Was ist Machine Learning?

Beim Machine Learning (deutsch: maschinelles Lernen) wird der Computer mit einem Datensatz im Zuge einer Lernphase trainiert. Anschließend kann das trainierte Modell verwendet werden, um die gelernten Regeln auf neue Fälle anzuwenden. Man unterscheidet grob zwischen drei verschiedenen Methoden, die sich alle sehr stark an menschlichen Lernmethoden orientieren:

Supervised Learning

Im Supervised Learning („beaufsichtigtes Lernen“) werden dem Computer eine oder mehrere Inputs und ein „Label“ – also eine Beschreibung – gegeben. Anhand dieser Informationen lernt der Computer, neuen Inputs selbst eine Beschreibung zu geben.

Zum Beispiel kann er lernen wieviel Eis verkauft wird, je nachdem, wie viel °C und welchen Niederschlag es draußen hat und welcher Wochentag ist. Gibt man dem Computer anschließend als Input das heutige Datum und Wetter, wird er eine Schätzung abgeben, wie viel Eis an diesem Tag verkauft wird. Supervised Learning kann mit dem Lernen in der Schule verglichen werden. Man wird von der Lehrkraft trainiert, bei der Hausübung wird das gelernte angewandt.

 

Unsupervised Learning

Das Unsupervised Learning („unbeaufsichtigte Lernen“) steht insofern im Kontrast zum Supervised Learning.  Man gibt dem Computer keinen gewünschten Output mehr vor. Hier gibt es unterschiedliche Lösungen, die gut funktionieren, z.B. das Clustern („Segmentieren“) von Datensätzen nach Ähnlichkeit. Gibt man dem Computer z.B. einen Datensatz mit dem Gewicht, der Farbe und dem Wassergehalt von Früchten, können diese zu getrennten Haufen geclustert werden (Orangen, Bananen, Erdbeeren). Die Haufen haben noch keine Beschriftungen und müssen nachträglich noch identifiziert werden – das kann händisch oder automatisch passieren.

 

Reinforcement Learning

Beim Reinforcement Learning („bestärkendes Lernen“) soll der Agent versuchen, die richtige Handlung durchzuführen. Vorerst wird er ungezielt etwas ausprobieren, macht er etwas richtig, wird er belohnt. Durch die Belohnung wird das Verhalten bestärkt, bis die gewünschte Handlung nach vielen Durchläufen fast perfekt abläuft.

Dieses Konzept ähnelt der Realität, sowohl Mensch als auch Tier lernen mit dieser Methode sehr schnell. Ein Beispiel für einen RL-Algorithmus ist der Ameisenalgorithmus, bei dem der kürzeste Weg eines Labyrinths gefunden wird. Ameisen die oft hin und her laufen, also eine sehr kurze Strecke gefunden haben, hinterlassen eine stärkere Duftspur, die weitere Ameisen anlockt. So kristallisiert sich der kürzeste Weg im Labyrinth heraus.

 

Welches AI-Thema beschäftigt Ihr Unternehmen aktuell?

Bei Fragen zu IT-Lösungen mit AI Kontext steht Ihnen Marth Konstantin gerne zur Verfügung.

 

konstantin.marth@axians.at

+43 517 154867

Linkedin

Bei Fragen zu IT-Lösungen mit AI Kontext steht Ihnen Schreder-Staudinger Jutta gerne zur Verfügung.

 

jutta.schreder-staudinger@axians.at

+43 517 153804

Linkedin

Referenzen: Unternehmen, die uns vertrauen

Das Ergebnis unserer maßgeschneiderten IT-Lösungen sind zufriedene Kund*innen quer durch alle Branchen und unterschiedlichster Unternehmensgrößen. Überzeugen Sie sich selbst.