Machine Learning

Machine Learning ist keine Zauberei

Ich dachte, es wäre Magie! Maschinelles Lernen, respektive Machine Learning, kann die Zukunft voraussagen und diese sogar mitbeeinflussen. Die Algorithmen der Maschinen sehen Chancen und Risiken, die ich nicht sehe. Maschinen wissen, was passieren wird, bevor ich es erahne. Sie lösen Probleme, die ich nicht lösen kann. Und dies nur, indem die Maschinen die Vergangenheit in Form von Daten kennen und daraus lernen. Das grenzt an Zauberei!
Doch mit Zauberei hat dies wenig zu tun. Seit Jahrzenten sammeln und verarbeiten Computer Daten wesentlich effizienter und fehlerfreier als der Mensch. Sie stellen mittels Algorithmen bereits heute gute Prognosen. Und je schneller die Rechner und je mehr qualitativ hochwertige Daten vorhanden sind, umso exakter werden die Zukunftsprognosen.

Wie funktioniert Machine Learning?

Jeder Mensch, jedes Gerät, jeder Haushalt und jeder Geschäftsprozess ist permanent mit der Cloud verbunden und hinterlässt dort Datenspuren. Auf diese Daten greifen die Maschinen in einer noch nie da gewesenen Form und Geschwindigkeit zu, werten diese präzise aus und lernen permanent dazu. Computersysteme sind heute so leistungsfähig, dass wir sie problemlos mit Unmengen von Daten, wie beispielsweise Bewegungsdaten, Bildern, Videos oder Geräuschen, füttern können. Deren Geschwindigkeit erlaubt die Anwendung von komplexen Algorithmen. Im Gegensatz zum menschlichen Hirn erkennen diese Algorithmen neue, unerwartete Arten von Mustern in den riesigen Datenbergen. Sie lernen daraus, stellen Zukunftsprognosen und lernen wieder aus diesen Prognosen. So werden die Maschinen stets intelligenter.

Flächendeckender Einsatz von Machine Learning

Maschinelles Lernen ist zwischenzeitlich state of the art. Google, Microsoft, IBM und AWS bieten Machine-Learning-APIs und Tools über ihre jeweiligen Cloud-Plattformen an. Dies erlaubt Entwicklern ohne fundierte Programmier- und Mathematikkenntnisse intelligente Dienste für ihr Unternehmen zu erstellen. Alle Branchen sind darauf angewiesen, maschinelles Lernen für ihren Geschäftserfolg zukünftig einzusetzen. So erhalten beispielsweise Kunden bessere Empfehlungen, Mitarbeitende genauere Erfolgsprognosen geplanter Aktivitäten oder Entscheidungsträger sinnvolle Vorschläge, wie sie drohende Schäden präventiv minimieren oder den Geschäftserfolg maximieren können.
Bildungsorganisationen wie das Institut für berufliche Aus- und Weiterbildung IBAW bieten u.a. verschiedene Module im Studiengang Data Scientist NDK HF an, wie beispielsweise Prinzipien von Machine Learning, Anwendung von Machine Learning oder Programmierung mit R/Python, in welchen der Umgang mit „Maschinellem Lernen“ sowie Data Science praxisnah erlernt werden kann.

Ausblick – Menschliche versus künstliche Intelligenz?

Aber wo liegt der Unterschied zwischen künstlicher und menschlicher Intelligenz? Ist die menschliche Intelligenz kreativer? Ist die künstliche Intelligenz logischer und exakter? Ist der nächste Picasso vielleicht ein Roboter? Oder kann die Maschine sogar die Magie von Liebe erlernen? Auf diese Fragen fehlt zurzeit noch die Antwort. Doch wer weiss, was die Zeit und das stetige Dazulernen mit sich bringt.