Du bist nicht mit dem Internet verbunden.
Corporate logo
ComputingHintergrund 2054

Wodurch sich KI, Machine Learning und Deep Learning unterscheiden

Künstliche Intelligenz wird heute häufig in einem Atemzug mit Machine Learning genannt. Machine Learning ist zwar ein Teilgebiet von Künstlicher Intelligenz, synonym lassen sich die Begriffe aber nicht verwenden. Gleiches gilt für Deep Learning. Ein Abgrenzungsversuch.

Ich sollte mir mal wieder die Haare schneiden. Dafür müsste ich aber einen Termin beim Coiffeur machen. Bei meiner Haareschneiderin kann ich leider keine Termine online machen. Ich müsste sie also telefonisch kontaktieren. Telefonieren mag ich aber überhaupt nicht. Zum Glück kann ich Google den Auftrag geben, mir einen Termin zu vereinbaren.

Dieses Beispiel zeigt sehr gut, was KI ist. Künstliche Intelligenz ist der Überbegriff, wenn wir über Intelligenz bei Maschinen sprechen. Wir können künstlichen Intelligenzen im Alltag begegnen, wie das Beispiel des Google Assistenten zeigt. KI soll logisch schlussfolgern können, die Fähigkeit zur Wissensrepräsentation haben, planen, navigieren, Sprache verarbeiten, die Welt wahrnehmen, in ihr interagieren und auch über emotionale Intelligenz und Moral verfügen.

Machine Learning ist ein Teilgebiet von Künstlicher Intelligenz und Deep Learning wiederum ein Teilgebiet von Machine Learning. Doch was hat es mit diesen beiden Begriffen auf sich?

Noch mehr über KI liest du im folgenden Artikel.

Künstliche Intelligenz – Wann gilt sie als intelligent?
SmarthomeHintergrund

Künstliche Intelligenz – Wann gilt sie als intelligent?

Machine Learning

Ein Beispiel für Machine Learning ist die Empfehlungsengine von Netflix. Sie ist ein integraler Bestandteil des Streaming-Dienstes. Auf Basis deiner Vorlieben und Bewertungen empfiehlt dir Netflix entsprechende Filme, Serien und Dokus.

Die Empfehlungsengine von Netflix ist Machine Learning.

Beim Machine Learning wird ein System mit Daten und dazugehörigen Informationen gefüttert. Strassenverkehr zum Beispiel: Ich möchte wissen, wie viele Fahrzeuge an einem Nachmittag vor meinem Haus durchfahren. Zudem würde ich sie gerne nach Fahrzeugtyp sortieren. Ich könnte sie zählen, was aber viel zu aufwändig wäre.

Also füttere ich ein Machine-Learning-System mit visuellen Daten zu verschiedensten Fahrzeugen (Auto, Fahrrad, Motorrad). Dabei gebe ich dem System Informationen zu den Eigenschaften dieser Fahrzeuge. Also, dass ein Fahrrad im Normalfall zwei Räder hat, Pedale und einen Lenker. Es lernt, sie anhand optischer Eigenheiten auseinanderzuhalten. Nachdem ich es mit den mir zur Verfügung stehenden Daten gespeist habe, lasse ich es die Strasse observieren. So treffen auch immer wieder neue Daten auf das System, das diese aufnimmt und mit den vorhandenen abgleicht. So erhalte ich Auskunft über die Art und Anzahl des Verkehrs vor meinem Haus.

Beim Machine Learning kann das System also Vorhersagen auf Basis von bekannten Daten machen. Das System benötigt zwar einiges an Daten, damit es lernt, aber weniger als ein Deep-Learning-System. Machine Learning eignet sich deshalb auch für einfachere Systeme. Die meisten Daten müssen aber im Vornherein manuell eingegeben werden. Eine Aufgabe wird unterteilt und in ihren Einzelteilen gelöst. Es dauert relativ lange, bis ich weiss, ob das System genau genug arbeitet, die Testphase ist entsprechend lang. Das System ist leicht nachvollziehbar, da die Regeln von Menschenhand gemacht wurden.

Deep Learning

Ein Beispiel für Deep Learning ist das automatische Einfärben von Schwarz-Weiss-Fotos. Das Deep-Learning-System lernt anhand von Farbmustern, die üblicherweise auf Fotos zu finden sind. Etwa, dass der Himmel meist blau ist und Wolken häufig weiss-grau. Dieses Wissen überträgt es dann auf weitere Schwarz-Weiss-Fotos.

