Worin besteht der Unterschied zwischen künstlicher Intelligenz und maschinellem Lernen?

Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) sind zwei derzeit sehr gefragte Schlagwörter, die oft synonym verwendet werden.

Sie sind nicht ganz dasselbe, aber die Annahme, sie wären es, kann manchmal zu Verwirrung führen. Deshalb dachte ich, es wäre sinnvoll, einen Artikel zu schreiben, um den Unterschied zu erklären.

Beide Begriffe tauchen sehr häufig auf, wenn es um Big Data, Analytik und die umfassenderen Wellen des technologischen Wandels geht, die unsere Welt erfassen.

Kurz gesagt, die beste Antwort lautet:

Künstliche Intelligenz ist der umfassendere Begriff der Fähigkeit von Maschinen, Aufgaben auf eine Weise auszuführen, die wir als „intelligent“ bezeichnen würden.

Und,

Maschinelles Lernen ist eine aktuelle Anwendung der KI, die auf der Idee basiert, dass wir Maschinen einfach Zugang zu Daten geben und sie selbst lernen lassen sollten.

Anfangszeit

Künstliche Intelligenz gibt es schon lange – die griechischen Mythen erzählen von mechanischen Wesen, die unser Verhalten nachahmen sollten. Frühe europäische Computer wurden als „logische Maschinen“ konzipiert, und indem sie Fähigkeiten wie einfache Arithmetik und Speicherfunktionen nachbildeten, sahen Ingenieure ihre Aufgabe im Grunde darin, mechanische Gehirne zu erschaffen.

Mit dem technologischen Fortschritt und vor allem unserem wachsenden Verständnis der Funktionsweise unseres Geistes hat sich auch unser Verständnis von KI gewandelt. Anstatt immer komplexerer Berechnungen konzentriert sich die KI-Forschung nun darauf, menschliche Entscheidungsprozesse nachzuahmen und Aufgaben auf immer menschlichere Weise auszuführen.

Künstliche Intelligenzen – also Systeme, die intelligent agieren sollen – werden oft in zwei grundlegende Gruppen eingeteilt: angewandte und allgemeine KI. Angewandte KI ist weitaus verbreiteter – Systeme, die für den intelligenten Handel mit Aktien oder die Steuerung autonomer Fahrzeuge entwickelt wurden, fallen in diese Kategorie.

Generalisierte KIs – Systeme oder Geräte, die theoretisch jede Aufgabe bewältigen können – sind weniger verbreitet, doch gerade hier finden derzeit einige der spannendsten Fortschritte statt. Aus diesem Bereich ging auch das maschinelle Lernen hervor. Obwohl es oft als Teilgebiet der KI bezeichnet wird, ist es genauer, es als den aktuellen Stand der Technik zu betrachten.

Der Aufstieg des maschinellen Lernens 

Zwei wichtige Durchbrüche führten dazu, dass maschinelles Lernen zu dem Motor wurde, der die KI-Entwicklung mit der heutigen Geschwindigkeit vorantreibt.

Eine dieser Erkenntnisse war die Einsicht – die Arthur Samuel im Jahr 1959 zugeschrieben wird –, dass es möglich sein könnte, Computern beizubringen, selbstständig zu lernen, anstatt ihnen alles beizubringen, was sie über die Welt und die Ausführung von Aufgaben wissen müssen.

Der zweite, jüngere Faktor war das Aufkommen des Internets und der enorme Anstieg der Menge an digitalen Informationen, die erzeugt, gespeichert und zur Analyse bereitgestellt werden.

Nachdem diese Innovationen eingeführt waren, erkannten die Ingenieure, dass es viel effizienter wäre, Computern und Maschinen beizubringen, alles zu tun, als sie so zu programmieren, dass sie wie Menschen denken, und sie dann mit dem Internet zu verbinden, um ihnen Zugang zu allen Informationen der Welt zu verschaffen.

Neuronale Netze

Die Entwicklung neuronaler Netze war der Schlüssel dazu, Computern beizubringen, so zu denken und die Welt so zu verstehen wie wir, und gleichzeitig die ihnen innewohnenden Vorteile gegenüber uns, wie Geschwindigkeit, Genauigkeit und Unvoreingenommenheit, beizubehalten.

