Hintergrund
Künstliche Intelligenz – Wann gilt sie als intelligent?
von Kevin Hofer
Wodurch sich KI, Machine Learning und Deep Learning unterscheiden
4.6.2018
Künstliche Intelligenz wird heute häufig in einem Atemzug mit Machine Learning genannt. Machine Learning ist zwar ein Teilgebiet von Künstlicher Intelligenz, synonym lassen sich die Begriffe aber nicht verwenden. Gleiches gilt für Deep Learning. Ein Abgrenzungsversuch.
Ich sollte mir mal wieder die Haare schneiden. Dafür müsste ich aber einen Termin beim Coiffeur machen. Bei meiner Haareschneiderin kann ich leider keine Termine online machen. Ich müsste sie also telefonisch kontaktieren. Telefonieren mag ich aber überhaupt nicht. Zum Glück kann ich Google den Auftrag geben, mir einen Termin zu vereinbaren.
Dieses Beispiel zeigt sehr gut, was KI ist. Künstliche Intelligenz ist der Überbegriff, wenn wir über Intelligenz bei Maschinen sprechen. Wir können künstlichen Intelligenzen im Alltag begegnen, wie das Beispiel des Google Assistenten zeigt. KI soll logisch schlussfolgern können, die Fähigkeit zur Wissensrepräsentation haben, planen, navigieren, Sprache verarbeiten, die Welt wahrnehmen, in ihr interagieren und auch über emotionale Intelligenz und Moral verfügen.
Machine Learning ist ein Teilgebiet von Künstlicher Intelligenz und Deep Learning wiederum ein Teilgebiet von Machine Learning. Doch was hat es mit diesen beiden Begriffen auf sich?
Noch mehr über KI liest du im folgenden Artikel.
Machine Learning
Ein Beispiel für Machine Learning ist die Empfehlungsengine von Netflix. Sie ist ein integraler Bestandteil des Streaming-Dienstes. Auf Basis deiner Vorlieben und Bewertungen empfiehlt dir Netflix entsprechende Filme, Serien und Dokus.
Beim Machine Learning wird ein System mit Daten und dazugehörigen Informationen gefüttert. Strassenverkehr zum Beispiel: Ich möchte wissen, wie viele Fahrzeuge an einem Nachmittag vor meinem Haus durchfahren. Zudem würde ich sie gerne nach Fahrzeugtyp sortieren. Ich könnte sie zählen, was aber viel zu aufwändig wäre.
Deep Learning
Ein Beispiel für Deep Learning ist das automatische Einfärben von Schwarz-Weiss-Fotos. Das Deep-Learning-System lernt anhand von Farbmustern, die üblicherweise auf Fotos zu finden sind. Etwa, dass der Himmel meist blau ist und Wolken häufig weiss-grau. Dieses Wissen überträgt es dann auf weitere Schwarz-Weiss-Fotos.
Im Gegensatz zum herkömmlichen Machine Learning können Systeme beim Deep Learning auch von selbst lernen. Beim nicht überwachten Deep Learning etwa werden Daten zwar noch von Menschenhand eingespeist, aber das System verarbeitet diese selbst. Das funktioniert mit künstlichen neuronalen Netzwerken.
Wie das Ganze im Detail funktioniert, ist sehr komplex. Damit setze ich mich zurzeit auseinander und schreibe demnächst einen Artikel darüber.
Zusammenfassung
Kurz und knapp lässt sich sagen, dass KI ein Konzept ist und Machine Learning ein möglicher Weg, KI zu erreichen. KI ist sozusagen das Gefäss. Dabei handeln und denken intelligente Maschinen wie Menschen. Durch Machine Learning lernt ein System durch Programmierung. Beim Deep Learning lernt kann das System auch eigenständig lernen.
Oder anders ausgedrückt: Alles Machine Learning ist KI, aber nicht alle KI ist Machine Learning. Analog dazu ist alles Deep Learning Machine Learning, aber nicht alles Machine Learning ist Deep Learning. Und zu guter Letzt: Alles Deep Learning ist KI, aber nicht alle KI ist Deep Learning.
Klingt verwirrend, ist aber eigentlich ganz einfach.
Kevin Hofer
Senior Editor
kevin.hofer@digitecgalaxus.chTechnologie und Gesellschaft faszinieren mich. Die beiden zu kombinieren und aus unterschiedlichen Blickwinkeln zu betrachten, ist meine Leidenschaft.
Hintergrund
Interessantes aus der Welt der Produkte, Blicke hinter die Kulissen von Herstellern und Portraits von interessanten Menschen.
Alle anzeigen
