Der Unterschied zwischen Artificial Intelligence, Machine Learning und Deep Learning

Unterschiede AI, Machine Learning und Deep-Learning

Den Begriff „Artificial Intelligence“, kurz AI kennen alle. Es ist eine Technologie die uns auf Neuland führt. Ob gut, ob böse, die AI ist beliebter Stoff für dystopische Hollywood Blockbuster wie Terminator, Matrix, Transcendence, iRobot, Robocop, Blade Runner, Rollerball, A.I., Ex Machina und viele mehr. Der Unterschied zwischen Artificial Intelligence, Machine Learning und Deep Learning wird in den Populärmedien jedoch selten verständlich erklärt.

Die Digitalisierung der Welt ist in vollem Gange. Ob Fotos, Videos, Musik, persönliche Dokumente, u.v.m.  Leistungsstarke Geräte, die an das Internet angebunden sind, schicken laufend Daten in die Cloud, die verarbeitet werden müssen. In diesem Zusammenhang haben Sie in letzter Zeit vielleicht auch von Begriffen wie „Machine Learning“ und „Deep Learning“ als Synonym für „Artificial Intelligence“ gehört. Worin liegt nun der Unterschied in diesen Begriffen?

AI ist eine Disziplin, eine revolutionäre Universaltechnologie die gerne mit der Erfindung der Elektrizität verglichen wird. Machine Learning und Deep Learning sind Teilgebiete.

Was sind die wichtigsten Unterschiede zwischen Artificial Intelligence, Machine Learning und Deep Learning?

Artificial Intelligence (Künstliche Intelligenz)

Artificial Intelligence ist ein Teilgebiet der Informatik, welches sich mit Automatisierung befasst. Im Grunde ist sie eine Disziplin, in die viele unterschiedliche Wissenschaften einzahlen. Der Begriff „Artificial Intelligence“ wurde 1955 erstmals von John McCarthy definiert. Er erschien in einem Antrag zu einem Forschungsprojekt für die Einreichung von Fördermitteln bei der Rockefeller Foundation.

Machine Learning (Maschinelles Lernen)

Machine Learning ist ein Teilgebiet der künstlichen Intelligenz. Es basiert auf der Idee, aus Beispielen und Erfahrungen zu lernen, ohne explizit programmiert zu sein. Anstatt Code zu schreiben, geben Sie Daten an den generischen Algorithmus weiter, der eine Logik aufbaut, die auf den angegebenen Daten basiert.

Beispiele für maschinelles Lernen
Es gibt viele populäre Beispiele für maschinelles Lernen, mit denen sie täglich zu tun haben, oft ohne es zu realisieren.

  • Die Gesichtserkennung identifiziert Gesichter in Bildern
  • Spam-Filter schützen uns vor einer ungewollten E-Mail Flut.
  • Mit Machine Learning sind aber auch Medizinische Diagnosen wie die Analyse von Röntgenbildern möglich oder Wettervorhersagen.
  • Ebenso das Auffinden von Malware und anderen Anomalien in Daten.
  • Auch persönliche Empfehlungen wie z.B.: in den Anwendungen von Netflix, Amazon sind durch Machine Learning möglich geworden und erleichtern uns die Suche nach Produkten und Filmen.
  • Der Rank Brain Algorithmus von Google liefert Online-Suchergebnisse auf der Grundlage von Präferenzen.

Deep Learning (Tiefes Lernen)

Deep Learning ist ein Teilgebiet des maschinellen Lernens, das sich mit Algorithmen beschäftigt, die von der Struktur und Funktion des Gehirns inspiriert sind.

Deep Learning Kind und Katze
Deep Learning: das Kleinkind lernt, was eine Katze ist. Und nicht ist.

Um Deep Learning zu verstehen, stellen sie sich ein Kind vor, das zum ersten Mal eine Katze sieht und hört. Das Kleinkind lernt, was eine Katze ist (und nicht ist), indem es auf Objekte zeigt und das Wort „Katze“ sagt.

Die Eltern antworten: „Ja, das ist eine Katze“, oder, „Nein, das ist keine Katze“.

Während das Kleinkind weiterhin auf Objekte zeigt, wird es sich der Eigenschaften bewusst, die alle Katzen besitzen. Was das Kleinkind macht – ohne es zu wissen – ist, eine komplexe Abstraktion, nämlich das Konzept der Katze herzustellen!

Und zwar indem es eine Hierarchie aufbaut, in der jede Abstraktionsebene mit Wissen erstellt wird, das aus der vorhergehenden Ebene der Hierarchie gewonnen wurde. Ähnlich faszinierend funktioniert ein künstliches neuronales Netz.

Beispiele für Deep-Learning-Anwendungen

Da Deep Learning-Modelle Informationen auf ähnliche Weise wie das menschliche Gehirn verarbeiten, können Modelle auf viele Aufgaben angewendet werden, die Menschen erledigen! Deep Learning wird derzeit in den meisten gängigen Bildverarbeitungswerkzeugen und der Sprachverarbeitungssoftware eingesetzt.

Zusammenfassend kann man also sagen: AI ist die Disziplin, Machine Learning und Deep Learning sind Teilgebiete.

 

Einfache Infografik - Unterschiede KI, Maschinelles Lernen, Tiefes Lernen

Download als transparentes PNG für ihre Präsentationen: Unterschiede AI, Machine Learning und Deep Learning  – Einfache Infografik (Rechte Maustaste, speichern unter)

%d Bloggern gefällt das: