Um den vollen Funktionsumfang dieser Webseite zu erfahren, benötigen Sie JavaScript. Hier finden Sie die Anleitung wie Sie JavaScript in Ihrem Browser einschalten.

Maschinelles Lernen

Die Gefahr, dass der Computer so wird wie der Mensch,
ist nicht so groß wie die Gefahr,
dass der Mensch so wird wie der Computer.
Konrad Zuse

Maschinelles Lernen – Machine Learning – bezeichnet ganz allgemein eine Querschnittsdisziplin aus Statistik, Informatik und Mathematik, die zum Ziel hat, Programme zu entwickeln, die automatisch aus Daten lernen können. Dafür werden eine Vielzahl Lernalgorithmen entwickelt, um eine möglichst große Anzahl von Lernaufgaben zu lösen und dadurch neue Erkenntnisse aus Daten zu gewinnen. Dadurch sollen komplexe Zusammenhänge erkannt und entdeckt werden, wozu Menschen vor allem in Bezug auf Datenmengen, Geschwindigkeit und Genauigkeit nicht in der Lage sind.

Um komplexe Zusammenhänge zu entschlüsseln, ist es auch notwendig, Muster zu erkennen und dadurch neues Wissen zu generieren. Ein typisches Beispiel ist etwa die Klassifikation zur Erkennung von E-Mails als Spam. Ein weiteres Beispiel für maschinelles Lernen steht etwa hinter Cortana, Siri oder auch Google, denn diese Algorithmen werden unter anderem für die Spracherkennung und Textanalyse eingesetzt, wobei sie im Falle der Sprachassistenten die NutzerInnen kennenlernen, basierend auf deren Suchen, deren Texten und auf deren Anliegen und Fragen. Äußerst komplexe Systeme sind auch autonome Fahrzeuge, deren Steuerung ebenfalls durch maschinelles Lernen verbessert werden soll.

Maschinelles Lernen ist eine Technologie im Rahmen der künstlichen Intelligenz-Forschung, die versucht, große Mengen an Daten durch Algorithmen zu verarbeiten, um eine automatische Repräsentationen von ähnlichen Inhalten abzuleiten. So kommen etwa in einem Text ähnliche Wörter auch in ähnlichen Zusammenhängen vor, was man benutzt, um die Bedeutung eines Wortes daraus abzuleiten.

Auch bei der Entwicklung von lernenden Robotern wird diese Methode eingesetzt, damit diese gewissermaßen durch Versuch und Irrtum sich weiterentwickeln können. Dabei werden Daten in grob simulierten Neuronen verarbeitet, wobei auch Verstärkungslernen eingesetzt wird, wodurch eine lernende Software entsteht, indem diese Entscheidungen trifft und dann Rückmeldungen über deren Folgen erhält, so wie es auch bei Menschen und Tieren annähernd der Fall ist. Diese Form des Machine Learning, die man auch als Deep Learning bezeichnet, ist daher auch für die Robotik nützlich, denn einer der Gründe dafür, dass es noch nicht mehr Roboter im Alltag gibt, liegt darin, dass sie vorab programmiert werden und sie daher schlecht darin sind, mit unerwarteten Ereignissen zurechtzukommen oder Neues zu lernen.



Falls Sie in diesem Beitrag nicht fündig geworden sind, können Sie mit der folgenden Suche weiter recherchieren:


Das Lexikon in Ihren Netzwerken empfehlen:

Weitere Seiten zum Thema



You must be logged in to post a comment.



Diese Seiten sind Bestandteil der Domain www.stangl.eu

© Werner Stangl Linz 2018