Maschinelles Lernen
Wenn wir über Künstliche Intelligenz (KI) sprechen, dann meinen wir oft Maschinelles Lernen. Dieser Begriff wird häufig als Synonym für KI eingesetzt. Dabei ist Maschinelles Lernen ein Teilgebiet der Künstlichen Intelligenz und wird beispielsweise zur Bild- und Spracherkennung sowie zum Entziffern von Handschriften oder Übersetzen von Sprachen eingesetzt. Damit Maschinen so etwas lernen können, trainieren sie mit hilfe von tausenden Beispieldaten. Dabei gibt es drei verschiedene Formen des maschinellen Lernens.
1. Überwachtes Lernen
Hier werden zu den Beispieldaten gleichzeitig auch die richtigen Antworten mitgeliefert, sogenannte Labels. So lassen sich während des Trainings falsche Antworten korrigieren. Das Ergebnis: Auf der Grundlage aller Beispieldaten wird ein verallgemeinertes Modell gelernt.
2. Unüberwachtes Lernen
Auch hier wird das System mit Beispieldaten trainiert, jedoch werden beim unüberwachten Lernen keine Labels benötigt. Die Daten werden ohne weitere Informationen in das System eingegeben, das nun Muster oder Gruppen von gleichen oder ähnlichen Beispielen zusammenstellen soll. Solche Systeme werden vor allem zur Erkennung von Anomalien eingesetzt.
3. Bestärktes Lernen
In diesem Fall bekommt der Lernalgorithmus gelegentlich Feedback aus der Interaktion mit der Umwelt. Daraus lernt das System, Fehler zu vermeiden und die Erfolgsaussichten des Handelns in verschiedenen Situationen besser einzuschätzen. Diese Art des Lernens wird häufig in der Robotik eingesetzt, beispielsweise um Bewegungsabläufe zu erlernen, mit denen die Maschine Objekte greifen kann.
Im Online-Kurs der ZEIT Akademie »Künstliche Intelligenz - Die Zukunft von Mensch und Maschine« erklärt der Leiter des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI) in Kaiserslautern, Prof. Dr. Andreas Dengel, wie mit künstlichen neuronalen Netzen das menschliche Gehirn simuliert wird. Er zeigt weiterhin, wie digitale Assistenten funktionieren und Anwendungen wie Siri, Alexa oder Google Now uns im Alltag helfen. Anhand vieler Beispiele wird im Seminar technisches Grundverständnis zur besseren Einschätzung der komplexen Schlüsseltechnologie vermittelt, denn Digitalkompetenz und die Zukunft der Arbeit gehen uns alle etwas an.