Ergebnisse von Bilder-Einfärbungen durch Deep Learning
Bild: http://hi.cs.waseda.ac.jp/~iizuka/projects/colorization/en/

Im Gegensatz zum herkömmlichen Machine Learning können Systeme beim Deep Learning auch von selbst lernen. Beim nicht überwachten Deep Learning etwa werden Daten zwar noch von Menschenhand eingespeist, aber das System verarbeitet diese selbst. Das funktioniert mit künstlichen neuronalen Netzwerken.

Zurück zum Beispiel der Fahrzeugzählung. Dieses Mal werden dem System visuelle Daten ohne weitere Informationen zur Verfügung gestellt. Diese Bilder teilt das System in grobe Pixel auf (z.B. 28×28). Die Informationen lässt es durch das künstliche neuronale Netzwerk laufen, damit das System lernt, die verschiedenen Fahrzeugtypen zu unterscheiden. Nachdem es das gelernt hat, lassen wir neue Daten – die tatsächliche Verkehrszählung – auf das System los. Diese erkennt es nun korrekt.

Wie das Ganze im Detail funktioniert, ist sehr komplex. Damit setze ich mich zurzeit auseinander und schreibe demnächst einen Artikel darüber.

Deep-Learning-Systeme denken und lernen durch künstliche neuronale Netzwerke wie wir Menschen. Die Performance nimmt zu, je mehr Daten zur Verfügung stehen. Und davon braucht es einige – viel mehr als beim Machine Learning. Das Teilgebiet von Machine Learning bietet dafür bessere Skalierbarkeit als andere ML-Systeme. Das hat seinen Preis: Deep Learning erfordert einiges an Rechenpower, weshalb es eher bei komplexen Systemen Anwendung findet. Probleme werden in ihrer Ganzheit erfasst. Das System entscheidet selbst, von was es etwas lernt. Bis die Systeme gelernt haben, dauert es zwar länger als bei anderen ML-Systemen, dafür wird weniger Zeit fürs Testen benötigt.

Zusammenfassung

Kurz und knapp lässt sich sagen, dass KI ein Konzept ist und Machine Learning ein möglicher Weg, KI zu erreichen. KI ist sozusagen das Gefäss. Dabei handeln und denken intelligente Maschinen wie Menschen. Durch Machine Learning lernt ein System durch Programmierung. Beim Deep Learning lernt kann das System auch eigenständig lernen.

Oder anders ausgedrückt: Alles Machine Learning ist KI, aber nicht alle KI ist Machine Learning. Analog dazu ist alles Deep Learning Machine Learning, aber nicht alles Machine Learning ist Deep Learning. Und zu guter Letzt: Alles Deep Learning ist KI, aber nicht alle KI ist Deep Learning.

Klingt verwirrend, ist aber eigentlich ganz einfach.

Diese Beiträge könnten dich auch interessieren

Vom Abakus zum Arithmometer: Geschichte des Computings, Teil 1

Vom Abakus zum Arithmometer: Geschichte des Computings, Teil 1

5 Sprachassistenten-Fails, die du kennen musst
SmarthomeNews & Trends

5 Sprachassistenten-Fails, die du kennen musst

Künstliche Intelligenz – Wann gilt sie als intelligent?
SmarthomeHintergrund

Künstliche Intelligenz – Wann gilt sie als intelligent?

User
Technologie und Gesellschaft faszinieren mich. Die beiden zu kombinieren und aus unterschiedlichen Blickwinkeln zu betrachten ist meine Leidenschaft.

20 Kommentare

Bitte melde dich an.

Du musst angemeldet sein, um einen neuen Kommentar zu erfassen.


User Anonymous

Funny ich hab nur den YOLO Algo gesehen auf deinem Bild mit den Fahrzeugen (gelbe Umrandung). Den Title mehr oder weniger übersprungen /ignor … :-P

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Anonymous

Hem.. die Aussage: “Deep Laerning lernt das System eigenständig”, würde ich nicht so unterschreiben. In Deep Learning wird auch unterschieden zwischen supervised and unsupervised learning. Ein CNN oder RNN gehört meist zu den Supervised Learning. ML gehört primär auch zu den Supervised Learning Algos, so hab ich es verstanden.

