Rechner zum Hässliches-Entlein-Theorem

Das Hässliches-Entlein-Theorem ist ein Ergebnis der Mustererkennung: Ohne Annahmen darüber, welche Eigenschaften wichtig sind, sind alle Objektpaare gleich ähnlich. Satosi Watanabe führte es ein, um eine verborgene Auswahl hinter Klassifikationen sichtbar zu machen. Menschen halten zwei Dinge für ähnlich, weil sie bestimmte Merkmale betonen und viele andere ausblenden. Ein Computer kann diese Entscheidung erst sinnvoll treffen, wenn ein Entwickler Merkmale, Gewichte oder ein Modell vorgibt. Dieser Rechner bietet eine praktische, vereinfachte Demonstration anhand benannter Merkmalsmengen. Jeder durch Kommas getrennte Begriff zählt als eine Eigenschaft. Die Anzahl gemeinsamer Merkmale ist die Größe der Schnittmenge, die Anzahl verschiedener Merkmale die Größe der Vereinigungsmenge. Der Prozentwert ist die Jaccard-Ähnlichkeit: Schnittmengengröße geteilt durch Vereinigungsmengengröße, multipliziert mit 100. Identische Listen erreichen hundert Prozent, Listen ohne Überschneidung null; teilweise Übereinstimmungen liegen dazwischen. Die Berechnung beweist nicht, dass ein Objekt einem anderen objektiv ähnlicher ist. Sie zeigt vielmehr, wie das Ergebnis vom gewählten Vokabular abhängt. Vögel nach Farbe und Größe zu beschreiben kann eine andere Rangfolge ergeben als nach Lebensraum, genetischen Markern oder Verhalten. Hinzufügen, Entfernen, Aufteilen oder Zusammenfassen von Merkmalen verändert den mathematischen Raum und möglicherweise jeden Vergleich. Selbst scheinbar objektive Messungen enthalten Entscheidungen über Geräte, Skalen, Schwellenwerte und fehlende Daten. Mehrere Merkmalslisten zu vergleichen macht diese Modellierungsentscheidungen vor dem Schlussfolgern sichtbar. Dieses Prinzip ist in maschinellem Lernen, Clustering, Informationssuche und wissenschaftlicher Taxonomie wichtig. Modelle enthalten Annahmen durch Trainingsdaten, Distanzfunktionen, Merkmalskonstruktion und Parameterwahl. Diese Annahmen können nützlich sein, sind aber nie neutral. Ein Ähnlichkeitswert muss deshalb im Kontext der gewählten Darstellung interpretiert werden. Teste Merkmalslisten, beobachte veränderte Überschneidungen und diskutiere, warum Fachwissen unverzichtbar ist, wenn ein Klassifikationssystem festlegt, was als ähnlich gilt.