Was ist maschinelles Lernen?

Maschinelles Lernen ist ein vielversprechender Teilbereich der künstlichen Intelligenz, in dem Systeme die Fähigkeit haben, durch Daten, Statistiken und Versuch und Irrtum zu "lernen", um Prozesse zu optimieren und schneller innovativ zu sein. Das maschinelle Lernen gibt Computern die Möglichkeit, menschenähnliche Lernfähigkeiten zu entwickeln, die es ihnen erlauben, einige der schwierigsten Probleme der Welt zu lösen, von der Krebsforschung bis zum Klimawandel.

Wie genau macht das maschinelle Lernen Computer menschenähnlicher? Die meisten Computerprogramme sind auf Code angewiesen, der ihnen sagt, was sie ausführen oder welche Informationen sie speichern sollen (besser bekannt als explizites Wissen). Dieses Wissen umfasst alles, was sich leicht aufschreiben oder aufzeichnen lässt, wie Lehrbücher, Videos oder Handbücher. Mit dem maschinellen Lernen erlangen Computer nun stillschweigendes Wissen, d. h. Wissen, das wir aus persönlichen Erfahrungen und Zusammenhängen gewinnen. Diese Art von Wissen lässt sich nur schwer durch schriftliche oder mündliche Kommunikation von einer Person zur nächsten übertragen.

Gesichtserkennung ist zum Beispiel eine Art von stillschweigendem Wissen. Wir erkennen das Gesicht einer Person, aber es fällt uns schwer, genau zu beschreiben, wie oder warum wir es erkennen. Wir verlassen uns auf unsere persönlichen Wissensdatenbanken, um stillschweigend die Punkte zu verbinden und eine Person anhand ihres Gesichts sofort zu erkennen. Ein anderes Beispiel ist das Fahrradfahren. Es ist viel einfacher, jemandem zu zeigen, wie man Fahrrad fährt, als es zu erklären.

Computer müssen nicht mehr auf Milliarden von Codezeilen angewiesen sein, um Berechnungen durchzuführen. Das maschinelle Lernen gibt Computern die Möglichkeit, stillschweigendes Wissen zu nutzen, das es ihnen erlaubt, Verbindungen herzustellen, Muster zu entdecken und Vorhersagen zu treffen, die auf dem basieren, was sie in der Vergangenheit gelernt haben. Die Nutzung stillschweigenden Wissens durch das maschinelle Lernen hat es zu einer bevorzugten Technologie für fast alle Branchen gemacht, von der Finanzindustrie über das Wetter bis hin zu Behörden.

Was ist Deep Learning?

Deep Learning ist ein Teilbereich des maschinellen Lernens, der aufgrund seiner Fähigkeit, aus Daten zu extrahieren, immer mehr an Bedeutung gewinnt. Dabei werden künstliche neuronale Netze (ANNs) verwendet, um aus Rohdaten Merkmale auf höherer Ebene zu extrahieren. ANNs unterscheiden sich zwar stark von menschlichen Gehirnen, wurden aber von der Art und Weise inspiriert, wie Menschen biologisch Informationen verarbeiten. Das Lernen eines Computers wird als "tief" bezeichnet, weil die Netze mit Hilfe von Schichten aus den Rohdaten lernen und diese interpretieren.

Deep Learning ist zum Beispiel ein wichtiger Vorteil für die Bildverarbeitung in allen Bereichen, vom E-Commerce bis zu medizinischen Bildern. Google stattet seine Programme mit Deep Learning aus, um Muster in Bildern zu erkennen und das richtige Bild für die jeweilige Suche anzuzeigen. Wenn Sie nach einer Winterjacke suchen, werden Googles maschinelles und tiefes Lernen zusammenarbeiten, um Muster in Bildern zu entdecken (Größen, Farben, Formen, relevante Markennamen usw.), die die passenden Jacken anzeigen, die Ihrer Anfrage entsprechen. Deep Learning ist auch in der Radiologie, Pathologie und in allen medizinischen Bereichen, die stark auf Bilder angewiesen sind, im Aufwind. Die Technologie stützt sich auf ihr implizites Wissen (aus der Untersuchung von Millionen anderer Scans), um Krankheiten oder Verletzungen sofort zu erkennen und Ärzten und Krankenhäusern Zeit und Geld zu sparen.