Maschinelles Lernen – die wichtigsten Begriffe

In den Ferien ersetzt die künstliche Intelligenz (KI) uns die Strassenkarte, wir können über smarte Assistenten unser Handy steuern oder wir unterhalten uns auf der Webseite unserer Versicherung erstmal per Chat mit einem Bot, um rasch einfache Informationen zu erhalten. Aber auch Banken setzen KI vermehrt ein.

Die künstliche Intelligenz hat unseren Alltag somit bereits durchdrungen. Darum möchte PCtipp sich diesem komplexen Thema annähern. Da eine komplette Analyse unseren Rahmen sprengen würde, fokussieren wir uns in diesem Artikel auf das Machine Learning, quasi den Motor der künstlichen Intelligenz, und erklären die wichtigsten Begriffe.

Die Künstliche Intelligenz, KI (engl. Artificial Intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung intelligenten Verhaltens und dem maschinellen Lernen befasst.

Bei der künstlichen Intelligenz (KI) unterscheidet man zunächst in starke und schwache KI.

Unser Schwestermedium «Computerworld» definiert starke und schache KI folgendermassen: «Unter starker KI (engl. 'Strong AI') versteht man Ansätze, die versuchen, Vorgänge im menschlichen Gehirn nachzubilden. Eigenschaften wie Bewusstsein oder Empathie werden häufig als entscheidende Merkmale genannt, die starke KI ausmachen.

Beispiele der schachen KI (engl. 'Weak AI' oder 'Narrow AI') sind in heutigen Software-Lösungen dagegen bereits zu finden. Im Gegensatz zur starken KI geht es hier aber darum, Algorithmen für bestimmte abgegrenzte Problemstellungen zu entwickeln. Beide Ansätze verbindet jedoch die wesentliche Anforderung der Lernfähigkeit.»

«Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems. Eine Eingabe wird dabei in genau definierten Schritten zu einer Ausgabe umgewandelt», schreibt Nicolas Berberich in «Wie Maschinen lernen. Künstliche Intelligenz verständlich erklärt.»

Als Beispiel kann ein Backrezept dienen. Ein Backrezept ist letztlich ein Algorithmus, denn es liefert eine genaue Handlungsvorschrift, wie man die Zutaten (Eingabe des Algorithmus) beispielsweise in mehrere Muffins (Ausgabe des Algorithmus) umwandelt. Liesse man einen Roboter backen, müsste man allerdings bei gewissen Begriffen sehr präzise sein. Ein Computer versteht ohne genauere Definition nicht, was «eine Prise» Salz oder «mittlere Hitze» bedeutet.

Für manche Problemstellungen ist es natürlich schwieriger, eine fixe Handlungsanweisung zu erstellen, als für ein Backrezept. Sogenannte Lernalgorithmen treffen Entscheidungen aufgrund von Erfahrungswerten. Diese Erfahrungswerte werden dem Algorithmus in Form von Daten eingespeist.