Machine Learning – Wenn Algorithmen die Schulbank drücken

Was noch vor wenigen Jahren eine Hollywood-Phantasie war, ist heute kaum noch aus unserem Alltag wegzudenken. Wir lassen uns zunehmend das Leben von künstlicher Intelligenz erleichtern. 

Beispiele sind: 

• Spracherkennung
• Bilderkennung
• Spamfilter
• Suchmaschinen
• Personalisierte Online-Werbung
• Automatisierte Texterstellung
• Blogartikel schreiben lassen
• Chatbots
• Übersetzungstools

Überall begegnen wir intelligenten Programmen.

Doch woher weiß der Spamfilter, welche Mails er aussortieren soll? Wer bringt dem Verwaltungsprogramm bei, Rechnungen zu erkennen und automatisch abzulegen? Und wieso kann uns Siri verstehen?

Wunderwerk Lernalgorithmus

Intelligente Computerprogramme erwerben Wissen durch Erfahrung und finden eigenständig Lösungen für auftretende Probleme. So wie Menschen. Das können sie nur, weil sie über einen Lernalgorithmus verfügen.

Dieser wird so lange trainiert, bis der Output stimmt. Soll das Programm z.B. Hunde erkennen, werden ihm so lange unterschiedliche Bilder von Hunden zur Verfügung gestellt, bis sich die Fehlerquote nicht mehr verringert.

Algorithmen können auf zwei unterschiedliche Arten lernen

1. Überwachtes Lernen (Klassifikation): Die zur Verfügung gestellten Daten sind gekennzeichnet.
2. Unüberwachtes Lernen (Clustering-Verfahren): Die Daten sind unbenannt.

Königsdisziplin Deep Learning

Deep Learning ist das zurzeit am weitesten verbreitete und erfolgreichste Machine-Learning Verfahren. Es wird vor allem zur Sprachverarbeitung und zur Erkennung von Objekten in Bildern verwendet.

Ein Deep Learning Algorithmus lernt wie ein Kleinkind, was beispielsweise ein Hund ist. Er bekommt Trainingsdaten zur Verfügung gestellt, die mit „Hund“ oder „Kein-Hund“ markiert sind. 

Anhand der Informationen, die er aus den Bildern erhält, definiert er „Hund“ für sich und erstellt ein Vorhersagemodell.

Doch warum boomt Machine-Learning gerade jetzt?

Ein Grund dafür, dass der Markt von intelligenten Computerprogrammen überschwemmt wird, ist die Weiterentwicklung der Prozessoren.

Die Idee für eine Maschine, die selbstständig Muster erkennt, gibt es schon seit den 80ern. Doch erst die ursprünglich für Computerspiele entwickelten Grafikprozessoren machen die Arbeit mit gewaltigen Datenmengen möglich.

Zudem ist der Zugriff auf einen großen Datenpool nötig, um die Lernalgorithmen zu trainieren. Und dieser steht dank Internet auch zur Verfügung.

Schneller, besser, allzeit bereit

Durch die zunehmende Globalisierung und Digitalisierung fallen Unmengen von Daten an. Um diese zu verwalten, zu durchsuchen, auszuwerten und nutzbar zu machen, wird gern auf technische Unterstützung zurückgegriffen.

Die verwendeten Programme sind nämlich nicht nur schneller als ein Mensch, sondern auch viel weniger anfällig für Fehler und brauchen keine Pause. Angenommen, eine Person auf einem Video wird polizeilich gesucht. Nun könnte ein Polizist tausende Fotos durchsehen und mit dem Bild der Person abgleichen. Oder ein Bilderkennungsprogramm übernimmt diese Aufgabe und beendet sie, noch bevor sich der Polizist überhaupt einen Überblick über sein vorhandenes Material geschaffen hat.

Machine Learning für Unternehmen

Um die Kosten zu reduzieren und gleichzeitig sowohl Umsatz als auch Kundenzufriedenheit zu steigern sind Machine Learning Programme ideal.

Sie helfen beim Erkennen der Kundenbedürfnisse und somit auch beim Personalisieren der Werbung. Beschwerden werden automatisch analysiert und dazu verwendet, die Kundenzufriedenheit zu erhöhen.

Chatbots ergänzen das Team im telefonischen Kundenservice, bearbeiten einfache Probleme und leiten die komplexeren an einen Mitarbeiter weiter.

Mittlerweile gibt es eine Menge Open-Source-Software, wie etwa Deeplearning4j, Weka oder Apache Spark, die vom Programmierer des Vertrauens nur noch mit Daten gefüttert werden muss, um dem Unternehmen dienlich zu sein.

Fazit

Machine Learning spart vor allem Zeit. Zeit, die für andere Dinge genutzt werden kann. Und die Programme sind in der Lage, auch sehr komplexe Aufgaben zu übernehmen. 

Richtig eingesetzt werden sie uns allen auch in Zukunft einen großen Nutzen bringen. 

Es darf nur nie vergessen werden: intelligente Programme sind immer nur so gut, wie ihr Schöpfer und der eingespeiste Datensatz.