Machine Learning

Inhaltsverzeichnis

1. Allgemein
2. Merkmale
3. Kritik und Ausblick

Allgemein

Machine Learning oder maschinelles Lernen umfasst unterschiedliche Formen des Selbstlernens bei Systemen der Künstlichen Intelligenz und der Robotik. Diese erkennen beispielsweise Regel- und Gesetzmäßigkeiten in den Daten und leiten Konklusionen und Aktionen daraus ab. Vorbild ist das menschliche oder tierische Lernen, also ein Aspekt menschlicher oder tierischer Intelligenz. Es kann aber ebenso bewusst davon abgewichen werden. Innerhalb der Disziplin der Künstlichen Intelligenz spielt Machine Learning eine immer wichtigere Rolle.

Merkmale

Nach Ethem Alpaydin heißt maschinelles Lernen, "Computer so zu programmieren, dass ein bestimmtes Leistungskriterium anhand von Beispieldaten oder Erfahrungswerten aus der Vergangenheit optimiert wird". Bei Deep Learning werden große Mengen von Daten (Big Data) verwendet. Neuronale Netze oder Netzwerke haben eine zentrale Funktion beim maschinellen Lernen. Dieses kann auch die Nachahmung evolutionärer Prozesse bedeuten, etwa beim Einsatz genetischer Algorithmen.

Kritik und Ausblick

Machine Learning ist für etliche Anwendungsgebiete ein vielversprechender Ansatz. Es kann freilich zu unwillkommenen Ergebnissen führen, etwa wenn die Umgebung, in der das System lernt, problematisch ist, und wenn es mit falschen oder unvollständigen Daten bzw. Datensätzen gefüttert wird. Es gibt verschiedene Möglichkeiten, um Fehler zu korrigieren, etwa Anleitung und Beeinflussung durch Experten. Informations- und Roboterethik widmen sich den Chancen und Risiken maschinellen Lernens, die Maschinenethik nutzt es für ihre moralischen Maschinen.