die Teilnehmenden jeweils eine der beiden Probes im Alltag. Der Aufbau sollte erfassen, wie Menschen die Bedeutung dessen, was ein System erfassen soll, formen und umformen, während sie damit leben.
Vier Felder der Aushandlung
Die Forschenden identifizierten vier Felder, in denen ontologische Grenzen ausgehandelt wurden:
- die Grenzen eines Phänomens
- das Subjekt als Teil von Beziehungen
- was Signal und was Rauschen ist
- die Objektivität von Daten
Wie die Teilnehmenden mit den einzelnen Punkten umgingen, geht aus der Kurzfassung der Studie nicht hervor; die Details stehen in der vollständigen Veröffentlichung. Die Liste zeigt aber, wo Menschen nach Beobachtung der Autoren aktiv gegen die Annahmen eines Systems vorgingen oder sie umarbeiteten.
Was das für das Design bedeutet
Die Autoren geben nach eigenen Angaben Ansatzpunkte dafür, wie sich die Aushandlung von Grenzen durch Design unterstützen lässt. Außerdem erörtern sie offene Probes als Methode für ontologisches Design.
Für Entwicklerinnen und Entwickler persönlicher Sensorik- und Machine-Learning-Werkzeuge legt die Arbeit nahe, dass die alleinige Bewertung von Nutzbarkeit oder technischer Machbarkeit übersehen könnte, wie Menschen entscheiden, was als Phänomen gilt, was als Rauschen und inwieweit Daten als objektiv behandelt werden können. Die Studie ist explorativ, und die Quelle nennt keine Produktpläne, die damit verbunden wären.