Ein neuronales Netzwerk ist ein Computersystem, das Informationen ähnlich wie das menschliche Gehirn klassifiziert. Es kann beispielsweise darauf trainiert werden, Bilder zu erkennen und sie anhand ihrer enthaltenen Elemente zu klassifizieren.

Im Wesentlichen basiert es auf einem Wahrscheinlichkeitssystem: Anhand der ihm zugeführten Daten kann es Aussagen treffen, Entscheidungen fällen oder Vorhersagen mit einer gewissen Sicherheit treffen. Durch das Hinzufügen einer Rückkopplungsschleife wird „Lernen“ ermöglicht: Indem es erkennt oder darüber informiert wird, ob seine Entscheidungen richtig oder falsch sind, passt es seinen zukünftigen Ansatz an.

Anwendungen des maschinellen Lernens können Texte lesen und erkennen, ob der Verfasser eine Beschwerde äußert oder gratuliert. Sie können auch Musikstücke analysieren, deren Wirkung auf Freude oder Trauer einschätzen und passende Musikstücke finden. In manchen Fällen können sie sogar eigene Musik komponieren, die dieselben Themen aufgreift oder von der sie wissen, dass sie den Fans des Originalstücks gefallen dürfte.

Dies sind alles Möglichkeiten, die Systeme auf Basis von maschinellem Lernen und neuronalen Netzen bieten. Nicht zuletzt dank Science-Fiction ist die Idee entstanden, dass wir mit elektronischen Geräten und digitalen Informationen so natürlich kommunizieren und interagieren können sollten wie mit anderen Menschen. Aus diesem Grund hat sich ein weiteres Gebiet der KI – die Verarbeitung natürlicher Sprache (NLP) – in den letzten Jahren zu einer Quelle äußerst spannender Innovationen entwickelt, das stark auf maschinellem Lernen basiert.

Anwendungen der natürlichen Sprachverarbeitung (NLP) versuchen, die natürliche menschliche Kommunikation – ob geschrieben oder gesprochen – zu verstehen und mit uns in ähnlicher, natürlicher Sprache zu kommunizieren. Maschinelles Lernen (ML) hilft Maschinen dabei, die vielfältigen Nuancen der menschlichen Sprache zu erfassen und so zu reagieren, dass die jeweilige Zielgruppe die Botschaft versteht.

Ein Fall von Markenbildung?

Künstliche Intelligenz – und insbesondere maschinelles Lernen (ML) – hat zweifellos viel zu bieten. Mit dem Versprechen, Routineaufgaben zu automatisieren und gleichzeitig kreative Erkenntnisse zu liefern, profitieren Branchen aller Sektoren, vom Bankwesen über das Gesundheitswesen bis hin zur Fertigung. Daher ist es wichtig zu bedenken, dass KI und ML etwas anderes sind … sie sind Produkte, die kontinuierlich und gewinnbringend verkauft werden.

Maschinelles Lernen wurde von Marketingfachleuten zweifellos als Chance erkannt. Da KI schon so lange existiert, könnte man meinen, sie sei etwas „altmodisch“, noch bevor ihr volles Potenzial ausgeschöpft werden konnte. Auf dem Weg zur „KI-Revolution“ gab es einige Fehlstarts, und der Begriff „Maschinelles Lernen“ bietet Marketingfachleuten etwas Neues, Attraktives und vor allem Prägnantes, das sie im Hier und Jetzt präsentieren können.

Die Tatsache, dass wir letztendlich menschenähnliche KI entwickeln werden, wurde von Technologen oft als unausweichlich betrachtet. Sicherlich sind wir diesem Ziel heute näher denn je und bewegen uns mit zunehmender Geschwindigkeit darauf zu. Viele der beeindruckenden Fortschritte der letzten Jahre verdanken wir den grundlegenden Veränderungen in unserem Verständnis von KI, die durch maschinelles Lernen angestoßen wurden. Ich hoffe, dieser Artikel hat einigen Lesern geholfen, den Unterschied zwischen KI und maschinellem Lernen zu verstehen.