Supervised und unsupervised Learning: Mit diesen beiden Methoden funktioniert Machine Learning

So funktioniert Machine Learning

Machine Learning ist ein Teilgebiet von KI und funktioniert auf der Grundlage von historischen Daten. Heißt: Bereits bekannte Daten aus der Vergangenheit werden der KI zugespielt. Diese analysiert die Daten und erkennt darin Muster. Daraus leitet die Maschine beispielsweise eine Prognose für die Zukunft ab. Das kann auch so weit gehen, dass die KI Entscheidungen selbst trifft.

Beim Machine Learning muss vom Menschen also eine Vorarbeit geleistet werden. Die Daten müssen gesammelt werden, sodass diese im Zusammenhang mit Algorithmen an die KI weitergegeben werden können. Grundsätzlich gilt dabei: Je mehr Daten, desto besser.

Für die Umsetzung des Trainings beim Machine Learning gibt es zwei Hauptarten: Das überwachte Lernen (supervised Learning) und das unüberwachte Lernen (unsupervised Learning). Ich möchte nun einmal auf die beiden Methoden eingehen und zeigen, wie sie sich unterscheiden.

Webinar: Künstliche Intelligenz – Grundlagen und Best Practices

Sie möchten gerne mehr zum Thema Künstliche Intelligenz erfahren und wie Ihr Unternehmen davon profitieren kann? In unserem Webinar fassen wir Ihnen die wichtigsten Aspekte zusammen!

Jetzt anmelden

Überwachtes Lernen: Das Ergebnis ist bekannt

Beim supervised Learning kennen Sie im Voraus das Ergebnis und können die einzelnen Bestandteile bereits in Klassifikationsgruppen einteilen. Nehmen wir mal das Beispiel der Bilderkennung: Sie speisen viele verschiedene Bilder mit Naturobjekten in die KI ein. Dabei erkennt das Modell die verschiedenen Gegenstände und ordnet Sie in die von Ihnen zuvor festgelegten Kategorien ein, also zum Beispiel Baum, Blume oder Gras. Die richtige Antwort muss in der Trainingsphase also vorliegen, um die Realität mit den Ergebnissen der KI zu vergleichen und die Lücke zwischen Prognose und Wirklichkeit zu schließen.

Das Überwachen hängt mit dem Fakt zusammen, dass wir bei den Daten, die wir der Maschine geben, das korrekte Ergebnis schon kennen. Wir geben also nicht nur die Eingabe (z. B. das Bild) hinein, sondern auch direkt die richtige Antwort (Baum, Stein, o.Ä.). So wird quasi überwacht, welche Ergebnisse die KI geben sollte.

Unüberwachtes Lernen: Die KI findet selbst die Lösung

Im Gegensatz zum supervised Learning ist beim unsupervised das Ergebnis im Voraus noch nicht bekannt. Das heißt auch, dass Sie keine Kategorien vergeben können und nur mit Algorithmen arbeiten müssen, die der KI vorgeben, die Daten zu erkunden und daraus sinnvolle Informationen auszuspielen. Bleiben wir mal bei unserem Beispiel der Bilderkennung: Bei den Bildern von Naturobjekten geben wir keine Kategorien vor. Die KI ordnet dann beispielsweise alle Gegenstände, die wie ein Baum aussehen, zusammen ein – und das nur aufgrund von Gemeinsamkeiten, die das Modell erkennt. Die Klassifizierung der Ergebnisse können Sie dann im Nachhinein vornehmen.

Was soll ich jetzt nutzen?

Beide Verfahren gehen logischerweise mit unterschiedlichen Vorteilen einher anhand derer Sie festmachen können, welche Methode für Ihr Problem am besten geeignet ist.

Beim überwachten Lernen haben Sie den offensichtlichen Vorteil, dass der Prozess sehr gut nachvollziehbar ist. Sie haben weitestgehend die Kontrolle über die Schritte und können zwischen verschiedenen Verfahren und Lösungsmodellen wählen. Sie können die Künstliche Intelligenz optimal an Ihren Anwendungsfall anpassen und sie genau nach Ihren Wünschen ausrichten. Außerdem ist die Interpretation der Ergebnisse, die die KI ausgibt, dadurch deutlich einfacher.

E-Book: Wie Ihr Unternehmen von Künstlicher Intelligenz (KI) profitieren kann

In unserem E-Book erfahren Sie die wichtigsten Inhalte rund um das Thema künstliche Intelligenz & wie Sie davon profitieren können!

Jetzt anfordern

E-Book: Wie Ihr Unternehmen von Künstlicher Intelligenz (KI) profitieren kann

×

Beim unüberwachten Lernen hingegen haben Sie diese Nachvollziehbarkeit nicht. Allerdings kann genau das auch ein Vorteil sein, weil hier sehr viel automatisch geschieht und Ihr Einfluss deutlich geringer ist. Vor allem für neue Daten liefern diese Modelle sehr gute Prognosen und es können sogar ganz neue Lösungen erschlossen werden, die der Mensch zuvor nicht auf dem Schirm hatte. Außerdem entwickelt sich die KI selbstständig immer weiter, ohne dass Sie manuell eingreifen müssen.

Noch Fragen?

Haben Sie noch Fragen zu den beiden Methoden oder möchten Sie wissen, welches Verfahren für Ihren Anwendungsfall Sinn ergibt? Schreiben Sie mir gerne (info-ki@mindsquare.de)!