Maschinelles Lernen

Maschinelles Lernen ist eine zentrale Funktion der Künstlichen Intelligenz. Der Begriff beschreibt die Erzeugung von neuen Erkenntnissen aus Erfahrung. Indem eine KI ihre Algorithmen auf immer neue Fälle im Rahmen ihres Regelwerkes anwendet, sammelt es Erfahrungen. Es erkennt neue Muster in riesigen Datenmengen und ordnet diese in seinen Wissensbestand ein.

Maschinelles Lernen: Übung macht den Meister

Ein KI-System muss allerdings zunächst angelernt werden. Ähnlich wie ein Kind muss es seine Regeln anwenden, die seine Programmierer zur Auswertung seiner Lerndaten mit den Algorithmen vorschreiben. Für Maschinelles Lernen  füttert ein Programmierer zunächst die KI mit Modellen, in der Regel Frage-Antwortpaaren. Der „Lehrer“ erklärt also, welche Antwort auf eine Frage richtig ist. Nach einer Vielzahl von Lernvorgängen mit unterschiedlichen Frage-Antwortpaarungen wird das KI-System fähig, mit Hilfe seiner Algorithmen eigene logische Rückschlüsse zu ziehen. Es bekommt also die Fähigkeit, sein Regelwerk automatisch auch bei Abweichungen anzuwenden. Er erweitert praktisch seine „Bibliothek“, in die er neben den angelernten Mustern neue einordnet und künftig anwendet. Macht der Algorithmus dabei Fehler, greift der „Lehrer“ beziehungsweise Programmierer der KI ein und korrigiert eine Fehlinterpretation. So arbeitet beispielsweise die Handschriftenerkennung auf mobilen Endgeräten, die heute bereits verblüffend gut funktioniert. Auch bei der Spracherkennung von Chatbots lernt die KI, mit Abweichungen umzugehen. Trotz unterschiedlicher Aussprache wie bei einem Dialekt kann ein „erfahrener“ Chatbot die Worte richtig verstehen. Diese Anpassungsfähigkeit der Algorithmen reicht aber bei manchen hochkomplexen Aufgaben nicht mehr aus.

Neuronale Netze beherrschen Deep Learning

Neben dem überwachten Lernen bestehen weitere Modelle, wie KI-Systeme lernen. Beim unüberwachten Lernen bilden Algorithmen Frage-Antwortgruppen automatisiert aufgrund selbst erkannter Muster in den Lerndaten. Das teilüberwachte Lernen ist eine Mischform. In allen drei Fällen lernt die KI durch Bestätigung oder Korrektur durch den Programmierer und wird immer „kompetenter“ in ihrem angelernten Fachgebet. Mittlerweile arbeiten die Entwickler von KI an künstlichen neuronalen Netzen (knN), die ähnlich wie das menschliche Gehirn funktionieren. Bei ihren Prozessen knüpft eine KI wie das Gehirn aus neuen Erfahrungen neue Knotenpunkte und schafft passende Verbindungen zwischen den bestehenden Knoten. Dadurch erweitert die KI ihre Wissensbasis und lernt immer schneller. Sie bildet Rückschlüsse aus dem gesamten Wissensbestand und verfeinert ihre kognitiven Fähigkeiten. Diese Form des maschinellen Lernens wird auch als Deep Learning bezeichnet, weil Das System immer schneller und ab einem bestimmten Punkt auch völlig autonom lernen kann. Solche KI-Systeme sind leistungsfähiger; sie könnten kontextbezogen und sehr schnell Musterabweichungen erkennen und angemessen reagieren.

Persönlichkeits- und Sentiment-Analysen

Gesichter zu unterscheiden, fällt schon einigen Menschen schwer. KI-Systeme erkennen dank ihrer Deep Learning-Fähigkeit an Flughäfen mittlerweile in kürzester Zeit aus Tausenden Menschen die Gesichter gesuchter Personen. Sie sind in der Lage, selbständig Telefonate zu führen, um beispielsweise einen Friseurtermin zu vereinbaren. Solche Chatbots unterscheiden sich auch in ihrer natürlichen Sprache kaum mehr von Menschen. Einige KI-Systeme können sogar die Stimmungslage ihrer Gesprächspartner erkennen. Oder sie identifizieren aus Hunderten Bewerbungen den Kandidaten, der von seiner Persönlichkeit am besten in ein bestehendes Team passt.

Spätestens bei solchen Aufgaben müssen sich die Entwickler eines KI-Systems aber an ethischen Grundsätzen orientieren. Die Grenzen, was technisch machbar und was moralisch vertretbar oder mit der Menschenwürde noch vereinbar ist, müssen beachtet werden.