Weißt Du was maschinelles Lernen ist?

_Geschätzte 5 Minuten Lesezeit

WERBUNG: Das Buch, das diesen Beitrag inspiriert hat, habe ich als Rezensionsexemplar vom Campus Verlag erhalten. Das bedeutet, ich habe das Buch zur Verfügung gestellt bekommen, um darüber zu schreiben.

Juhu, ich kann lernen.

Wenn eine Maschine in der Lage ist, sich selbstständig Wissen anzueignen, ordnen wir sie in der Regel in die Kategorie der Künstlichen Intelligenz ein. Dabei gibt es verschiedene Wege, wie Maschinen sich Wissen aneignen bzw. lernen. Einer dieser Wege ist Deep Learning, ein anderer das maschinelle Lernen bzw. Machine Learning. Und mit diesem werden wir uns heute dank

Ulrich Lichtenthaler: Integrierte Intelligenz. Wettbewerbsvorteile erzielen durch die Kombination menschlicher und künstlicher Intelligenz

etwas intensiver beschäftigen.

Was ist maschinelles Lernen?

Die Antwort ist… kompliziert.

Bevor ich mit meiner Recherche gerade begonnen habe, dachte ich, dass ich heute, wie zuvor bei meiner Deep Learning Recherche, eine ganz klare Antwort auf unsere Frage finden würde. Doch diese Annahme war nicht richtig. Die meisten Beiträge, die ich gefunden habe, tun sich überraschend schwer damit, die Frage „Was ist maschinelles Lernen?“ zu beantworten:

Das war nicht erleuchtend.

Nach all diesen nicht sehr erleuchtenden Informationen habe ich mich erst einmal darauf konzentriert herauszufinden, wie maschinelles Lernen im Alltag genutzt wird. Auf diese Frage habe ich sehr einheitliche Antworten gefunden. Maschinelles Lernen

  • sorgt dafür, dass Netflix und Co. uns Film- und Serienempfehlungen geben, die gut zu uns passen,
  • wird in der Industrie für die vorausschauende Wartung von Maschinen genutzt. Algorithmen sind in der Lage, an der Vibration einer Maschine zu erkenne, ob diese zeitnah kaputt gehen wird,
  • wird in der Medizin genutzt, um zu erkennen, ob eine Blutprobe Malaria-Merkmale aufweist, oder nicht,
  • wird genutzt, um das Wetter vorauszusagen.

Mit diesem Wissen im Kopf scheinen die folgenden Definitionen für maschinelles Lernen zu stimmen:

Algorithmen, die Daten analysieren, aus diesen Analysen lernen und das Gelernte anwenden, um fundierte Entscheidungen zu treffen.

https://www.it-talents.de/blog/it-talents/deep-learning-vs-machine-learning-was-ist-der-unterschied

Die Technologie des maschinellen Lernens lehrt Computern die Ausführung von Aufgaben durch Lernen aus Daten, anstatt für die Aufgaben programmiert zu werden.

https://www.sap.com/germany/insights/what-is-machine-learning.html

Fazit

Ey, wir sind kein neuronales Netzwerk.

Soweit ich es verstanden habe ist maschinelles Lernen ein Oberbegriff für Themen wie Neuronale Netzwerke und Deep Learning. Wenn wir vom maschinellen Lernen sprechen geht es in der Regel um die Verarbeitung von gigantischen Datenmengen, die so groß sind, dass ein einzelner Mensch sie nicht fassen kann, und die dafür genutzt werden, Prognosen zu treffen. (Sollte ich hier falsch liegen, freue ich mich über Korrekturen.)

Wetterprognosen sind einfacher als die Prognose über die Entwicklung eines Unternehmens.

Noch vor einem Jahr hätte ich den Prognosen, die mit Hilfe von maschinellem Lernen getroffen wurden, blind vertraut. Dank meines Data Science Kurses habe ich allerdings gelernt, dass die Qualität der Prognosen nicht nur von der Qualität der ausgewerteten Daten abhängt, sondern auch von der Qualität der Fragestellung. Daher neige ich dazu, einer Wetterprognose, die auf maschinellem Lernen basiert, eher zu vertrauen als einer Prognose über die zukünftige Entwicklung eines Unternehmens. Zum einen verhält sich das Wetter nie gänzlich „irrational“. Und was ist – zum anderen – das Schlimmste, was mir in Berlin passieren kann, wenn eine Wetterprognose nicht stimmt? Ich werde nass. Was die Unternehmensprognosen angeht, schaut es allerdings ganz anders aus. Hier gibt es einfach zu viele irrationale bzw. unvorhersehbare Faktoren, die die Entwicklung eines Unternehmens beeinflussen. Wie soll eine große Datenmenge wissen, ob der Chef eines Unternehmens morgen beschließt, seinen Job hinzuschmeißen, um in den kommenden 5 Jahren die Welt zu bereisen? Oder wie soll durch maschinelles Lernen die Bedeutung einer plötzlich weltweit auftretenden Pandemie für ein Unternehmen prognostiziert und beurteilt werden?

An dieser Stelle interessiert mich Deine Meinung. Wo siehst Du die Chancen die Maschinelles Lernen uns bietet?