Im digitalen Begriffsdschungel: Die Unterschiede zwischen KI, maschinellem Lernen und Deep Learning

01. Oktober 2018 /
©Pixabay

Die Welt der smarten Waschmaschinen, Heizsysteme und Autos macht viele Vorgänge des Alltags ein großes Stück einfacher. Aufgrund der raschen Weiterentwicklungen in diesem Bereich, entstand allerdings auch sehr schnell ein eigener Jargon, der von Begriffen geprägt ist, die sich für den Laien teilweise nur schwer entwirren lassen. Weil es so aussieht als würden uns unsere selbstfahrenden Autos in eine täglich intelligenter werdende Zukunft bringen, wird das korrekte Aufdröseln sämtlicher damit zusammenhängender Konzepte immer wichtiger. Bevor man sich hier jedoch in komplizierten Details verliert, gilt es einen guten Überblick darüber zu gewinnen, in welcher Weise sich KI, maschinelles Lernen und Deep Learning voneinander unterscheiden.

©Pixabay

Unter der Schirmherrschaft von KI
Um besser vorstellbar zu machen, wie sich künstliche Intelligenz entwickelt, sollte man sich KI als Gesamtkonzept wie einen Schirm vorstellen, der alle anderen Begriffe überspannt. Sowohl Maschinelles Lernen als auch Deep Learning sind unter diesem Schirm entstanden und nun dort angesiedelt. Doch auch die beiden aus der künstlichen Intelligenz entstandenen Begriffe entsprechen einer bestimmten Hierarchie. So gäbe es zwar ohne künstliche Intelligenz kein Maschinelles Lernen, aber auch kein Deep Learning ohne Maschinelles Lernen. Oben zwar durch den Schirm begrenzt, gibt es nach unten hin keinerlei Grenzen – Deep Learning macht nämlich noch sehr viel mehr möglich, als wir uns momentan überhaupt vorstellen können. Leo Andrade, Entwickler von Coresystems, vergleicht die drei verschiedenen, jedoch voneinander abhängigen Systeme, mit dem vertrauten Prozess einer Ausbildung oder eines Trainings: Geht es um künstliche Intelligenz, so entspricht sie dem Vorgang des Vermittelns von Inhalten: Einem Schüler werden also genau jene Informationen mitgegeben, die er lernen soll. Bei Maschineller Intelligenz sieht das ein wenig anders aus, nämlich ungefähr so: Ein Schüler wird mit einem Buch ausgestattet und soll sich damit den Lernstoff dann selbst erarbeiten. Deep Learning entspricht in seinen Grundzügen dem maschinellen Lernen. Der einzig wichtige Unterschied: Der Schüler ist dabei in der Lage aus seinen Fehlern zu lernen und kann sich deshalb kontinuierlich verbessern. Wenn wir nun wieder in den digitalen Bereich zurückkehren, sollte man sich die Schüler natürlich als Maschinen und die Lehrbücher als Daten vorstellen. Möchte man sich in diesem digitalen Begriffsdschungel jedoch wirklich gut zurechtfinden, sollte das Wissen darüber nicht nur auf diesem Vergleich beruhen, sondern noch etwas tiefer gehen.

Schirmbegriff Künstliche Intelligenz
Künstliche Intelligenz ist überall. Das gilt sowohl für den Begriff selbst, mit dem gerne herumgeworfen wird wie mit einem Papierflieger in einem Klassenzimmer, aber nach und nach auch für die Technologie an sich. Grund genug, die Idee dahinter ein wenig genauer zu beleuchten. Grundsätzlich bezeichnet der Begriff KI Maschinen, die dazu in der Lage sind kognitive Fertigkeiten und andere menschliche Fähigkeiten nachzuahmen. Dazu müssen sie befähigt sein, Sprachkonzepte zu erfassen und mit strategischem Denken vertraut sein. Ziel ist es, dass diese Maschinen menschliche Aufgaben nicht nur genauso gut, sondern sogar besser ausführen können. Warum KI immer wichtiger wird, ist schnell erklärt: In einem Zeitalter, das von Big Data geprägt ist, wird es für den Menschen immer schwieriger, sich hier noch zurechtzufinden, sie zu sichten, zu analysieren und ihre Auswirkungen logisch abzuschätzen. Hierbei muss es keineswegs um hochkomplexe Aufgaben gehen, sondern ganz einfach auch um alltägliche Tätigkeiten, wie das Koordinieren von Terminen oder Personen innerhalb eines Unternehmens. Gerade hier kann KI für besonders effiziente Erledigung dieser Aufgaben sorgen.

©Pixabay

Maschinelles Lernen: Wie man Lernen lernen kann
Maschinelles Lernen beruht grundsätzlich auf zwei Erkenntnissen: Erstens ist es so, dass Maschinen das Lernen tatsächlich lernen können. Zweitens funktioniert das aber nur mithilfe des Internets. Wer bislang dachte, dass es mühsam wäre einem Rauhaardackel mittleren Alters etwas beizubringen, wird sich bei Maschinen einen etwas längeren Geduldsfaden wachsen lassen müssen – schließlich gilt: Maschinen etwas beizubringen kann richtig mühsam werden. Verschafft man ihnen jedoch einen Zugang zur unendlichen Datenfülle des Internets, wird es möglich, dass auch sie das Lernen lernen können. Maschinelles Lernen stützt sich also in erster Linie auf Algorithmen und Codes.

Deep Leaning: Wenn die Lernkurve nach oben zeigt
Auf der Basis von Maschinellem Lernen ist jedoch noch viel mehr möglich. So auch Deep Learning, das es Maschinen ermöglicht, Lernprozesse in Gang zu bringen, die über die verfügbaren Daten hinausgehen. Dazu zählt auf jeden Fall die Fähigkeit konkrete Informationen zu analysieren, dann logische Schlüsse daraus zu ziehen und vielleicht aus Fehlern zu lernen. Die Grundlage dafür bildet die Analyse von Big Data. Deep Learning nutzt also KI, aber auch neuronale Netzwerke, um so Systeme zu bauen, denen es möglich ist, das menschliche Lernverhalten nachzubilden. Für die Analyse dieser riesigen Datenmengen benötigt Deep Learning eine besonders leistungsfähige IT-Infrastuktur. In der Industrie entwickeln sich aktuelle eine Vielzahl verschiedener Deep Learning-Algorithmen. Dadurch werden viele vorausschauende Applikationen möglich, so unter anderem auch Verbesserungen in der vorausschauenden Wartung, gesteigerte Sicherheit autonomer Fahrzeuge, und Vorhersagen von Krankheiten oder Rückfällen.

Verfasst von
Sarah Wetzlmayr ist Redakteurin und meistens irgendwo an der Schnittstelle zwischen Netzkultur und Hochkultur zu finden. Virtual Reality, Smart-Devices und Apps prägen deshalb nicht nur ihren Arbeitsalltag, sondern auch ihre Freizeit.

Kommentieren

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.