Paul Downey | Flickr
Maschinelles Lernen ist eine Phrase, über die immer öfter geredet wird, doch viele wissen immer noch nicht genau, was es ist . Dafür gibt es natürlich einen Grund. Es befindet sich noch in einem sehr frühen Stadium und viele gehen davon aus, dass dies noch keine Auswirkungen auf die allgemeine Bevölkerung hat. In der Tat ist das vielleicht nicht so wahr, wie manche vermuten.
Was ist maschinelles Lernen? Und wofür wird es heute verwendet? Hier ist unser Leitfaden für alles, was Sie über maschinelles Lernen wissen müssen.
Was ist maschinelles Lernen?
Maschinelles Lernen ist eine Form der künstlichen Intelligenz, mit der Computer ohne zusätzliche Programmierung lernen können. Mit anderen Worten, die Software ist in der Lage, selbstständig neue Dinge zu lernen, ohne dass ein Programmierer oder Ingenieur etwas „beibringen“ muss. Maschinelles Lernen ist in der Lage, Daten zu erfassen, Muster zu erkennen und Lösungen zu finden und diese dann auf andere Probleme anzuwenden.
Bild: K? Rlis Dambr? Ns | Flickr
Es ist wichtig anzumerken, dass maschinelles Lernen als Konzept überhaupt nicht neu ist - es ist schwierig, die genauen Ursprünge des Konzepts zu verfolgen, wenn man bedenkt, dass es sich um ein Konzept handelt, das mit anderen Formen von Technologie verschmilzt. Man könnte argumentieren, dass maschinelles Lernen bis zur Erstellung des Turing-Tests zurückreicht, mit dem festgestellt wurde, ob ein Computer über Intelligenz verfügt. Das erste Computerprogramm, das es jedoch lernte, war ein Kontrollspiel, das 1952 von Arthur Samuel entwickelt wurde. Dieses Spiel wurde umso besser, je mehr es gespielt hat.
Neueste Technologien verbessern jedoch das maschinelle Lernen drastisch. Zum Beispiel erfordert maschinelles Lernen eine enorme Menge an Rechenleistung, so dass wir in der jüngeren Geschichte gerade erst damit begonnen haben, grundlegendes maschinelles Lernen zu entwickeln.
Es gibt einige Hauptmethoden, mit denen Programmierer maschinelles Lernen implementieren. Das erste heißt "überwachtes Lernen". Dies bedeutet im Grunde genommen, dass einer Maschine Probleme zugeführt werden, bei denen die Lösung des Problems bekannt ist. Der Lernalgorithmus kann diese Probleme zusammen mit den gewünschten Ergebnissen empfangen, Muster in den Problemen identifizieren und entsprechend handeln. Überwachtes Lernen wird häufig verwendet, um zukünftige Ereignisse vorherzusagen - beispielsweise, wenn eine Kreditkartentransaktion betrügerisch sein könnte.
Die zweite Implementierung des maschinellen Lernens heißt "unbeaufsichtigtes Lernen". In diesem Fall wird das Ergebnis eines Problems nicht an die Software weitergegeben, sondern es werden Probleme eingespeist und es müssen Muster in den Daten erkannt werden. Ziel ist es, in den angegebenen Daten eine Struktur zu finden.
An dritter Stelle steht "halbüberwachtes Lernen". Diese Methode des maschinellen Lernens wird häufig für die gleichen Aufgaben wie das betreute Lernen verwendet, es werden jedoch Daten mit einer Lösung und Daten ohne verwendet. Halbüberwachtes Lernen wird häufig durchgeführt, wenn die Mittel begrenzt sind und Unternehmen nicht in der Lage sind, vollständige Datensätze für den Lernprozess bereitzustellen.
Last but not least gibt es das "Reinforcement Learning", das speziell für Spiele und Roboter eingesetzt wird. Verstärkungslernen wird im Wesentlichen durch Ausprobieren gelehrt - die Maschine probiert Dinge aus und lernt anhand ihrer Erfolge oder Misserfolge. Ziel ist es, dass die Maschine die bestmöglichen Ergebnisse erzielt.
Natürlich beinhalten alle diese Methoden des maschinellen Lernens das Einspeisen von Hunderttausenden von Problemen und enormen Datenmengen in eine Maschine. Wirklich, je mehr Daten desto besser.
Wo wird maschinelles Lernen heute eingesetzt?
Bilder von Geld | Flickr
Tatsächlich gibt es heutzutage viele Orte, an denen maschinelles Lernen angewendet wird. Viele davon befinden sich hinter den Kulissen, Sie werden jedoch überrascht sein, dass viele davon auch etwas sind, das Sie jeden Tag verwenden.
Vielleicht verwenden Sie am häufigsten Ihren persönlichen Assistenten - das stimmt, Siri und Google Now verwenden maschinelles Lernen, um Sprachmuster besser zu verstehen. Bei so vielen Millionen Menschen, die Siri verwenden, kann das System den Umgang mit Sprachen, Akzenten usw. erheblich verbessern.
Natürlich ist Siri nicht die einzige Verbraucheranwendung für maschinelles Lernen. Eine weitere Verwendung liegt im Bankwesen, beispielsweise bei der Betrugserkennung. Zum Beispiel können Algorithmen für maschinelles Lernen Ausgabenmuster nachverfolgen und anhand früherer betrügerischer Aktivitäten bestimmen, welche Muster mit größerer Wahrscheinlichkeit betrügerisch sind.
Tatsächlich verwendet sogar Ihre E-Mail möglicherweise maschinelles Lernen. Zum Beispiel sind Spam-E-Mails ein Problem, und sie haben sich im Laufe der Zeit weiterentwickelt. E-Mail-Systeme verwenden maschinelles Lernen, um Spam-E-Mail-Muster und die Änderung von Spam-E-Mails zu verfolgen und sie dann basierend auf diesen Änderungen in Ihrem Spam-Ordner abzulegen.
Schlussfolgerungen
Maschinelles Lernen wird einen großen Anteil daran haben, wie wir Technologie in Zukunft einsetzen und wie Technologie uns helfen kann. Von Siri bis zur US-Bank wird maschinelles Lernen immer umfassender, und das wird wahrscheinlich nur so bleiben.
