Um diese Frage zu klären nennt Dr. Bosch zwei Faktoren:

1. Dimension
Wie groß ist das Problem, wieviele Dinge muss ich unterscheiden können?
Je größer Dimension, desto stärker wächst das Volumen – exponentiell wie bei einem Würfel.
Andererseits könne eine höhere Dimension die Separierbarkeit aber auch erhöhen.

2. Komplexität der inneren Zusammenhänge.
„Wenn ich bei einem Bild ein Pixel ändere, bleibt die Aussage bestehen. In der Sprache ändert sich durch ein Buchstaben schon die gesamte Aussage. Es macht einen großen Unterschied ob ich von einem Haus oder einer Maus spreche.“

Beide Faktoren hängen zusammen. Mehr Dimensionen hieße normalerweise mehr innere Komplexität und führe selber wiederum zu einem größeren Raum. Für einen größeren Raum müsse man daher dann auch mehr Daten abtasten.

Paul Knecht

Für Scatterblog setzte Dr. Bosch auf eine Reduzierung der Variablen bei der Datenseite.
So wird hier die Vertrauenswürdigkeit der Quelle bewertet, wie schnell sich die Nachricht im Netz verbreitet und wie ungewöhnlich die Worte seien.

Diese drei Datenkategorien wurden bei ScatterBlog jeweils einzeln in einem nicht überwachten Prozess vom System eigenständig erlernt.

Dr. Bosch resümiert gegen Ende seines Vortrags: „Das Modell weiß nicht was sie von Ihnen wollen. Das heißt, Sie müssen Ihre Intention in die Parameter und Daten stecken.“

Paul Knecht