Maschinelles Lernen

Im Gegensatz zu regelbasierten KI-Systemen, bei denen der Algorithmus auf Regeln beruht, die vom Menschen vorgegeben werden, werden beim maschinellen Lernen die zugrundeliegenden Regeln vom KI-System selbst gefunden.
Dazu werden zunächst Trainingsdaten benötigt, bei denen zu einer Eingabe die passende Ausgabe bekannt ist. Während der Trainingsphase findet das KI-System selbständig Zusammenhänge oder Muster in den Trainingsdaten und entwickelt auf Grundlage dessen ein mathematisches Modell zur Vorhersage der Ausgabe. Für ein gut funktionierendes KI-System werden dabei große Mengen an Trainingsdaten benötigt, um die Qualität des Systems zu verbessern. Das KI-System lernt aus den Erfahrungen im Training. Anschließend wird in einer Testphase anhand von Testdaten überprüft, ob das KI-System in der Lage ist, korrekte Ergebnisse zu liefern. Anhand der Testphase kann die Güte des entstandenen mathematischen Modells beurteilt werden. Ist diese noch nicht zufriedenstellend, kann sie durch eine erneute Trainingsphase mit weiteren Trainingsdaten erhöht werden.

Wie das KI-System schließlich zu den Ergebnissen kommt, ist in den meisten Fällen nicht oder zumindest nur schwierig nachvollziehbar. Somit verfügt das KI-System nicht über Intelligenz wie wir sie kennen. Es kann nicht selbständig erkennen, ob eine Ausgabe korrekt ist, sondern errät auf Grundlage der Trainingsdaten eine Vorhersage, die bei einem gut trainierten System sehr gut ist. Die Ausgabe ist also von Wahrscheinlichkeiten bestimmt.  

Zusätzlich unterscheidet man beim Maschinellen Lernen zwischen drei wesentlichen Lernmethoden: überwachtem Lernen, unüberwachtem Lernen und bestärkendem Lernen. Diese Methoden unterscheiden sich darin, in welcher Form die Trainingsdaten vorliegen und wie die Beurteilung der Ergebnisse der KI-Systems erfolgt. Beim überwachten Lernen gibt der Mensch dem KI-System vor, was gelernt werden soll, indem die Trainings- und Testdaten bereits gelabelt sind. Anhand der Daten ist also klar, ob das Ergebnis korrekt ist. Beim unüberwachten Lernen findet das KI-System selbständig Strukturen in den Trainingsdaten. Das bestärkende Lernen ähnelt dagegen einem kontinuierlichen Lernprozess, bei dem das System aus Fehlern lernt. Bei einem falschen Ergebnis wird das zugrundeliegende mathematische Modell korrigiert, bei einem richtigen Ergebnis bestärkt.