Was bedeutet Lernen im Kontext von Künstlicher Intelligenz? Mittelstand-Digital Zentrum Fokus Mensch

Machine Learning ist ein Teilgebiet von Künstlicher Intelligenz, auf Deutsch auch „Maschinelles Lernen“ genannt. Doch was bedeutet in diesem Kontext „Lernen“ und wie lernt ein Computer?

Kategorien des Maschine Learning lassen sich mit zwei Dimensionen abbilden. Die erste Dimension fragt „Was wird gelernt?“ und die zweite Dimension „Wie wird gelernt?“.

– Siehe Abbildung Machine-Learning-Kategorien in der Bildergalerie –

Zum Beispiel kann ein Klassifikator gelernt werden. Ein Klassifikator dient zum Vorhersagen von Kategorien. Gelernt wird eine Entscheidungsgrenze.

Ein Beispiel: Klassifizieren von Gemüse

Ziel ist es, das Gemüse in die richtige Gemüseart zu klassifizieren. Es liegen fünf Tomaten und vier Radieschen vor. Für diese 9 Beispiele ist die Gemüseart bekannt. Jedes Gemüse erhält ein sogenanntes Label mit der entsprechenden Bezeichnung T für Tomate und R für Radieschen.

Außerdem liegen der Durchmesser und der Farbwert Rot vor. In der folgenden Abbildung sind die Daten zu sehen. Auf der X-Achse ist der Durchmesser zu sehen, auf der Y-Achse der Farbwert von hellrot bis dunkelrot.

– Siehe Abbildung Beispieldaten in der Bildergalerie –

In diesem Fall, kann ein sehr einfacher Klassifikator gelernt werden. Der Klassifikator lernt eine Trennung im zweidimensionalen Raum. Die gelernte Entscheidungsgrenze ist in diesem Fall eine Gerade, definiert durch die Gleichung y=mx+b. Wobei m die Geradensteigung und b der Y-Achsenabschnitt ist. Mit den gegebenen Beispielen werden also die Parameter der Geraden gelernt, welche die Trainingsbeispiele bestmöglichst trennt.

– Siehe Abbildung Klassifikator-Trainieren in der Bildergalerie –

Nachdem das Lernen abgeschlossen ist, kann der Klassifikator angewendet werden. Es liegt ein neues Gemüse vor, um welches Gemüse handelt es sich?

– Siehe Abbildung Klassifikator-Anwenden in der Bildergalerie –

Da sich die Anfrage oberhalb der Gerade befindet handelt es sich um ein Radiesschen.

Es wird also ein Modell gelernt. In dem Beispiel der Gemüseklassifikation handelte es sich bei dem gelernten Modell um eine Gerade.

Um einen Klassifikator lernen zu können sind Beispiele notwendig, die gelabelt sind. Die Label wie z.B. „Radiesschen“ oder „Tomate“ werden von einem Lehrer vorgegeben. Diese Art von Lernen nennt sich überwachtes Lernen.

Mehr über die weiteren Kategorien von Machine Learning erfahren Sie im KI Grundlagen Seminar.

13.08.20