Wie bei den meisten Begriffen auf dem Gebiet der künstlichen Intelligenz gibt es keine eindeutige Definition des maschinellen Lernens.

Vereinfacht ausgedrückt: Was ML tut, ist die Verwendung von Daten zur Beantwortung von Fragen. Etwas formeller bezieht es sich auf die Verwendung von Algorithmen, die Muster aus Daten lernen und in der Lage sind, Aufgaben auszuführen, ohne explizit dafür programmiert zu sein. 

Darüber hinaus ist ein entscheidendes Merkmal von maschinellen Lernsystemen, dass sie ihre Leistung mit Erfahrung und Daten verbessern. Oder mit anderen Worten: sie lernen.

Maschinelles Lernen ist Teil einer Sammlung von Technologien, die unter dem Oberbegriff „Künstliche Intelligenz“ (KI) zusammengefasst sind.

Die Konzepte der KI und des maschinellen Lernens scheinen oft austauschbar verwendet zu werden, aber tatsächlich ist es richtiger, maschinelles Lernen als ein Teilgebiet der KI zu betrachten - die selbst ein Teilgebiet der Informatik ist.

KI bedeutet für verschiedene Menschen unterschiedliche Dinge, aber wir können sagen, dass sich künstliche Intelligenz auf das umfassendere Konzept bezieht, dass Maschinen in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern.

In diesem Zusammenhang bezieht sich das maschinelle Lernen auf spezifische Anwendungen, die Daten verwenden, um ein Modell zu trainieren, damit es eine bestimmte Aufgabe unabhängig ausführen und aus Erfahrungen lernen kann. 

KI und maschinelles Lernen sind in den letzten Jahren zu Schlagwörtern geworden. Aber diese Themen sind nicht neu. Wissenschaftler arbeiten seit geraumer Zeit an KI und ML. 

Künstliche Intelligenz wurde erstmals in den 1950er Jahren diskutiert. Der Begriff wurde 1956 vom amerikanischen Informatiker John McCarthy in einem Workshop am Dartmouth College, New Hampshire, geprägt.

Seitdem hat die KI viele Entwicklungen durchlaufen und sowohl glänzende als auch düstere Tage erlebt. Das maschinelle Lernen kam in den 1980er Jahren auf die Bildfläche, aber erst in den 2010er Jahren begann sich die Entwicklung in diesem Bereich exponentiell zu beschleunigen. Was erklärt diesen Kurswechsel?

Im letzten Jahrzehnt haben zwei Schlüsselfaktoren zu bedeutenden Entwicklungen im Bereich der KI beigetragen:

Erstens werden jede Minute riesige Datenmengen erzeugt. Maschinen brauchen Daten zum „Lernen“, und die zunehmende Verfügbarkeit bedeutet, dass größere Datensätze verwendet werden können, um das Training bestehender Modelle zu verbessern, und dass diese Modelle getestet und auf neue Bereiche angewendet werden können.

Der zweite Faktor bezieht sich auf die jüngsten Fortschritte bei den Verarbeitungsgeschwindigkeiten, die es den Computern ermöglichen, all diese Informationen viel schneller zu verstehen. Dies hat es Technologieunternehmen und anderen Akteuren in diesem Bereich ermöglicht, immer größere Investitionen in Forschung und Entwicklung zu rechtfertigen.

Bei der derzeitigen Geschwindigkeit wird die KI bald etwas weniger künstlich und viel intelligenter werden.

Es gibt ein grundlegendes Missverständnis darüber, was die Forschung über KI zu erreichen versucht. Wir sind bei weitem nicht so weit von Maschinen entfernt, die für sich selbst denken wie der Computer HAL 9000 in der Space Odyssey von 2001, und Sie sollten auch keine Angst davor haben, dass in absehbarer Zeit ein Roboter Ihre Arbeit übernehmen könnte.

Das könnte nur geschehen, wenn wir jemals die Künstliche Allgemeine Intelligenz (AGI) erreichen: hypothetische Maschinen, die jede intellektuelle Aufgabe auf menschenähnliche Weise ohne Aufsicht bewältigen können. Aber bis heute ist das immer noch im Bereich der Science-Fiction angesiedelt.

Mit Ausnahme weniger Unternehmen und Forschungslabors - DeepMind und OpenAI zum Beispiel - konzentriert sich die aktuelle KI-Forschung auf eine enge Intelligenz, wobei große Fortschritte bei der Vermittlung von Maschinen zur selbständigen Bewältigung bestimmter Aufgaben erzielt werden.

Die Popularität des maschinellen Lernens macht es manchmal schwierig, das Reale vom reinen Gemurmel zu trennen. Das Fehlen einer offiziell vereinbarten Definition, das Erbe der Science-Fiction und ein allgemein niedriger Alphabetisierungsgrad bei KI-bezogenen Themen tragen dazu bei.

Diese Lektion hat Ihnen hoffentlich ein besseres Verständnis dafür gegeben, was maschinelles Lernen ist und wie es mit künstlicher Intelligenz zusammenhängt. Aber selbst im Bereich des maschinellen Lernens gibt es verschiedene Arten von Modellen und Ansätzen, die es zu erkennen gilt.

Dies ist das Thema der nächsten Lektion.