• LinkedIn - Black Circle
  • Facebook
  • Twitter

KI, maschinelles Lernen & Deep Learning

Worin besteht der Unterschied zwischen Künstlicher Intelligenz, maschinelles Lernen und Deep-Learning?

Künstliche Intelligenz (KI oder im englischen AI) ruft oft Science-Fiction-Filme wie Her, Ex-Machina oder Matrix hervor, aber die Technologie ist keine Fiktion mehr, sie ist real, und ihre Benutzerfreundlichkeit ist für jeden erreichbar, der ein Smartphone oder einen Computer besitzt. Große Unternehmen wie 

Google, Apple, Facebook und viele mehr haben sich dem KI Zug angeschlossenund nutzen ihre Vorteile in ihren Softwares oder Apps. Ein Beweis dafür, dass der Einsatz von "cognitive computing" viele Routineaufgaben vereinfacht und die allgemeine Effizienz steigert.

Aber auch wenn die KI zu einem beliebten Thema in den Medien geworden ist, ist das Ausmaß ihrer Entwicklung für einige noch etwas vage. Glücklicherweise kann man sie auf zwei sehr wichtigen Ebenen teilen: Maschinenlles Lernen und Deep Learning. Was bedeuten diese Begriffe und wie arbeiten sie zusammen?

Was ist unter dem Begriff KI zu verstehen?

Die einfachste Erklärung wäre zu sagen, dass Künstliche Intelligenz die Fähigkeit hat als Machine, menschenähnliche Intelligenz zu zeigen. Als ob ein Computer ein eigenes Gehirn hätte, das Objekte, Sprachen und Bilder erkennt. Herausfolgend, kann die KI die Bilder organisieren, plannen und davon lernen.

KI kann in unserem alltäglichen Leben verwendet werden (Siri, Google Assistant). Im Gegensatz zu dem, was man in einigen Filmen sehen kann, zeigt diese KI keine menschlichen Eigenschaften, sie hat kein Gewissen, keine Emotionen und keine Meinung. Diese Art von KI kann Kennzeichen des menschlichen Gehirn nachmachen, aber nur bei einzelnen spezifischen Aufgaben. Es ist ein Algorithmus, der programmiert ist, um sich in einem vordefinierten Feld zu bewegen (die Aufgaben können z.B. Schach spielen sein, etwas bei Google suchen, Bilder erkennen usw.).

Die KI kann aktuell dieses Feld nicht verlassen, es kann nur in ihm arbeiten. Dadurch, dass es sich auf eine Ebene konzentriert sind seine Antworten immer ziemlich genau und präzise. KI ist in der Lage, die Daten so zu analysieren, dass sich Muster erkennen lassen und somit machen sich die KI-Tools immer mehr auch in der Immobilienbranche vom Nutzen. Hier lesen Sie mehr zum Thema künstliche Intelligenz im Immobilienmarkt.

Es ist vorerst die einzige Art von KI, die verwendet wird, sie wird entwickelt, sie reift, aber sie ist noch meilenweit von Artificial general intelligence entfernt.

Was ist unter dem Begriff Machine-Learning zu verstehen?

Um es in einfachen Worten auszudrücken, ist Machine-Learning (ML) eine Kategorie von Algorithmen, die Daten interpretieren und aus diesen Daten lernt. Die erlernten Informationen werden dann angewendet, um informierte und genaue Entscheidungen zu treffen. Maschinenlernen ist ein progressiver Lernprozess, es führt eine Funktion aus und je mehr Daten und Eingaben es erhält, desto intelligenter und besser wird seine Funktion.

Als Beispiel könnten wir jede App verwenden, die Kontakt mit ihren Benutzern hat. Spotify zum Beispiel gibt seinen Nutzern Empfehlungen basierend auf ihren Musikgeschmack. Man kann diese musikalischen Empfehlungen hoch- oder herunterstufen und von dieser Eingabe wird der Algorithmus "intelligenter" und damit die Empfehlungen viel genauer.

Was ist unter dem Begriff Deep-Learning zu verstehen?

Um Maschinen zum Lernen zu bringen, braucht man Deep-Learning (DL). Deep-Learning ist eine Subset des maschinellen Lernens, und obwohl sie eng miteinander verbunden sind, sind ihre Funktionen und Rollen unterschiedlich. Deep-Learning ist inspiriert von biologischen neuronalen Netzwerken, die auf dem menschlichen Gehirn basieren. Diese Netzwerke machen durch ihre Verwendung das maschinelles Lernen leistungsfähiger und unabhängiger. Wo eine Maschine lernt, hilft ihr Deep-Learning, zu denken und Schlussfolgerungen zu ziehen.

Wie funktioniert es? Modelle des maschinellen Lernens werden zwar immer besser, aber sie brauchen Hilfe und Anleitungen. Normalerweise würde ein Ingenieur oder Programmierer die Ausgabe des Algorithmus überprüfen und die Probleme beheben, aber mit einem Deep-Learning-Algorithmus kann die Machine selbst bestimmen, ob eine Vorhersage genau ist oder nicht, er lernt von seiner eigenen Berechnungsmethode, seinem eigenen "Gehirn".

 
 
 

Fazit - Wie arbeiten sie zusammen?

Obwohl die drei Begriffe unterschiedlich sind und sich auf verschiedene Felder fokussieren, können wir sagen, dass die KI alle drei "Techniken" verwendet.

KI beschreibt das Konzept der menschenähnlichen Intelligenz in Maschinen, während ML und DL ihr helfen zu lernen, zu konzeptualisieren, zu analysieren und zu erkennen. Das eine geht nicht wirklich ohne das Andere. Wo KI darauf abzielt, die Erfolgsaussichten zu erhöhen, zielt ML auf eine höhere Genauigkeit ab.