Sie haben bestimmt schon den Begriff „Maschinelles Lernen“ gehört – eine Kerntechnologie der KI. In diesem Beitrag stellt Franziska Herrmann Ihnen die drei Hauptarten des Maschinellen Lernens vor und geht genauer auf eine davon ein: das überwachte Lernen.
Maschinelles Lernen – Die drei Hauptarten
Maschinelles Lernen wird in drei grundlegende Kategorien unterteilt:
- Überwachtes Lernen (Supervised Learning)
- Unüberwachtes Lernen (Unsupervised Learning)
- Verstärkendes Lernen (Reinforcement Learning)
Wie funktioniert überwachtes Lernen?
Überwachtes Lernen funktioniert ähnlich, wie wenn ein Kind neue Dinge lernt. Stellen Sie sich vor, einem Kind wird ein Bild einer Katze gezeigt und dazu gesagt: „Schau mal, das ist eine Katze.“ Das Kind speichert Merkmale wie Fell, zwei Ohren und einen Schwanz. Anfangs könnte es jedoch auch Hunde als Katzen einordnen. Erst durch weitere Unterscheidungsmerkmale – zum Beispiel das Geräusch („Miau“ oder „Wuff“) – kann es die Unterschiede erkennen.
Genau so funktioniert überwachtes Lernen in der KI. Die KI erhält eine große Menge an gelabelten Daten – also beispielsweise Bilder, die mit „Hund“ oder „Katze“ beschriftet sind. Während des Trainings analysiert die KI diese Bilder und sucht nach Mustern, um die Unterschiede zwischen Hunden und Katzen zu erkennen. Anders als Menschen nutzt eine KI dafür keine Geräusche, sondern Merkmale auf Pixelebene – wie Farbverläufe, Kanten oder Strukturen.
Der Trainingsprozess
Während des Trainingsprozesses durchläuft die KI mehrere Schritte:
- Sie verarbeitet die gelabelten Bilder und lernt, typische Muster für „Katze“ oder „Hund“ zu erkennen.
- Anschließend überprüft das System, ob die Zuordnung korrekt war.
- Falls Fehler auftreten, wird das Modell angepasst und verbessert.
- Nach vielen Wiederholungen ist die KI schließlich in der Lage, neue, unbekannte Bilder richtig zu klassifizieren.
Fazit
Das überwachte Lernen ist eine der grundlegendsten Methoden, um KI-Systeme zu trainieren. Es ermöglicht Maschinen, aus vorhandenen Daten zu lernen und dieses Wissen auf neue Situationen anzuwenden. In vielen Bereichen – von Bilderkennung bis zur Spracherkennung – spielt dieses Verfahren eine zentrale Rolle.
Jetzt wissen Sie, wie supervised learning funktioniert!
