Machine Learning
Machine Learning (maschinelles Lernen) ist ein Teilgebiet der KI, bei dem Systeme aus Daten Muster erkennen und darauf basierend Vorhersagen treffen, statt explizit programmiert zu werden.
Kurz erklärt
Statt Regeln von Hand zu programmieren, wird ein Machine-Learning-Modell mit Beispieldaten trainiert und passt dabei interne Parameter an, um Muster zu erkennen. Man unterscheidet grob zwischen überwachtem Lernen (mit gekennzeichneten Beispieldaten), unüberwachtem Lernen (Mustererkennung ohne vorgegebene Labels) und bestärkendem Lernen (Lernen durch Belohnung und Bestrafung bei Aktionen).
Beispiel
Ein Modell zur Erkennung von Kreditkartenbetrug wird mit historischen Transaktionsdaten trainiert, die jeweils als “betrügerisch” oder “legitim” markiert sind. Nach dem Training kann das Modell bei neuen, unbekannten Transaktionen eine Einschätzung der Betrugswahrscheinlichkeit abgeben.
Warum ist das relevant?
Machine Learning ist die technische Grundlage für viele heutige KI-Anwendungen, von Produktempfehlungen über Bilderkennung bis zu den großen Sprachmodellen, die aktuelle generative KI-Systeme antreiben. Ein Verständnis der Grundprinzipien hilft, die Möglichkeiten und Grenzen KI-basierter Produkte realistisch einzuschätzen.
Häufige Missverständnisse
Ein Machine-Learning-Modell ist nur so gut wie die Daten, mit denen es trainiert wurde - verzerrte oder unvollständige Trainingsdaten führen zu verzerrten Vorhersagen, unabhängig davon, wie ausgefeilt das zugrunde liegende Verfahren ist. Auch die Vorstellung, ein einmal trainiertes Modell bleibe dauerhaft akkurat, greift zu kurz: Verändern sich reale Muster (Concept Drift), muss ein Modell regelmäßig neu trainiert werden.