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Anonymous

Ein GAN, DCGAN gehört zu den semi supervised learning (ein Hybrid also..fast vergessen). Ein RL ist dann ein Unsupervised Learning, das wo oft sehr schwierig bis die Hyperparameter zum Algo gut laufen. Das coole oder uncoole an RL ist, dass jeder Learn Run sich anders verhält. Sozusagen das Ergebnis kann mit den gleichen Hyperparameter bei einem frischen Start fürs Lernen sich komplett anders verhalten.

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Anonymous

RL hat was von einem Hunde Training, das System oder ein Hund möchte die maximale Belohnung bekommen in der kürzesten Zeit.

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Anonymous

Das war jedenfalls meine Erfahrung vom Programmieren und Trainier solcher Systeme.
Der klare unterschied zwischen Deep Learning und Maschine Learning ist für mich: Deep Learning Algos haben immer 1 oder N Hidden Layer.

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Kevin Hofer

Hi
Besten Dank für deinen Kommentar und die weiterführende Erklärung. Ich hab die Aussage im Text etwas entschärft.

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

Antworten
User jettaman

Haha musste lachen als der süsse kleine Mini als SUV erkannt wurde.

05.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User bugtherug

Ich auch :-D. Sinnbildlich für die Überbewertung der KI. Die Menschheit schafft sich eine weitere Wahrheit welche potentiell nur Rotz ist :-D

05.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

Antworten
User Bireweich

Sorry, ich finde den Artikel inhaltslos. Hinter künstlicher Intelligenz steckt viel Mathematik. Der Versuch Unterschiede zu beschreiben, ohne den mathematischen Hintergrund zu kennen, ist von vornherein zum Scheitern verurteilt. Ich anerkenne die Faszination für das Thema und den Mut sich mit dem Thema auseinanderzusetzen.

06.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User sannder

I am sorry but I think we have to first understand that the current AI hype is driven mainly by marketing strategies and not by major breakthroughs in the domain. It's the efficient hardware that makes it possible to afford computing power. The overuse of the "AI" makes this term meaningless.

18.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Anonymous

Vorschläge von Netflix sind meistens für nix -.-
Soll noch etwas weiter lernen..

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User hosae

Dann schaust du ganz einfach zu wenig :)

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User ignobledaniel

reddit.com/r/dataisbeautifu...

Anscheinend sind die Netflix Predictions wirklich nicht das Gelbe vom Ei ;-)

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

Antworten
User Anonymous

Der ganze Abschnitt von "Die meisten Daten müssen aber im Vornherein manuell eingegeben werden. [...] die Regeln von Menschenhand gemacht wurden." ist doch nicht korrekt. Daten können auch von Sensoren gesammelt werden und dann per Scripts eingelesen werden. Und der intelligente daran ist ja, dass

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Anonymous

schlussendlich die Maschinen lernen und keine Regeln von Menschenhand eingegeben werden. Also z.B bei SVM (Support Vector Machines) ist einzig der Algorithmus zum lernen vorgegeben. Aber was genau gelernt wird ist nicht per Regeln vom Menschen vorgegeben. Und auch der Teil das die Auswertung lange dauert ist nicht per se korrekt. Falls z.B ein Classifier geschrieben wird, kann die Performance davon in wenigen Minuten ausgewertet werden auf moderner Hardware.

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Kevin Hofer

Hi
Besten Dank für deinen Kommentar. Diesen kann ich sehr gut nachvollziehen, bin aber nicht in allen Punkten damit einverstanden. Das Wort «Menschenhand» habe ich wohl etwas unglücklich gewählt, wenn dadurch tatsächlich das manuelle Abtippen von Daten verstanden wird.
Dein Beispiel mit den Sensoren und dem Script verhält aber nicht ganz. Menschen stellen die Sensoren ja auf und richten sie auf spezifische Objekte/Subjekte. Und auch das Script wird ja von Menschen geschrieben. Im weiteren Sinne werden die Daten also trotzdem von «Menschenhand» eingetragen. Aber wenn du ein Argument dagegen hast, lasse ich mich gerne umstimmen.

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

User Anonymous

MAXIMUM 500 Zeichen. Wie Hackst du das System ?
Diese Limite ist doof. Wie machsch du de Hack?

04.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.

Antworten
User clipboard

Weil telefonieren uncool ist, sollen das und mehr von Maschinen übernommen werden, die irgendwann selber logisch ergänzen können. Technisch finde ich das auch interessant. Doch bald werden viele Menschen keine Jobs mehr haben. Alle können nicht Software entwickeln - das können Maschinen bald besser

05.06.2018
Missbrauch melden

Du musst dich anmelden um einen Missbrauch zu melden.