Maschinelles Lernen (engl. Machine Learning) ist ein Teilgebiet der Künstlichen Intelligenz, bei dem Computerprogramme aus Daten lernen, um Vorhersagen zu treffen oder Entscheidungen zu treffen – ohne dabei explizit programmiert zu sein.
Grundprinzip
Statt feste Regeln vorzugeben, wird ein System mit Beispieldaten („Trainingsdaten“) gefüttert. Daraus lernt es, Muster und Zusammenhänge zu erkennen und auf neue, unbekannte Daten anzuwenden.
Typische Anwendungen
- Spracherkennung (z. B. Siri, Alexa)
- Bild- und Gesichtserkennung
- Empfehlungssysteme (z. B. Netflix, Amazon)
- Spamfilter und Virenerkennung
- Chatbots und Sprachmodelle (z. B. ChatGPT)
Formen des maschinellen Lernens
- Überwachtes Lernen: Das System lernt aus gekennzeichneten Daten (z. B. „Das ist ein Hund“)
- Unüberwachtes Lernen: Es erkennt selbstständig Muster in unmarkierten Daten
- Bestärkendes Lernen (Reinforcement Learning): Das System lernt durch Belohnung oder Bestrafung
Voraussetzungen
- Große Mengen an Daten
- Leistungsfähige Rechner (z. B. mit GPUs)
- Geeignete Algorithmen und Modelle
Maschinelles Lernen vs. klassische Programmierung
Bei der klassischen Programmierung wird jede Regel von Menschen definiert. Beim maschinellen Lernen entwickelt das System eigene Regeln anhand der vorliegenden Daten.