Maschinelles Lernen ist ein Bereich der künstlichen Intelligenz, der es Computern ermöglicht, durch Erfahrung und Beispiele zu lernen, anstatt explizit programmiert zu werden. Das bedeutet, dass Algorithmen entwickelt werden, die aus Daten lernen und durch Anpassung an diese Daten immer besser werden können.
- Im maschinellen Lernen werden Daten in der Regel in Trainingsdaten und Testdaten aufgeteilt. Der Algorithmus wird auf den Trainingsdaten trainiert, indem er Muster und Zusammenhänge in den Daten erkennt und eine Vorhersagefunktion erstellt. Diese Vorhersagefunktion wird dann auf den Testdaten getestet, um zu sehen, wie gut sie funktioniert.
- Es gibt verschiedene Arten von maschinellem Lernen, wie zum Beispiel überwachtes Lernen, unüberwachtes Lernen und bestärkendes Lernen. Beim überwachten Lernen wird der Algorithmus mit Trainingsdaten trainiert, die sowohl Eingabe- als auch Ausgabevariablen enthalten. Beim unüberwachten Lernen hingegen werden die Daten ohne vorherige Kenntnis der Ausgabevariablen analysiert. Beim bestärkenden Lernen lernt der Algorithmus durch Interaktion mit einer Umgebung, indem er positive oder negative Belohnungen erhält.
- Das maschinelle Lernen hat viele Anwendungen, zum Beispiel in der Spracherkennung, Bilderkennung, automatischen Übersetzung, der Vorhersage von Krankheiten und vielen anderen Bereichen.
Maschinelles Lernen ist dabei die Schlüsseltechnologie der Künstlichen Intelligenz, die in der Kombination mit den klassischen KI-Methoden zu aufsehenerregenden Leistungen geführt hat. So konnten Schach- und Go-Meister geschlagen, Objekte in Bildern erkannt und neue, real wirkende Bilder erzeugt werden. Gerade wenn Mensch und Maschine wie bei den Spielen sich gleichberechtigt gegenüberstehen, wird darüber diskutiert, ob Maschinen intelligent sein und den Menschen ersetzen können. Die Frage nach einer allgemeinen oder gar umfassenden künstlichen Intelligenz lenkt aber von der tatsächlichen Forschung und ihren Anwendungen ab, denn faktisch werden einzelne Prozesse durch maschinelles Lernen optimiert und die Lernfähigkeit dient dazu, aus riesigen Datenmengen Information zu gewinnen. Google war die erste Suchmaschine, die maschinelles Lernen einsetzte und deshalb so erfolgreich war, doch als wichtigsten Einsatz maschinellen Lernens bei Google gilt die bessere Steuerung der Rechenzentren, denn durch KI konnten dieie Kosten für die Kühlung deutlich gesenkt werden. Beide Google-Anwendungen maschinellen Lernens machen deutlich, dass Lernergebnisse direkt in Handlungen umgesetzt werden und Teil eines einbettenden Systems sind. Lernverfahren der Künstlichen Intelligenz leiten aus Beobachtungen Zielwerte ab, wobei Beobachtungen durch Attributwerte (Werte von Zufallsvariablen) oder einzelne Fakten gegeben sind. Schon früh wurde ein Lernverfahren vorgestellt, das Regeln aus Beobachtungen lernen und die gelernten Regelwerke zur Ableitung von Vorhersagen nutzen konnte. Diese Entwicklung der TU Berlin wurde später zu einem System weiterentwickelt, das interaktiv mit einem Benutzer eine Wissensbasis aufbauen, strukturieren, modifizieren, auf Widersprüche hin untersuchen und diese auslösen konnte. Die Lernverfahren basierten dabei auf einer eingeschränkten Prädikatenlogik, d. h., aus wenigen Daten in einer verständlichen Repräsentation entwickelten und pflegten System und Benutzer gemeinsam eine Wissensbasis, deren Schlussfolgerungen in der betreffenden Anwendung genutzt werden (Morik, 2018).
Literatur
Morik, Katharina (2018). Schlüsseltechnologie Maschinelles Lernen. Digitale Welt, 2, 22-27.
Stangl, W. (2019, 25. Februar). Was ist maschinelles Lernen? Stangl notiert ….
https://notiert.stangl-taller.at/neue-medien/was-ist-maschinelles-lernen/.