Was ist Machine Learning

Vorschau

Seit Jahrtausenden versuchen Menschen zu verstehen, wie Denkprozesse funktionieren und wie sie sich mit irgendwelchen Maschinen nachbilden lassen. Das bestreben der Menschheit und insbesondere des modernen Lebens ist es, anspruchsvolle und komplexe Aufgaben zu automatisieren. Unsere modernen Computer sind Meister im Berechnen, die Klassifizierung von Bildern, kranke und gesunde Zellen zu unterscheiden oder Sprache zu erkennen, waren jedoch bis vor kurzem noch undenkbar. Doch genau dort, wo es um Fertigkeiten des menschlichen Verstands geht, hat Machine Learning seinen Platz gefunden.

Machine Learning und Deep Learning hat sich in den letzen Jahren zu einer treibenden Disziplin in der IT-Branche entwickelt, die zwischen Data Analytics, Künstlicher Intelligenz und Big-Data angesiedelt ist. Mit Deep Learning ist es möglich, Computer in die Lage zu versetzen, komplexe Aufgaben zu lösen. Prominent und bekannt ist beispielsweise die Spracheingabe bei Mobiltelefonen oder das selbstständige Fahren von Autos. Auch wenn uns Machine Learning im Alltag bereits als fester Begleiter zur Seite steht, so bleiben die Potentiale im Laboralltag jedoch zumeist noch ungenutzt.

Ziel der Entwicklung auf dem Gebiet der Künstlichen Intelligenz ist es, Systeme zu entwickeln, die in einigen Bereichen mindestens die gleiche Performanz wie ein menschlicher Experte erreichen. Diese Systeme bearbeiten Aufgaben, für deren Lösung der Mensch seinen Verstand und sein Wissen benötigt, damit die so erreichte Leistung als intelligent empfunden werden kann. Im Gegensatz zur klassischen Vorgehensweise in der Programmierung, bei der die Verarbeitung komplett durch den Menschen programmiert werden muss, beruht Machine Learning darauf, dass das Wissen der Menschen computergerecht aufbereitet in den Computer übertragen wird und der Computer eigene Schlussfolgerungen aus dem Wissen ziehen kann. Dieses Prinzip nennt man wissensbasierte Verarbeitung. Während bei der klassischen Systementwicklung die Programmierer zumeist eine aufwendige Adaption an neue Gegebenheiten durchführen müssen, zeichnen sich wissensbasierte Systeme durch eine gute Erklärungsfähigkeit aus.

Die Grundlage des Machine Learning ist es aus Beispielen z.B. Regelmäßigkeiten, Muster oder Modelle zu lernen, mit deren Hilfe man neue Daten klassifizieren oder künftige Werte vorschlagen kann. Dabei wird die künstliche Intelligenz (KI) empirisch mithilfe von Beispielen und Daten trainiert. Nach Beendigung dieser Lernphase entstehen Modelle, welche durch Erkennung von Regelmäßigkeiten, Muster und Beziehungen diese gelernt haben zu verallgemeinern. Im Anschluss an diese Lernphase werden die Modelle dann verwendet, um unbekannte Daten zu untersuchen und wiederum die erlernten Regelmäßigkeiten, Muster und Beziehungen zu identifizieren. Beim Machine Learning gibt es unterschiedliche Formen des Lernens, eine davon ist das sogenannte überwachte Lernen, bei dem einem System vorgegeben wird, was es lernen soll, z.B. einen bestimmten Sachverhalt in Daten zu erkennen.

Im folgenden Kurs wird auf den Einsatz von Machine Learning in der Labordiagnostik eingegangen, dabei soll eine künstliche Intelligenz trainieren werden, um selbstständig Diagnosen zu erstellen und entsprechende Berichte zu schreiben. Der verwendete Diagnose-Server kann ebenfalls hier bezogen werden.

Zurück zu: Machine Learning Diagnostik > 020 Einleitung