ARTIFICIALLY CORRECT HACKATHON 1.-3.10.2021


Wie kommt Bias in eine Übersetzung und was können wir dagegen tun? Um Antworten und Lösungen auf diese Frage zu finden, luden wir Aktivist*innen, Übersetzer*innen,  Softwareentwickler*innen und alle anderen Interessierten vom 1.-3. Oktober 2021 zu einem Online-Hackathon ein. 
 

Illustration, auf der linken Seite eine Lupe, auf der rechten Seite ein Computerbildschirm, auf dem ein Gehirn abgebildet ist. © Goethe-Institut. Illustration: EL BOUM

 

Herzlichen Glückwunsch an die Gewinnerteams: Team 4c (A Word2Vec solution) und Team 3a (BiasByUs)! 

Team 4c (A Word2Vec solution) beschäftigte sich mit der Tatsache, dass Tools wie Google Translate, DeepL etc. Schwierigkeiten mit komplexeren Inhalten haben. Ihre Lösung hierfür ist eine Webplattform, die die Word2Vec-Architektur nutzt und Wörter vergleicht sowie feststellt, wie "eng" sie mit dem Kontext übereinstimmen. Die Idee wurde dafür gelobt, dass sie eine sehr vollständige Lösung darstellt, die auf zusätzliche Sprachen und Bias erweitert werden kann; der Jury gefiel zudem die Idee, Bias messbar zu machen.

Team 3a (BiasByUs) erstellte eine Website, die als Crowdsourcing-Datenbank mit Beispielen für Bias sowie als Informationsquelle über die Auswirkungen von Bias dient. In Zukunft könnte die Datenbank als Browser-Plug-in implementiert werden. BiasByUs geht es zudem darum, eine Gemeinschaft rund um das Thema zu schaffen und die Welt gemeinsam von Bias zu befreien! BiasByUs wurde aufgrund seines kollaborativen Charakters und seines Potenzials für weitere Forschungen ausgewählt. Die Nutzer*innen der Webseite können sich selbst weiterbilden und bessere Alternativen finden. Die Jury ermutigte das Team, weiter an der Idee des Browser-Plug-ins zu arbeiten.

Eine lobende Erwähnung ging außerdem an das Team 2b und die Idee eines "geschlechtsneutralen" Toggles. Mit einem "geschlechtsneutralen" Toggle würden alle deutschen Pronomen (sie/er/neo) in die englischen Pronomen they/them umgewandelt. Die Jury betonte die Relevanz der vorgeschlagenen Lösung für die nicht-binäre Community. Die Idee wies auch auf die wichtige Tatsache hin, dass sich Pronomen und Grammatik stets weiterentwickeln.

Kurze Zusammenfassungen der Top 5 Ideen, die während des Hackathons gepitcht wurden, können auf dem Twitter-Account des Goethe-Institut London nachgelesen werden:

Herzlichen Glückwunsch an alle zehn Teams, die es durch den Hackathon geschafft haben! Wir waren begeistert von der Aufgeschlossenheit aller Teilnehmer*innen und hoffen, dass die Ideen zusammenwachsen und sich zu einer besseren, weniger voreingenommenen Landschaft von KI-basierten Übersetzungswerkzeugen entwickeln!

Vielen Dank an alle Partnerorganisationen, Expert*innen, die Jury und alle, die teilgenommen und ihre Ideen mit uns geteilt haben! Ein besonders großes Dankeschön auch an Impact Hub Berlin, die den Hackathon mit uns geplant und technisch durchgeführt haben.


Worum ging es beim Hackathon?


Ziel des Artificially Correct Hackathons 2021 war es, innovative und zukunftsweisende Ideen und Projekte zu entwickeln, die Bias in Sprache und maschinellen Übersetzungen minimieren. Während des Hackathons arbeiteten die Teilnehmenden an einer der vorgeschlagenen Challenges oder an ihren eigenen Projekt, um innovative Lösungen zu finden, zum Beispiel Konzepte, Spiele, Apps usw. Die besten Projekte wurden mit einem Preis ausgezeichnet. 



 

Challenges

Detaillierte Informationen zu den Challenges findet ihr, wenn ihr den Links unter den Beschreibungen folgt. Um an einer Challenge teilzunehmen, müsst ihr nicht alle Vorkenntnisse in der Beschreibung mitbringen, solange ihr euch für das Thema der Challenge interessiert. Ihr werdet in passende Teams eingeteilt, es sei denn, ihr meldet euch als Gruppe an.

