Maschinelles Lernen
Computer lernen aus Beispielen, Muster zu erkennen und Vorhersagen zu treffen, ohne dass jeder Schritt vorprogrammiert wird.
Worum geht es?
Stellen Sie sich vor, Sie bringen einem Kind bei, Hunde von Katzen zu unterscheiden. Anstatt alle Regeln aufzuzählen, zeigen Sie hunderte Fotos und sagen: 'Das ist ein Hund, das ist eine Katze.' Nach einer Weile erkennt das Kind selbst neue Tiere. Genauso funktioniert maschinelles Lernen: Computer bekommen viele Beispiele und finden selbst heraus, welche Muster wichtig sind. Sie programmieren nicht jede Regel einzeln, sondern der Computer entwickelt eigene Strategien zur Problemlösung.
Wie funktioniert es?
Wie ein Schüler braucht der Computer drei Dinge: Übungsmaterial (Daten), einen Lernprozess (Algorithmus) und Feedback. Beim Spam-Filter zum Beispiel bekommt er tausende E-Mails mit der Information 'Spam' oder 'kein Spam'. Der Algorithmus sucht nach Gemeinsamkeiten: Welche Wörter kommen in Spam-Mails häufig vor? Welche Absender sind verdächtig? Durch ständiges Üben und Korrigieren wird der Computer immer besser darin, neue E-Mails richtig einzuordnen - auch solche, die er noch nie gesehen hat.
Warum ist das wichtig?
Maschinelles Lernen löst Probleme, die zu komplex für herkömmliche Programmierung sind. Ein Arzt kann nicht alle möglichen Kombinationen von Symptomen auswendig lernen, aber ein Computer kann aus Millionen Patientendaten Muster erkennen, die Menschen übersehen würden. Ob Spracherkennung, Routenplanung oder Produktempfehlungen - überall dort, wo riesige Datenmengen ausgewertet werden müssen, hilft maschinelles Lernen dabei, bessere Entscheidungen zu treffen und unser Leben einfacher zu machen.