Was bedeutet das: Machine Learning?

Maschinelles Lernen (machine learning) ist ein Anwendungsbereich der künstlichen Intelligenz (KI), bei dem Systemen anhand von Beispieldaten Fähigkeiten vermittelt wird, ohne dass sie explizit programmiert werden müssten. Meistens geschieht dies auf Basis von Software, die mit Daten „trainiert“ wird, um eigenständig daraus Rückschlüsse zu ziehen, Wahrscheinlichkeiten abzuleiten und zu lernen.

Beispiele für Machine Learning

Typische Anwendungsfälle und Einsatzbereiche für Maschinelles Lernen (machine learning) sind u.a. Klassifizierung und Datenextraktion in Dokumenten und E-Mails, medizinische Diagnosen anhand von Laborwerten und Bilderkennung und Vorhersage von Eintrittswahrscheinlichkeiten. Intelligente Systeme, die ML Algorithmen (ML = machine learning) verwenden, können aus Erfahrungen, Beispielen oder historischen Daten lernen.

Einige Methoden des maschinellen Lernens

Algorithmen für maschinelles Lernen (machine learning) werden meist in überwachte Algorithmen (supervised learining) bzw. unüberwachte Algorithmen (unsupervised learning) unterteilt.

Supervised und unsupervised Learning

Beim Supervised Learning für Machine Learning werden zuvor markierte Trainingsbeispiele verwendet, um zukünftige Ereignisse vorherzusagen. Das Ergebnis des Trainingsdatensatzes ist also bekannt (z.B. ein Beschwerdetext). Der angewendete ML Algorithmus kann also den Eingabewert mit der beabsichtigten Ausgabe vergleichen, ins Verhältnis setzen und ein Modell entwickeln. Liegen ausreichend viele Beispiele mit dem gleichlautenden Ergebniswert vor, kann die Anwendung eigenständig korrekte Zielwerte liefern.

Beim Unsupervised Learning für Machine Learning dagegen werden unmarkierte Trainingsbeispiele verwendet – also Informationen, die zuvor weder klassifiziert noch bestimmt worden sind. Der angewendete ML Algorithmus kann also kein „richtiges Ergebnis“ ermitteln, aber versteckte Strukturen erkennen, in denen sich die Beispiele ähneln. Die Methode würde z.B. ähnliche Texte und Inhaltssemantik erkennen, ohne sie einem konkreten Ergebniswert zuordnen zu können.

Häufige Fragen

Machine Learning – Definition

Machine Learning (maschinelles Lernen) bezeichnet die Anwendung von Algorithmen zur statistischen Analyse und Erkennung von Mustern in großen Datenmengen. Dabei können Daten durch Texte, Zahlen, Bilder etc. repräsentiert sein, die digital gespeichert und einem ML Algorithmus zugeführt werden. Maschinelles Lernen ist die Basis für eine Reihe von mittlerweile alltäglichen Diensten: Empfehlungen für Medieninhalte auf Netflix, YouTube oder Spotify; Suchmaschinen wie Google oder Baidu; Prioritäten in Social-Media-Feeds wie Twitter oder Facebook; Informations- und Kommunikationsprozesse in Unternehmen; Chatbots und Sprachassistenten.

Deep Learning – Definition

Deep Learning (DL) ist der „Turbolader“ für maschinelles Lernen. Beim Deep Learning kommen neuronale Netze zum Einsatz, die der Funktionsweise des menschlichen Gehirns nachempfunden sind. Sie können Sachverhalte in vielen unterschiedlichen Rechenschichten und Perspektiven betrachten und dadurch auch feine Nuancen erkennen.