Challenge 1: Interaktive Station für die Aufnahme und Crowdsourcing eines mehrsprachigen Sprachdatensatzes. Durchgeführt vom ZKM (Zentrum für Kunst und Medien, Karlsruhe). In dieser Challenge entwickelt ihr ein Set von Tools und eine Schnittstelle für Crowdsourcing, einen Sprachdatensatz, der in eine interaktive Station eingebettet werden kann. 
Weitere Informationen

Challenge 2: Genderfaires Post-Editing maschineller Übersetzung. Durchgeführt von Universität Graz und Universität Wien. In dieser Challenge entwickelt ihr Strategien zum Post-Editing und zur Verbesserung von MT-Outputs, um Übersetzungen zwischen den Sprachen Englisch und Deutsch genderfair zu gestalten.
Weitere Informationen
 
Challenge 3: Datenbank und Erkennung von Gender Bias bei maschinellen Übersetzungen. Durchgeführt von IfM (Institut für Medien- und Kommunikationspolitik) und FCAI (Finnish Centre for Artificial Intelligence). Ziel dieser Challenge ist es, Gender Bias in maschinellen Übersetzungssystemen zu definieren und zu analysieren und eine Datenbank zu erstellen, in der alle Benutzer*innen Fälle von Bias sammeln, beschreiben und diskutieren können.
Weitere Informationen
 
Challenge 4: Identifizieren von Sätzen, die anfällig für Verzerrungen bei der maschinellen Übersetzung sind. Durchgeführt von Danielle Saunders. In dieser Challenge geht es darum, Wege zu finden, Bias-anfällige Sätze automatisch zu identifizieren - bestenfalls in einer Art und Weise, die andere Sprachen als Englisch zum Ausgangspunkt nimmt. 
Weitere Informationen

Challenge 5: Wird Bias in Sammlungen und Archiven durch Übersetzung und Mehrsprachigkeit überliefert? Durchgeführt von Cultural A.I. In dieser Challenge experimentierst du mit dem niederländischen Tool SABIO (SociAl BIas Observatory), das Verzerrungsmuster in Museumssammlungen und Kulturarchiven untersucht, und arbeitest an Erweiterungen für sprachübergreifende und mehrsprachige Kontexte. 
Weitere Informationen
 
Challenge 6: Messung der Auswirkungen von Repräsentationsbias. Durchgeführt von EQUITBL und WASP-WARA-Media and Language. Das Ziel dieser Challenge ist es, einen Weg zu finden, automatisch zu testen, ob die Menge der unausgewogenen Repräsentation von Geschlechtern die Qualität der resultierenden Tools beispielsweise in Bezug auf Bias beeinflusst. 
Weitere Informationen
 

Bitte beachten: alle Zeitangaben entsprechen MEZ.

Arrive on Slack, get used to the platform and leave a friendly "hello" in your challenge space
A few words of welcome Introduction of partners & challenges.
   
Find your team members on Slack, get to know each other and LET'S GO
During the hack time, challenge partners can be booked for Q&A
   

Kontakt

Hast du Fragen oder Anregungen zum Projekt? Schreib uns eine E-Mail an:

Partnerorganisationen

Mehr dazu

Partnerlogos Logos Logos

Über das Projekt

Sprache definiert die Welt. Das Goethe-Institut steht für eine inklusive Sprache – und damit für eine inklusive Welt. 

Mit Artificially Correct entwickeln wir mit Expert*innen ein Tool, das den Bias in Übersetzungen minimiert. Wir möchten die Stellung von Übersetzer*innen und einen bewussten Umgang mit Übersetzungsmaschinen stärken und in diese die Realität möglichst vieler Menschen inkludieren.     

Konkret beschäftigt sich Artificially Correct mit KI-basierten Übersetzungstools und den Verzerrungen (z.B. gender/racial-Bias), deren Übersetzungen sie generieren. Artificially Correct schafft ein aktives Netzwerk an Menschen, die dieses Problem betrifft – Übersetzer*innen, Verlage, Aktivist*innen und Erfahrungsexpert*innen – und identifiziert Partner*innen, die das Thema gemeinsam mit uns langfristig verfolgen. Wir bündeln Perspektiven, schaffen Aufmerksamkeit, vermitteln Wissen und regen die Diskussion an. 

Tagesplan