Maschinelles Lernen aus Beispielen — Technik, 14–17 Jahre
Sieh, wie ein System Muster aus Daten lernt und warum seine Antworten von den Beispielen abhängen, die es erhält.
Ein Muster aus Daten lernen
Beim maschinellen Lernen gibt man einem Computer viele Beispiele und eine Methode, Fehler zu messen. Der Computer verändert ein Modell, bis es Muster findet, die bei neuen Fällen helfen. Er speichert nicht einfach eine von Programmierenden geschriebene Regel; er passt eine Regel an Daten an, die unvollständig oder verzerrt sein können.
Warum maschinelles Lernen gebraucht wurde
Manche Aufgaben lassen sich leicht erklären, aber schwer in feste Anweisungen übersetzen, etwa Gesichter zu erkennen oder Spam vorherzusagen. Früher musste man jedes Merkmal und jede Ausnahme von Hand beschreiben. Maschinelles Lernen entstand, um viele Beispiele zu nutzen, wenn ein Muster für feste Regeln zu kompliziert ist oder sich zu oft ändert.
Eine kleine Vorhersage
Nehmen wir ein Modell, das mit der Bodenfeuchte vorhersagt, ob eine Pflanze Wasser braucht: Trockene Beispiele sind 10, 20 und 30, feuchte 60, 70 und 80. Ein neuer Wert von 25 liegt näher bei der trockenen Gruppe; das Modell sagt daher „braucht Wasser“. Es kann sich irren, wenn Pflanze, Sensor oder Beispiele anders sind.
Die Falle: Sicherheit bedeutet nicht Richtigkeit
Ein System für maschinelles Lernen kann eine klare Antwort mit hoher Sicherheit geben und trotzdem falsch liegen. Menschen vertrauen sicherem Auftreten oft, weil Gewissheit im Gespräch Wissen vermuten lässt. Der Wert beschreibt jedoch nur den internen Vergleich des Modells mit seinen Beispielen, keine Garantie für die Wirklichkeit, besonders bei ungewöhnlichen Fällen.
Vorhersagen im Alltag
Empfehlungssysteme schlagen Lieder, Filme oder Produkte vor, indem sie Muster in dem finden, was Menschen angesehen und ausgewählt haben. Tastaturen sagen das nächste Wort voraus, Foto-Apps gruppieren ähnliche Gesichter oder Szenen. Solche Werkzeuge sparen Zeit, aber ihre Vorschläge spiegeln die Daten und Ziele ihrer Entwickelnden wider, keine neutrale Vorstellung vom Besten.
Weiter erkunden
Andere Sprachen
MyLeoNes™ wird geladen…