Informatik 12
KI und Machinelearning
KI und Machinelearning
-
- 1 / 14
-
Cartes-fiches
Künstliche Intelligenz (KI) bezeichnet Systeme, die Aufgaben ausführen, für die typischerweise Fähigkeiten wie Lernen, Schlussfolgern oder das Erkennen von Mustern erforderlich sind. Welche Verfahren dafür eingesetzt werden, kann sehr unterschiedlich sein.
KI kann danach betrachtet werden, ob ein System menschlich wirkt oder bestimmte Aufgaben rational löst. Beim Turing-Test wird untersucht, ob ein Mensch in einer Unterhaltung zwischen einer Maschine und einem Menschen unterscheiden kann.
Schwache KI ist auf bestimmte Aufgaben oder Anwendungsbereiche ausgerichtet. Starke KI bezeichnet die Vorstellung einer allgemeinen, menschenähnlichen Intelligenz, die weit über einzelne Spezialaufgaben hinausgeht.
Machine Learning ist ein Teilgebiet der KI, bei dem Systeme aus Erfahrungen beziehungsweise Daten lernen. In einer verbreiteten Definition verbessert sich die Leistung P bei einer Aufgabe T durch Erfahrung E.
Beim überwachten Lernen werden Beispiele mit bekannten Zielwerten verwendet, damit das Modell Zusammenhänge erlernt. Beim unüberwachten Lernen sucht das Modell dagegen ohne vorgegebene Zielwerte nach Strukturen in den Daten.
Klassifikation ordnet Beobachtungen bestimmten Kategorien zu, während Regression numerische Werte vorhersagt. Clustering fasst ähnliche Beobachtungen zu Gruppen zusammen, ohne dass die Gruppen vorher vorgegeben sein müssen.
Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Deep Learning ist wiederum ein Teilgebiet des Machine Learning und arbeitet häufig mit künstlichen neuronalen Netzen aus mehreren Verarbeitungsschichten.
Die Entwicklung der KI umfasst frühe symbolische Ansätze, Phasen geringerer Erwartungen und spätere Fortschritte durch mehr Rechenleistung und Daten. Besonders das maschinelle Lernen hat viele heutige Anwendungen geprägt.
Natural Language Processing (NLP) beschäftigt sich mit der automatischen Verarbeitung menschlicher Sprache. Anwendungen sind beispielsweise Übersetzung, Textanalyse oder Sprachassistenten.
Computer Vision ermöglicht es Computersystemen, Informationen aus Bildern und Videos zu verarbeiten. Beispiele sind Objekterkennung oder die Analyse visueller Muster.
Reasoning bedeutet, aus vorhandenen Informationen Schlussfolgerungen abzuleiten. In der KI geht es dabei darum, Regeln oder gelernte Zusammenhänge für neue Aufgaben anzuwenden.
Der Mean Squared Error (MSE) misst den durchschnittlichen quadratischen Abstand zwischen vorhergesagten und tatsächlichen Werten. Grosse Abweichungen fallen wegen des Quadrierens besonders stark ins Gewicht.
Overfitting entsteht, wenn ein Modell die Trainingsdaten sehr genau lernt, aber bei neuen Daten schlecht abschneidet. Deshalb verwendet man getrennte Testdaten, um die Verallgemeinerungsfähigkeit zu überprüfen.
Mit Trainingsdaten lernt ein Modell Zusammenhänge und passt seine Parameter an. Testdaten werden getrennt zurückbehalten, damit man beurteilen kann, wie gut das Modell mit bisher unbekannten Beispielen zurechtkommt.