# Kriterien fr freie maschinelle Lernanwendungen > [! hinweis]- > Der Inhalt dieser Seite ist durch Audio/Video-Transkribtion und Text-Transformation aus dem Inhalt und Links dieser Quelle generiert. Quelle: [https://fosdem.org/2025/schedule/event/fosdem-2025-4818-fsf-s-criteria-for-free-machine-learning-applications/](https://fosdem.org/2025/schedule/event/fosdem-2025-4818-fsf-s-criteria-for-free-machine-learning-applications/) <video src="https://video.fosdem.org/2025/k1105/fosdem-2025-4818-fsf-s-criteria-for-free-machine-learning-applications.av1.webm" controls></video> ## Zusammenfassung & Highlights: Die Free Software Foundation (FSF) hat Kriterien für freie maschinelle Lernanwendungen vorgestellt. Diese sollen definieren, was Nutzerfreiheit im Kontext von maschinellem Lernen bedeutet und warum dies von Bedeutung ist. **Einführung in die FSF und ihre Mission** Die Free Software Foundation (FSF) ist eine gemeinnützige Organisation, die 1985 gegründet wurde, um die Freiheit der Computernutzer zu fördern. Sie unterstützt das GNU-Projekt und verwaltet die Definition freier Software sowie die GNU General Public License (GPL). **Bedeutung freier Software** Freie Software ermöglicht die Kontrolle über das eigene Computing und ist ein Herzstück der Softwareentwicklung. Die GNU GPL gehört zu den populärsten Lizenzen auf Plattformen wie GitHub, da sie die Freiheit der Nutzer schützt. **Herausforderungen im Bereich maschinelles Lernen** Maschinelles Lernen unterscheidet sich von traditioneller Software, da es sowohl Software- als auch Nicht-Software-Elemente umfasst. Die FSF betont die Wichtigkeit, dass alle Elemente, insbesondere Trainingsdaten, frei zugänglich sein müssen, um die Freiheit der Nutzer zu gewährleisten. **Zukünftige Schritte und offene Fragen** Die FSF plant, weiter an den Kriterien zu arbeiten und dabei technischen und philosophischen Input zu integrieren. Offene Fragen beinhalten ethische Dilemmata bei der Nutzung von ML-Anwendungen ohne verfügbare Trainingsdaten. ## Bedeutung für eine öko-soziale Transformation Die Kriterien der FSF für freie maschinelle Lernanwendungen sind entscheidend für eine ökosoziale Transformation, da sie sicherstellen, dass Technologien im Einklang mit den Prinzipien der Nutzerfreiheit und Transparenz entwickelt werden. Ethische Fragen betreffen die Verwendung von Trainingsdaten und die potenziellen Auswirkungen von ML auf die Gesellschaft. Für Eco-Social Designer bieten sich Ansätze wie die Verwendung freier Softwaretools und die Entwicklung von Anwendungen, die auf offenen Daten basieren. Herausforderungen bestehen in der Balance zwischen technischer Machbarkeit und ethischen Standards sowie in der Überwindung rechtlicher und gesellschaftlicher Hürden. ## Slides: | | | | --- | --- | | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_001.jpg\|300]] | Die erste Folie stellt die Free Software Foundation (FSF) und ihre Kriterien für freie maschinelle Lernanwendungen vor, präsentiert von Zoë Kooyman und Krzysztof Siewicz. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_002.jpg\|300]] | Die zweite Folie enthält einen Haftungsausschluss: Die Arbeit ist noch im Gange, die Sprecher sind keine Experten für maschinelles Lernen, und sie sind hier, um Fragen und Gedanken zu sammeln. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_003.jpg\|300]] | Die dritte Folie beschreibt die Free Software Foundation als gemeinnützige Organisation, die 1985 von Richard Stallman gegründet wurde, um die Freiheit der Computernutzer zu fördern. Sie unterstützt das GNU-Projekt und verwaltet die GNU General Public License. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_004.jpg\|300]] | Die vierte Folie erklärt, warum freie Software wichtig ist: Sie ermöglicht die Kontrolle über das eigene Computing, ist ein Herzstück der Softwareentwicklung und wird aufgrund der Freiheit, die sie bietet, von vielen gewählt. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_005.jpg\|300]] | Die fünfte Folie beschreibt die Free Software Definition, die den Zugang zum Quellcode als Voraussetzung für die vier Freiheiten festlegt. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_006.jpg\|300]] | Die sechste Folie feiert 40 Jahre freie Software, beschreibt die Entwicklung der Free Software Definition und die verschiedenen Versionen der GNU GPL. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_007.jpg\|300]] | Die siebte Folie beschreibt das Wachstum des Marktes für maschinelles Lernen, der seit 2020 um über 60% gestiegen ist und bis 2030 auf über eine halbe Billion Dollar anwachsen soll. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_008.jpg\|300]] | Die achte Folie erklärt, warum maschinelles Lernen zunehmend an Bedeutung gewinnt. Es wird als Vermittler zwischen Benutzern und Software eingesetzt und ist Gegenstand von Freewashing-Versuchen. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_009.jpg\|300]] | Die neunte Folie beschreibt die Herausforderungen im Zusammenhang mit der Freiheit im maschinellen Lernen, einschließlich der Unterschiede zu traditioneller Software und der Bedeutung von nicht-softwarebasierten Elementen. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_010.jpg\|300]] | Die zehnte Folie beschreibt die Kriterien für freiheitswahrende maschinelle Lernanwendungen, wobei der Schwerpunkt auf den vier Freiheiten und der Wichtigkeit von Trainingsdaten liegt. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_011.jpg\|300]] | Die elfte Folie betont, dass Benutzer alle notwendigen Elemente zur Kontrolle ihres Computings mit ML erhalten sollten, einschließlich freier Trainingsdaten. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_012.jpg\|300]] | Die zwölfte Folie stellt Fragen zur moralischen Rechtfertigung der Nutzung von ML-Anwendungen ohne verfügbare Trainingsdaten und zur Möglichkeit der Nachbildung von Modellen durch inkrementelles Training. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_013.jpg\|300]] | Die dreizehnte Folie beschreibt die nächsten Schritte der FSF in Bezug auf die Entwicklung von Kriterien, einschließlich Diskussionen mit Experten und der Veröffentlichung von Fortschritten. | ![[FOSDEM 2025/assets/FSFs-criteria-for-free-machine-learning-applicatio/preview_014.jpg\|300]] | Die letzte Folie bedankt sich bei den Zuhörern für ihre Aufmerksamkeit. ## Links [FSF’s criteria for free machine learning applications](https://fosdem.org/2025/events/attachments/fosdem-2025-4818-fsf-s-criteria-for-free-machine-learning-applications/slides/238472/Kooyman_S_W6BKphT.pdf) [Original announcement](https://fosdem.org/2025/schedule/event/fosdem-2025-4818-fsf-s-criteria-for-free-machine-learning-applications/) [Video recording (AV1/WebM)](https://video.fosdem.org/2025/k1105/fosdem-2025-4818-fsf-s-criteria-for-free-machine-learning-applications.av1.webm) [Video recording (MP4)](https://video.fosdem.org/2025/k1105/fosdem-2025-4818-fsf-s-criteria-for-free-machine-learning-applications.av1.mp4) [Video recording subtitle file (VTT)](https://fosdem.org/2025/k1105/fosdem-2025-4818-fsf-s-criteria-for-free-machine-learning-applications.vtt) [Chat room(web)](https://fosdem.org/2025/chat/web) [Chat room(app)](https://fosdem.org/2025/chat/app) [Submit Feedback](https://fosdem.org/2025/feedback)