Was ist „maschinelles Lernen" (Machine Learning)?

Maschinelles Lernen funktioniert, indem man einem System große Mengen an Beispieldaten zuführt und es seine internen Parameter schrittweise anpassen lässt, um Muster zu erkennen, statt dass ein Programmierer jede Regel von Hand ausschreibt. Über viele Runden von Beobachtung und Rückmeldung wird das System besser bei Aufgaben wie Bilderkennung oder Texterzeugung – es lernt gewissermaßen aus Erfahrung, so wie Menschen durch Übung besser werden.

Roboter, die andere Maschinen zusammenbauen, beschreiben physische Fertigungsautomatisierung, ohne Bezug dazu, wie Software Muster aus Daten lernt, und das wortwörtliche Auswendiglernen des gesamten Internets beschreibt die Funktionsweise dieser Systeme falsch, da sie verallgemeinerbare Muster lernen, statt exakten Text zu speichern.

Da Systeme des maschinellen Lernens aus den Daten lernen, die man ihnen gibt, können sie darin enthaltene Verzerrungen aufnehmen und verstärken – deshalb ist die Qualität der Trainingsdaten mittlerweile ein ebenso wichtiges Thema wie die Cleverness des Algorithmus.