Autor: Thomas W. Frick, 09.11.2018, Thema: Machine Learning
Kurznavigation in diesem Beitrag:
Seite 1 Beitrag / Diskussionsgrundlage
Seite 2 Am nächsten persönlichen Erfahrungsaustausch teilnehmen
Seite 3 Kostenloses PDF-Angebot Machine Learning
Seite 4 Personalbedarf oder Jobsuche melden
Seite 5 Artikel mitgestalten, Fragen stellen, Erfahrungen teilen
Machine Learning kurz erklärt
Im Grunde geht es bei Machine Learning (zu deutsch: maschinelles Lernen) darum, einen Computer nützliche Dinge machen zu lassen, ohne ihn ausdrücklich dafür zu programmieren. Genauer gesagt ist Machine Learning der Erwerb neuen Wissens durch ein künstliches System. Dabei fertigt der Computer wie ein Mensch selbstständig Wissen aus Erfahrung und kann eigenständig Lösungen für neue und bisher nicht bekannte Probleme finden. Zudem analysiert ein Computerprogramm Beispiele und versucht mit der Unterstützung selbstlernender Algorithmen in den Daten Muster und Gesetzmäßigkeiten zu erkennen. Zu den Zielen von Machine Learning gehört es, Daten intelligent miteinander zu verknüpfen, Rückschlüsse zu ziehen, Zusammenhänge zu erkennen und Vorhersagen zu treffen.
So funktioniert Machine Learning
Machine Learning funktioniert ähnlich wie menschliches Lernen. Ein Kind beispielsweise lernt, dass auf Bildern bestimmte Objekte zu sehen sind. Auf die gleiche Art kann auch ein Computer „lernen“, die Objekte zu identifizieren oder Personen zu unterscheiden. Um dies bewerkstelligen zu können, benötigt die Lernsoftware zunächst genügend Daten. So müssen die Programmierer beispielsweise dem System beibringen, dass ein bestimmtes Objekt ein Hund und ein anderes kein Hund ist. Anschließend erhält die Lernsoftware ständig Rückmeldungen vom Programmieren, die der Algorithmus nutzt, um das Modell anzupassen und zu verbessern. Demzufolge wird das Modell mit jedem neuen Datensatz besser und kann letztendlich eindeutig zwischen Hund und Nicht-Hund unterscheiden.
H
inweis: Unsere Berichte sind oft sehr ausführlich. Daher bieten wir an dieser Stelle eine Zusendung des Artikels im PDF-Format zur späteren Sichtung an. Nutzen Sie das Angebot um sich die Praxis-Impulse in Ruhe durchzulesen, Sie können hierfür auch einfach auf das PDF-Symbol klicken.
Deshalb ist Machine Learning gerade im Trend
Bereits in den 1980er Jahren wurde mit dem Machine Learning begonnen. Damals fokussierte sich die Forschung im Bereich der Mustererkennung. Aufgrund der damals noch technischen Beschränkungen wurde die Forschung kaum weiter geführt. Vor einigen Jahren erst erlebte Machine Learning einen Durchbruch mit der Möglichkeit, Daten parallel in Grafikprozessoren (GPUs) zu verarbeiten. Diese wurden eigentlich für die Videospiel-Industrie entwickelt. Denn Grafikprozessoren besitzen Tausende von Recheneinheiten und sind im Vergleich zu Lösungen mit klassischen GPUs wesentlich schneller. Zusätzlich machen weitere Entwicklungen das maschinelle Lernen auch für den Unternehmensbereich attraktiv. Darunter gehören Entwicklungen wie Multi-Core-Architekturen, verbesserte Algorithmen und superschnelle In-Memory-Datenbanken wie SAP HANA. Hinzu kommen die zunehmende Verfügbarkeit großer Mengen strukturierter und unstrukturierter Daten aus einer Vielzahl von Quellen. Dazu gehören Sensoren oder digitalisierte Dokumente und Bilder, mit denen sich die Lernalgorithmen trainieren lassen.
Die Verfahren beim Machine Learning
Beim Machine Learning werden statistische und mathematische Modelle genutzt, um aus Datenbeständen zu lernen. Mittlerweile gibt es dutzende unterschiedliche Verfahren. Im Grunde unterscheidet man jedoch zwischen zwei Systemen. Zum einen werden symbolische Ansätze wie aussagenlogische Systeme genutzt, in denen das Wissen explizit repräsentiert wird. Zum anderen werden subsymbolische Systeme wie Künstliche Neuronale Netze genutzt, die nach dem Vorbild des menschlichen Gehirns funktionieren und in denen das Wissen implizit repräsentiert ist.
