Maschinelles Lernen und Künstliche Intelligenz — Zwei Seiten der gleichen Medaille oder etwas Grundverschiedenes?
Die Begriffe „Künstliche Intelligenz“ (KI) und „Maschinelles Lernen“ (ML) tauchen inzwischen immer häufiger in den Medien, wie auch im alltäglichen Leben auf. Bis vor wenigen Jahren waren diese Themen ausschließlich in Veröffentlichungen von Universitäten, Forschungseinrichtungen oder großen Technologieunternehmen anzutreffen. Inzwischen sind Sie in vielen alltäglichen Produkten und Dienstleistungen zu finden: Sprach- und Bilderkennung, Spamfilter oder personalisierte Online-Werbung sind nur einige Beispiele der vielfältigen Anwendungsmöglichkeiten.
Die mediale Berichterstattung geht jedoch oft sehr salopp mit den Themen KI und ML um und nutzt auch „Clickbait“-artige Überschriften, z.B. zur Ethik und den Gefahren von KI, um LeserInnen und Views zu akquirieren. Diesen Ängsten und Mythen und ebenso den oft übersteigerten Erwartungen müssen sachliche, wissenschaftlich-fundierte Erkenntnisse entgegengesetzt werden, um die Themen zu de-mystifizieren. Doch die Unterscheidung von Künstlicher Intelligenz und Maschinellem Lernen, welche oft fälschlicherweise als Synonyme benutzt werden, fällt auf den ersten Blick schwerer als erwartet. Im Folgenden grenzen wir die beiden Begriffe voneinander ab und erklären Unterschiede und Gemeinsamkeiten.
Maschinelles Lernen
Maschinelles Lernen (engl. machine learning, ML) bezeichnet IT-Systeme, die durch das Erkennen von Mustern in vorliegenden Daten eigenständig Lösungen für Probleme finden können. ML beschreibt daher mehr die Mechanik, wie ein Computersystem lernt, also insbesondere die zugrundeliegenden mathematischen Modelle und „Algorithmen“ bzw. Lösungsansätze. In der Regel handelt es sich hierbei um ein künstliches System, dass zunächst aus Beispielen lernt. Innerhalb der Lernphase wird ein mathematisches Modell auf Basis von oft großen Mengen an Trainingsdaten verallgemeinert und angepasst. Nach Beendigung der Lernphase entsteht ein trainiertes, generisches Modell, dass das zugrundeliegende Basisproblem (hoffentlich ausreichend) gut löst. Die Idee von ML ist dabei, dass das Modell einen Input erhält und dann oft in „Black-Box-Manier“ eine Problemlösung, wie z.B. eine Datenklassifizierung, präsentiert, ohne dass eine weitere Zeile Code von einem Entwickler geschrieben werden muss, da ja ein „Problemlösungsansatz“ erlernt wurde. Ziel ist es, dass das Modell ähnliche Probleme oder Datensätze genauso gut lösen bzw. in unserem Beispiel klassifizieren kann, ohne zu sehr auf die Trainingsdaten spezifiziert zu sein („Overfitting“-Problem).
Künstliche Intelligenz
Auf der anderen Seite der Medaille steht der Begriff „Künstliche Intelligenz“. Die Wissenschaft kann sich bisher nicht auf eine Definition des Begriffes „Künstliche Intelligenz“ einigen. Schon allein eine Definition des Begriffes „Intelligenz“ führt unter Wissenschaftlern zu Diskussionen. Der folgende Definitionsansatz dient zur grundlegenden Erklärung nicht zur wissenschaftlich korrekten Definition.
Künstliche Intelligenz bezeichnet den Versuch bestimmte Entscheidungsstrukturen und das Problemlösungsverhalten des Menschen nachzubilden. Es beschreibt Computer und Anlagen, die Aufgaben ausführen können, die für die menschliche Intelligenz charakteristisch sind, indem z. B. ein Computer so konstruiert und programmiert wird, dass er vergleichsweise eigenständig Probleme bearbeiten kann. Oftmals wird damit aber nur eine „nachgeahmte“, augenscheinliche Intelligenz bezeichnet, die durch meist einfache Algorithmen ein „intelligentes Verhalten“ simulieren. Von einer als finalem Ziel geltenden, sogenannten „starken künstlichen Intelligenz“, einer 1:1-Repräsentation der menschlichen Intelligenz, ist die Wissenschaft (leider) noch sehr weit entfernt.
Maschinelles Lernen kann somit als ein Teilgebiet von Künstlicher Intelligenz verstanden werden, ähnlich wie Geometrie ein Teilgebiet der Mathematik ist. Weitere KI-Teilgebiete sind beispielsweise die Mustererkennung, Robotik oder die Verarbeitung natürlicher Sprache. Damit stellt KI ein Oberbegriff dar, der verschiedene Arten von „intelligentem Verhalten“ subsummiert.
