Einen sehr wichtigen Teilbereich der (schwachen) Künstlichen Intelligenz bilden sogenannte „lernende“ KI-Systeme. Sie sind auch bekannt unter dem Begriff „maschinelles Lernen“ (auf Englisch Machine Learning). Der Ansatz des maschinellen Lernens zählt aktuell zu den am häufigsten verwendeten Methoden der KI. Das maschinelle Lernen ist ein Ansatz, bei dem Computersysteme durch Beispiele lernen, indem sie Muster und Zusammenhänge in Daten erkennen und dies in einem statistischen Modell festhalten. (Quelle: klicksafe)
Im Gegensatz zur traditionellen Programmierung, bei der explizite Anweisungen gegeben werden, nutzt Maschinelles Lernen Daten, um Muster zu erkennen und Entscheidungen auf Grundlage dieser Muster zu treffen. Traditionelle Programmierung folgt festen Regeln, während Modelle des Maschinellen Lernens aus Daten lernen und sich anpassen können.
Überwachtes Lernen
Unüberwachtes Lernen
Bestärkendes Lernen
Überwachtes Lernen
eine von drei gängigen Methoden des Maschinellen Lernens
Modell erhält vorbereitete Daten mit zugeordneten Kategorien/Labels
lernt durch Erkennen von Beziehungen zwischen Eingabedaten und Labels
Beispiel: Objekterkennung (z.B. Unterscheidung von Katzen- und
Hundebildern)
Modell überprüft Vorhersagen während des Trainings
Unüberwachtes Lernen
keine vorab definierten Ergebnisse zugeordnet
Modell erkennt eigenständig Muster und Strukturen
häufig bei Big Data angewendet
Ziel: Erkennen von Mustern, die für Menschen nicht erkennbar sind
Anwendungsbeispiel: Medizin
Bestärkendes Lernen
imitiert menschliches Lernverhalten
kein festgelegter Datensatz
Modell führt Aktionen aus, um Ziele zu erreichen
Training durch Belohnungen und Bestrafungen
Beispiel: Autonome Fahrzeuge
Verwendung von Punktesystem für Bewertung der Aktionen