Für die algorithmische Umsetzung von Machine Learning werden sowohl überwachtes als auch unüberwachtes Lernen eingesetzt. Bei dem überwachten Lernen geht es darum, dass das System aus gegebenen Paaren von Ein- und Ausgaben lernt. Der passende bzw. korrekte Wert wird dabei während des Lerners von einem „Lehrer“ zu Verfügung gestellt. Beim überwachten Lernen geht es darum, dass dem Netz nach mehreren Rechengängen mit unterschiedlichen Ein- und Ausgaben die Fähigkeit antrainiert wird, Verbindungen herzustellen. Beim unüberwachten Lernen hingegen erzeugt ein Algorithmus ein Modell, welches die Eingaben beschreibt und Vorhersagen ermöglicht. Anschließend kann das Netz selbstständig Klassifikatoren erstellen, nach denen es die Eingabemuster einteilt.
Kurznavigation in diesem Beitrag:
Seite 1 Beitrag / Diskussionsgrundlage
Seite 2 Am nächsten persönlichen Erfahrungsaustausch teilnehmen
Seite 3 Kostenloses PDF-Angebot Machine Learning
Seite 4 Personalbedarf oder Jobsuche melden
Seite 5 Artikel mitgestalten, Fragen stellen, Erfahrungen teilen
Übertrifft Machine Learning das menschliche Lernen?
Ob Machine Learning das menschliche Lernen übertrifft, darüber lässt sich streiten. Allerdings kann das maschinelle Lernen zumindest mit dem Menschen mithalten. Dies bewiesen vor allem Mensch-Maschine-Wettkämpfe. Das von IBM kognitive lernbasierte System Watson hat schon im Jahr 2011 im Rahmen eines TV-Wissensquiz die menschlichen Kandidaten geschlagen. Auch in einem weiteren Wettkampf konnte die Maschine gegen den Menschen gewinnen. In einem Go-Spiel im Jahr 2016 verlor der amtierende Go-Weltmeister in einem Spiel über fünf Runden deutlich gegen das Machine-Learning-System AlphaGo von Google. Dabei galt das asiatische Strategiespiel aufgrund seiner Komplexität als zu kompliziert für Computer, da es eine nahezu unbegrenzte Zahl möglicher Positionen gibt. Daher müssen sich Spieler meist auf ihre Intuition verlassen.
Vorteile von Machine Learning
Zwei Vorteile die Machine Learning mit sich bringt sind, dass es den Menschen dabei hilft effizienter und kreativer zu arbeiten. Maschinelles Lernen kann beispielsweise verwendet werden, um Bilder schneller zu organisieren und zu bearbeiten. Zudem kann man mithilfe von Machine Learning die langweiligen und aufwendigen Arbeiten dem Computer überlassen und muss diese nicht mehr selbst erledigen. Auch können Papierdokumente wie Rechnungen von der lernenden Software selbstständig gescannt, gespeichert und abgelegt werden. Aber nicht nur für die langweiligen Tätigkeiten ist Machine Learning sinnvoll, sondern auch für sehr komplexe Aufgaben, wie etwa die Erkennung von Fehlermustern oder möglichen Schäden in der Fertigung. Sogar bei der Erkennung von Krebstumoren in der Medizin helfen inzwischen selbstlernende Programme. Oftmals übertreffen sie dabei sogar die besten menschlichen Experten.
Nachteile von Machine Learning
Als Nachteil beim Machine Learning muss man den Datenschutz erwähnen. Denn durch diese Technologie werden Nutzer stärker durchleuchtet. Auf der Suche nach möglichen Betrügern im Online-Shopping treiben Lösungen auf Basis von Machine Learning die Nutzeranalysen womöglich weiter, als es dem Betreiber des Online-Shops klar ist. Neben der automatisierten Betrugserkennung werden auch im Marketing und Vertrieb die Analysen der möglichen Käufer voranschreiten. Aktuelle Klicks, frühere Einkäufe und persönliche Informationen aus der Registrierung oder aus sozialen Netzwerken schärfen das Bild auf den Käufer.
