Wie funktioniert maschinelles Lernen / selbst lernende Algorithmen?

Показать описание

Wie funktioniert maschinelles Lernen bzw. Machine Learning? Dieser Frage möchte ich dir kurz und knapp beantworten. Wie lernen maschinen? Wie viel Einfluss hat der Mensch auf diese Systeme.

Algorithmen, die lernen können
----------------------------------------
Als erstes brauchen wir einen Algorithmus der in der Lage ist zu lernen. Lernen bedeutet, dass Verarbeiten von Informationen mit dem Ziel einen bestimmten Wissenstand zu erreichen. Dieser Wissenstand, kann für eine spezifische Aufgabe genutzt werden. Zum Beispiel soll der Algorithmus lernen, handgeschriebene Zahlen auf einem Bild zu identifizieren. Nicht jede Zahl sieht gleich aus und neue unbekannte Zahlen sollen eindeutig identifiziert werden können. Es braucht einen Algorithmus, der durch das maschinelle Lernen Wissen akkumuliert und dieses Wissen kann folglich auf unbekannte Daten angewendet werden.

Vorbereitung der Daten / Informationen
----------------------------------------
Der zweite Teil ist es dem Algorithmus Informationen in Form von Daten bereitgestellt, sodass der Algorithmus aus diesen Informationen extrahieren und lernen kann. Diese Informationen müssen für den Algorithmus von einem Menschen vorbereitet werden. Dieses Vorgehen ist einer der wichtigsten Schritte. In diesem Schritt können Menschen das Wissensziel vorbereiten bzw. definieren. Wenn wir dem Algorithmus handgeschriebene Buchstaben in Form eines Bildes bereitstellen, kann dieser Algorithmus keine handgeschriebenen Zahlen erkennen Der Mensch entscheidet im Vorfeld mit den jeweiligen Informationen, was die Maschine am Ende erlernt und welche Aufgabe vom maschinellen Lernen gelöst werden kann.

Training des maschinellen Lernens
----------------------------------------
Der dritte Teil ist das Training des Algorithmus. Es ist quasi die Lernphase in dem der Algorithmus des maschinellen Lernens, die vor verarbeiteten Informationen als Eingabe bekommt und daraus den gewünschten Wissenstand generiert. Dieser Schritt kombiniert die ersten Schritte und nachdem Training erhalten wir einen Algorithmus, der einen Wissenstand erreicht hat. Ob dieser Wissenstand reicht, um unbekannte Daten bzw. die Aufgabe zu lösen, muss ausführlich getestete werden.

Anwendung des maschinellen Lernens
----------------------------------------
Der finale Teil ist das Anwenden des Algorithmus auf unbekannte, nicht gelernte Daten. Der Algorithmus soll seine Wissenstand unter Beweis stellen und Lösungen liefern. Wenn wir auf ein Blatt Papier eine handgeschriebene "1" schreiben, dieses Bild fotografieren und dem Algorithmus bereitstellen, dann soll der Algorithmus diese Zahl erkennen und die Lösung in Form der Zahl "1" zurückgeben. Sofern der Algorithmus nicht die richtige Zahl erkennt, sollte der Algorithmus wieder in die Lernphase gehen, um sein Wissen zu verbessern.

In der Einleitung habe ich von einem Algorithmus gesprochen der aus Informationen lernen kann. Dieser Algorithmus kann mit klassischen Mitteln programmiert werden. Wir haben Eingabe-Daten, die in diesen Algorithmus verarbeitet werden können. Zudem gibt es Ausgabe-Daten, die eine Lösung für eine Aufgabe darstellen. Diese Ausgabe-Daten sind das Ziel, welches wir aus diesem Algorithmus erhalten wollen. Ein Algorithmus ist gleichzusetzen mit einem Backrezept, zum Backen eines Kuchens. Für diesen Kuchen braucht es Zutaten. Diese Zutaten sind Stellvertretend unsere Eingabedaten für den Algorithmus. Zutaten werden in einer bestimmten Reihenfolge und Menge miteinander vermischt bzw. in unserem Algorithmus verarbeitet. Nach einer Reihe von Anweisungen (Mixen, Mischen, Backen, Dekorieren) erhalten wir einen Kuchen. So funktionieren auch Algorithmen. Wir multiplizieren, subtrahieren oder verarbeiten mit sonstigen Operationen die Eingabedaten in einer bestimmten Reihenfolgen an Anweisungen, um schlussendlich zu einem Ergebnis zu gelangen. Das Ergebnis sind unsere Ausgabe-Daten. Maschinelles lernen setzt eine Algorithmus voraus, der mit klassischen Mitteln programmiert werden kann. Dieser Algorithmus ist lernfähig, aber bekommt nicht das Wissen programmiert. Dieses wird in der Trainingphase selbstständig erlernt.