Was ist maschinelles Lernen?

Einer der vielversprechendsten Teilbereiche der künstlichen Intelligenz ist das maschinelle Lernen. Dabei handelt es sich um einen Prozess, bei dem Systeme durch Statistiken, Versuch und Irrtum sowie Daten „lernen“ können, um Prozesse zu optimieren und auch viel schneller innovativ zu sein. Das maschinelle Lernen ermöglicht es Computern, menschenähnliche Fähigkeiten zu entwickeln, die es ihnen ermöglichen, verschiedene Herausforderungen der Welt wie Klimawandel, Krebs, HIV/AIDS und andere zu lösen. Inwiefern ermöglicht das maschinelle Lernen also Computersystemen menschenähnliche Fähigkeiten?

Der Prozess des maschinellen Lernens ist automatisiert, und während des gesamten Lernprozesses erfolgt in der Regel eine Feinabstimmung auf der Grundlage der Erfahrungen der Maschinen. Die Maschinen werden mit qualitativ hochwertigen Daten gefüttert, und die Modelle des maschinellen Lernens werden mit verschiedenen Algorithmen entwickelt, die wir uns kurz ansehen werden. Die Art des verwendeten Algorithmus hängt von den verfügbaren Daten und der Art der zu automatisierenden Tätigkeit ab. Eine Frage, die sich an dieser Stelle aufdrängt, ist, wie genau sich das maschinelle Lernen von der herkömmlichen Programmierung unterscheidet.

Die Antwort ist einfach: Wir füttern eine Maschine mit Eingabedaten (und einem gut entwickelten und getesteten Programm), damit sie eine Ausgabe erzeugen kann. Beim maschinellen Lernen ist dies jedoch nicht der Fall, da sowohl die Eingabe- als auch die Ausgabedaten während des Lernprozesses in die Maschine eingespeist werden und die Maschine selbst ein Programm erstellt. Werfen Sie einen Blick auf die folgende Abbildung.

Abbildung 9: Prozess des maschinellen Lernens

Im Allgemeinen sind Computerprogramme oft auf Code angewiesen, um zu erfahren, was sie tun sollen oder welche Informationen sie speichern sollen. Dies wird auch als „explizites Wissen“ bezeichnet, das all jene Informationen umfasst, die leicht aufgezeichnet oder aufgeschrieben werden können, wie Videos, Handbücher oder Lehrbücher. Gegenwärtig eignen sich Computer mit Hilfe des maschinellen Lernens implizites Wissen an – Wissen, das aus dem Kontext und persönlichen Erfahrungen gewonnen wird. Es ist schwierig, diese Art von Wissen von einer Person zur anderen durch verbale Kommunikation oder Text zu übertragen.

Ein hervorragendes Beispiel für implizites Wissen ist die Gesichtserkennung. Haben Sie schon einmal beobachtet, dass es beim Erkennen von Gesichtern nicht immer einfach ist zu erklären, wie oder warum wir sie überhaupt richtig erkennen? Wenn wir eine Person sehen, sind wir auf unsere persönliche Wissensdatenbank angewiesen, um implizit Schlussfolgerungen zu ziehen und eine Person anhand ihres Gesichts zu erkennen. Haben Sie schon einmal versucht, einem Freund oder einem Familienmitglied zu erklären, wie man Fahrrad fährt? Sie werden mir zustimmen, dass es in der Regel einfacher ist, ihnen genau zu zeigen, wie man Fahrrad fährt, als zu versuchen zu erklären, wie man es macht.

Darum geht es auch beim maschinellen Lernen. Computer sind nicht mehr zwingend auf Milliarden von Codezeilen angewiesen, bevor sie Berechnungen durchführen können. Dank des maschinellen Lernens verfügen sie nun über implizites Wissen, das es ihnen ermöglicht, mühelos solche Verbindungen herzustellen, Muster zu erkennen und auch die Dinge, die sie bereits zuvor gelernt haben, für Vorhersagen zu nutzen. Die Nutzung impliziten Wissens durch maschinelles Lernen hat dies zweifellos für praktisch alle Branchen äußerst nützlich gemacht – Behörden, Fintech, Wetter, Gesundheitswesen usw. In Abschnitt II werden wir uns ansehen, wie KI und maschinelles Lernen in verschiedenen Branchen eingesetzt werden.

Deep Learning

Ein Teilbereich des maschinellen Lernens, der ebenfalls zunehmend an Bedeutung gewinnt, ist das Deep Learning. Deep Learning wird aufgrund seiner einzigartigen Fähigkeit, Daten genau zu extrahieren, immer nützlicher. Um aus Rohdaten höherwertige Merkmale festzumachen, nutzt Deep Learning künstliche neuronale Netze (ANN). Mehr über Deep Learning erfahren Sie später in diesem Kapitel.

Gängige Arten des maschinellen Lernens

Abbildung 10: Arten des maschinellen Lernen