Skip to main content
Top

2023 | OriginalPaper | Chapter

3. Machine Learning

Authors : Carsten Lanquillon, Sigurd Schacht

Published in: Knowledge Science – Grundlagen

Publisher: Springer Fachmedien Wiesbaden

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Künstliche Intelligenz (KI) beschäftigt sich damit, Aufgaben von Computern – früher oft als Maschinen bezeichnet – erledigen zu lassen, die typischerweise Menschen erledigen und von denen man annimmt, dass dafür eine gewisse Intelligenz erforderlich ist. Paradoxerweise sind Aufgaben, die für den Menschen einfach erscheinen, für Computer oft eine vergleichsweise große Herausforderung. Umgekehrt sind viele Aufgaben für einen Computer einfach zu lösen, die für den Menschen schwierig oder zu komplex sind. Die aktuelle Entwicklung der KI insbesondere mit Ansätzen aus dem Bereich Deep Learning verschiebt die Grenzen dessen, was mit Computern in Bezug auf konkrete Aufgabenstellungen (schwache KI) erreicht werden kann, allerdings sehr rasant. Gerade auch im Bereich Natural Language Processing (NLP) sind die Fortschritte in den letzten Jahren sehr bedeutend. Bevor wir im folgenden Kapitel auf Deep Learning mit besonders wichtigen Bestandteilen unseres KI-Werkzeugkastens eingehen, stellt dieses Kapitel zum besseren Verständnis der Thematik einen kurzen Überblick über die Entwicklung und grundlegenden Begriffe und Vorgehensweisen des machinellen Lernens dar.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Footnotes
1
Diese frühe und oft zitierte Definition des maschinellen Lernens ist auch heute noch äußerst treffend. Als Quelle wird meist ein Artikel des KI-Pioniers Arthur L. Samuel angegeben [155]. Allerdings findet sich in der verfügbaren Version des Artikels dieses Zitat nicht direkt.
 
2
Die folgende Beschreibung der Aufgabentypen ist gekürzt und angepasst aus [94] übernommen.
 
3
Der Begriff Modell wird in vielen Fachbereichen und insbesondere in der Informatik häufig verwendet und ist völlig überladen. An dieser Stelle sind Modelle im Sinne von Machine-Learning-Modellen, die für uns eine Eingabe in eine gewünschte Ausgabe transformieren, zu unterscheiden von Vorgehensmodelle, die uns Menschen bei der Durchführung von Analyseprojekten helfen, deren Ziel oft die Anwendung von Machine-Learning-Verfahren, also Lernverfahren, zur Erstellung von Modellen aus Daten ist. Es geht hier also (noch) nicht um ein Modell, das eine eigenständige Durchführung eines Analyseprojekts beherrscht. Noch sind wir als Menschen, die die Analyseprojekte steuern. Allerdings nimmt dabei der Automatisierungsgrad stetig zu.
 
4
David Wolpert hat gezeigt, dass es ohne jegliche Annahmen bezüglich der Daten, keinen Grund gibt, warum ein Modell einem anderen vorgezogen werden sollte. Dies ist als Variante des No-Free-Lunch-Theorems bekannt [192].
 
5
Dieses bekannte Zitat wird Peter Norvig zugeschrieben und oft verwendet. Eine wissenschaftliche Quelle lässt sich dafür jedoch nicht finden.
 
Metadata
Title
Machine Learning
Authors
Carsten Lanquillon
Sigurd Schacht
Copyright Year
2023
DOI
https://doi.org/10.1007/978-3-658-41689-8_3

Premium Partner