Was ist maschinelles Lernen?
Maschinelles Lernen (engl. Machine Learning) ist ein Teilbereich der Künstlichen Intelligenz (KI). Dabei lernt ein Computerprogramm aus Daten, ohne dass es für jede Aufgabe explizit programmiert werden muss.
Anstatt fester Regeln erkennt das System Muster, Zusammenhänge und Gesetzmäßigkeiten in den vorliegenden Daten und nutzt dieses Wissen, um Vorhersagen oder Entscheidungen zu treffen.
Wie funktioniert maschinelles Lernen?
Das System wird mit vielen Beispielen „gefüttert“. Es erkennt, welche Eingaben zu welchen Ausgaben führen, und passt seine internen Rechenmodelle Schritt für Schritt an. Dieser Prozess wird auch Training genannt.
Ein Beispiel: Zeigst du einem System beispielsweise tausende Bilder von Hunden und Katzen (jeweils mit Beschriftung), lernt es, bestimmte Merkmale zu erkennen, etwa Fellmuster, Ohrenform oder Augenstellung. Später kann es dann neue, unbekannte Bilder richtig einordnen.
Welche Arten von maschinellem Lernen gibt es?
Es gibt verschiedene Methoden, darunter:
- Überwachtes Lernen (Supervised Learning): Das System lernt anhand von Beispielen mit bekannten Ergebnissen (z. B. „Das ist ein Hund“).
- Unüberwachtes Lernen (Unsupervised Learning): Das System erkennt selbstständig Muster in Daten, ohne vorgegebene Kategorien.
- Bestärkendes Lernen (Reinforcement Learning): Das System lernt durch Versuch und Irrtum – belohnt wird, was zum Ziel führt.
Wo wird maschinelles Lernen eingesetzt?
Maschinelles Lernen ist heute in vielen Bereichen im Einsatz, zum Beispiel:
- Spracherkennung (z. B. bei Sprachassistenten)
- Bilderkennung (z. B. in Foto-Apps oder bei medizinischen Scans)
- Produktempfehlungen (z. B. bei Amazon oder Netflix)
- autonomes Fahren.
