Machine Learning

Machine Learning (maschinelles Lernen) beschreibt Algorithmen, die Muster in Daten erkennen und daraus Vorhersagen ableiten. Statt jede Regel einzeln zu programmieren, füttert man ein System mit Beispielen und lässt es selbst Zusammenhänge finden. Arthur Samuel prägte den Begriff 1959, als er ein Programm schrieb, das durch Spielen besser im Damespiel wurde.

In der Science-Fiction ist Machine Learning meist der erste Schritt auf dem Weg zur echten KI. HAL 9000 aus 2001: Odyssee im Weltraum wurde mit Daten trainiert, bevor er eigene Entscheidungen traf. Murderbot aus Martha Wells' Romanen lernt durch Beobachtung menschlichen Verhaltens. Die Unterscheidung zwischen starrem Programm und lernendem System ist oft der Moment, ab dem eine fiktive KI gefährlich oder interessant wird.

Reales Machine Learning steckt heute in Sprachassistenten, Bilderkennungssystemen, medizinischen Diagnosen und autonomen Fahrzeugen. Die Grundidee ist simpel, die Auswirkungen sind weitreichend: Wenn Maschinen aus Erfahrung lernen, verändert das jede Branche, in der Mustererkennung eine Rolle spielt.

Gerade weil maschinelles Lernen Maschinen befähigt, aus Erfahrung statt aus festen Regeln zu handeln, markiert es eine grundlegende Verschiebung. Ein klassisches Programm tut nur, was sein Schöpfer vorgesehen hat, ein lernendes System dagegen entwickelt Verhalten, das niemand explizit einprogrammiert hat. Genau an dieser Stelle wird die Technik für die Science-Fiction interessant und unheimlich zugleich, denn ein System, dessen Entscheidungen aus undurchsichtigen Mustern entstehen, ist schwerer vorherzusagen und zu kontrollieren. Maschinelles Lernen ist damit die reale Wurzel vieler Fragen, die das Genre seit Langem über künstliche Intelligenz stellt.