Machine Learning

Machine Learning, auf Deutsch maschinelles Lernen, bezeichnet Verfahren, bei denen ein Modell anhand von Daten trainiert wird und daraus Muster für die Verarbeitung neuer Fälle ableitet. (Google) Das Ziel ist, auch mit zuvor ungesehenen Daten nützliche Ergebnisse zu erzeugen, sofern diese zu den erlernten Zusammenhängen passen. (Google)

So kannst du dir das vorstellen

Du möchtest eingehende E-Mails nach „Bestellung“, „Reklamation“ und „Sonstiges“ sortieren. Eine Möglichkeit wäre, für jede denkbare Formulierung Regeln zu schreiben: Steht „beschädigt“ im Text, leite die Nachricht an den Kundenservice weiter.

Für ein Lernverfahren würdest du stattdessen Beispiele zusammenstellen, die bereits richtig zugeordnet wurden. Eine Mail enthält vielleicht „Das Paket ist angekommen, aber der Griff fehlt“. Eine andere lautet „Bitte liefern Sie uns noch zehn Stück“. Die gewünschte Aufgabe besteht darin, aus solchen Beispielen eine Zuordnung abzuleiten, die auch bei neuen Formulierungen funktioniert.

Diese Beispielaufgabe steht für überwachtes Lernen: Trainingsbeispiele enthalten sowohl die Eingabe als auch die gewünschte Zielinformation. (Google) Es gibt weitere Lernverfahren, die mit anderen Formen von Rückmeldung arbeiten. (Google)

Warum gute Testergebnisse allein nicht reichen

Für die Postfachsortierung würde ich einen Teil der Nachrichten zurückhalten und erst nach dem Training zur Prüfung verwenden. Sonst bliebe offen, ob das Modell neue Fälle bewältigt oder vor allem mit den bereits gesehenen Beispielen zurechtkommt.

Im Fachwortschatz heißt die Fähigkeit, gelernte Zusammenhänge auf neue Daten zu übertragen, Generalisierung; Overfitting beschreibt dagegen eine zu starke Anpassung an die Trainingsdaten. (Google) Beides gehört zusammen: Ein überzeugendes Trainingsergebnis ist erst der Anfang der Bewertung.

Lernen und Anwenden sind unterschiedliche Schritte

Beim Training werden Modellparameter angepasst; beim anschließenden Anwenden, der Inferenz, erzeugt das trainierte Modell ein Ergebnis für eine Eingabe. (Google) Aus einer einzelnen Nutzung folgt deshalb noch nicht, dass das Modell dabei weitertrainiert wird.

Wenn ein Anbieter sagt, sein System „lerne mit“, lohnt eine konkrete Rückfrage: Werden Modellparameter verändert, werden Informationen gespeichert oder wird nur ein Gesprächsverlauf berücksichtigt? Diese Unterscheidung würde ich vor allem bei vertraulichen Unternehmensdaten schriftlich klären.

Verwandte Begriffe

Hier schließen Training, Inferenz, Training Set, Generalisierung, Overfitting und Deep Learning an. Die ersten beiden helfen besonders dabei, Produktversprechen richtig einzuordnen.