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.


Kurioses: Amazon nutzt eine maschinelle Lerntechnik, die auf künstlichen neuronalen Netzwerken basiert, und vom menschlichen Gehirn inspiriert ist, um Bilder von modischen Outfits zu erkennen, indem sie eine Reihe von Bildern analysiert. Wenn dieses Netzwerk mit Tausenden von Bildern von Maxi- und Faltenröcken gefüttert wird, soll es in der Lage sein, den Unterschied zwischen den beiden Stilen zu erkennen. Dafür müssen genügend Beispiele vorhanden sein, um das Netzwerk zu trainieren, jedes Kleidungsstück zuzuordnen. StyleSnap, so heißt dieses Programm, ermöglicht es Usern, auf der App ein Bild von einem gewünschten Look hochzuladen, worauf Amazon dann Empfehlungen für ähnliche Artikel auf der Plattform sendet, wobei StyleSnap Marke, Preisspanne und Kundenbewertungen berücksichtigt. Die Anwendung muss dabei die unterschiedlichsten Posen und Locations erfassen, wobei StyleSnap Deep Learning nutzt, um Kleidungsstücke auf einem Foto zu identifizieren und etwa in Kategorien wie Fit-and-Flair-Kleider oder Flanell-Shirts einzuteilen. Das Programm soll auch Mode-Influencern helfen, ihre Community zu erweitern.


 


Weitere Seiten zum Thema

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



Das Lexikon in Ihren Netzwerken empfehlen:

You must be logged in to post a comment.

Diese Seiten sind Bestandteil der Domain www.stangl.eu



© Werner Stangl Linz 2019