Spricht man heute von Machine Learning und KI, dreht es sich dabei meist um Neuronale Netze. Die Neuronalen Netze sind aber nur ein kleiner Teilbereich der künstlichen Intelligenz und nicht für alle Probleme eine Lösung. Dafür gibt es andere lernende Algorithmen.
Um das Thema einfach aufzufalten, hilft es, sich die grundlegenden Begriffe als erstes anzusehen. Machine Learning bezeichnet jede Möglichkeit eines Computers (Maschine) zu lernen. Dies geschieht über lernende Algorithmen. Diese Algorithmen lernen aus (vorhandenen) Daten und nutzen dieses Wissen, um künftige Probleme zu lösen. Damit werden diese Algorithmen und Programme zu künstlicher Intelligenz.
Wenn es also ein Programm schafft, durch einen Irrweg zum Ausgang zu kommen, dann spricht man von künstlicher Intelligenz? Ja und nein. Es kommt dabei darauf an, wie der Algorithmus umgesetzt wurde. Die erste Möglichkeit ist es, dass der Mensch das Problem analysiert und sein Wissen in ein Programm verpackt, dass dann mit diesen Erkenntnissen das Problem löst. Bei der zweiten Möglichkeit wird eine Grundlage gebaut, ein Framework, in dem ein Programm sich bewegen und lernen kann, wodurch es das Problem selbst lösen kann.
Mit der zweiten Möglichkeit könnte man glauben, wir müssten nie wieder Probleme lösen. Wir könnten sie einfach immer einer KI übergeben. Grundsätzlich stimmt das, allerdings liegt hier die Schwierigkeit darin, die Grundlage bzw. das Framework zu errichten, in welchem sich ein Programm bewegen kann, um eine Lösung für ein Problem zu finden. Diese Grundlagen sind in Wahrheit ein umfangreiches Forschungsgebiet, an dem schon seit Jahrzehnten geforscht wird.
Es umfasst nicht nur die Neuronalen Netze, sondern auch Regularizations, Decision Trees, Bayesian Learning, Association Rule Learning, Dimensionality Reductions, Ensemble Algorithmen und andere, die nicht zu einer eigenen Gruppe zusammengefasst werden können. Jeder dieser Bereiche kann noch weiter unterteilt werden und ist ein Forschungsgebiet für sich. So findet man im Bereich der Neuronalen Netze den Teilbereich der Deep Learning Algorithmen und in diesem Bereich wiederum Convolution Neuronal Networks, mit seinem bekanntesten Vertreter „Google DeepMind“.
Der Grund für die große Anzahl an verschiedenen Bereichen der KI ist, dass nicht jedes Problem mit einer einzigen Sorte von lernenden Algorithmen gelöst werden kann. Probleme müssen klassifiziert werden und danach wird ein passender Algorithmus gewählt. Oft muss dann der Algorithmus noch an das Problem angepasst werden, ein Vorgang, der am Beispiel der erst kürzlich entwickelten, besonders erfolgreichen DeepDream Algorithmen Jahre dauern kann.
Fazit von Machine Learning ist, dass es uns viele Probleme abnehmen und auch ganz neue schaffen wird. Die Entwicklung wird allerdings noch länger dauern, als die hoch optimistischen Marketingprognosen uns vorschwärmen. Was allerdings verschwinden wird, sind repetitive Tätigkeiten, die von KIs übernommen werden können. Einst war es das Fließband, das durch Maschinen ersetzt wurde, heute ist es das Lenken eines Fahrzeugs. Nur ein weiterer Schritt in der Entwicklung, nicht etwas völlig Neuartiges, vor dem man Angst haben müsste.
Microsoft Azure Machine Learning Algorithms
