Die Schlagworte „Künstliche Intelligenz“ (auch Artificial Intelligence) und „Maschinelles Lernen“ (auch Machine Learning) gehören aktuell zu den absoluten Top-Trends im IT-Umfeld. Die beiden Begriffe werden jedoch oft verwechselt oder sogar als Synonym für einander verwendet, was immer häufiger zu Verwirrung und unklarer Abgrenzung der Themen führt. Der folgende Artikel soll deshalb vor allem eines deutlich machen: Machine Learning ist ein Teilgebiet des breiter gefächerten Begriffs „Künstliche Intelligenz“ und sollte somit keinesfalls als Synonym verwendet werden.

Doch wie genau definieren sich eigentlich „Künstliche Intelligenz“ und „Machine Learning“? Ist durch die Definition der einzelnen Teilbereiche eventuell schon eine Abgrenzung erkennbar?

Die so genannte „Künstliche Intelligenz“ hat ihren Ursprung in Arbeiten der Wissenschaftler McCulloch und Pitts, die bereits im Jahr 1943 von einem technischen Netzwerk verknüpfter Neuronen sprachen, welches komplexe, berechenbare Aufgaben lösen kann. Berühmte Wissenschaftler wie Shannon oder Turing folgten in den 1950er Jahren mit ihren Ausarbeitungen zu dem Thema.

In den vergangenen Jahrzenten konnte sich keine einheitliche Definition des Begriffs „Künstliche Intelligenz“ etablieren – vor allem, weil auch die Definition des Begriffs „Intelligenz“ schwerfällt. Die Definitionen von „Künstlicher Intelligenz“ lassen sich in vier Kategorien zusammenfassen:

  1. Systeme, die wie Menschen denken.
    z.B. „“[The automation of] activities that we associate with human thinking, activities such as decision-making, problem solving, learning …„(Bellman, 1978)
  1. Systeme, die wie Menschen handeln.
    z.B. „The art of creating machines that perform functions that require intelligence when performed by people“ (Kurzweil, 1990)
  1. Systeme, die rational denken.
    z.B. „The study of the computations that make it possible to perceive, reason, and act“ (Winston, 1992)
  1. Systeme, die rational handeln.
    z.B. „A field of study that seeks to explain and emulate intelligent behavior in terms of computational processes“ (Schalkoff, 1990)

Zu jeder dieser Kategorien wurden in der Vergangenheit wertvolle Entdeckungen gemacht (z.B. der Turing Test in Kategorie 2 oder der Ansatz des rationalen Agenten in Kategorie 4), weshalb keine dieser Bereiche bei einer umfassenden Betrachtung von Künstlicher Intelligenz außer Acht gelassen werden sollte. Vor allem bei näherer Betrachtung der zweiten Kategorie – der Untersuchung von Systemen, die wie Menschen handeln – begegnet einem der Begriff „Machine Learning“ immer häufiger.

Eine der ersten Definitionen des Ausdrucks „Machine Learning“ stammt von Arthur Samuel aus dem Jahr 1959. Dieser beschreibt Machine Learning als „field of study that gives computers the ability to learn without being explicitly programmed”. Mit Hilfe der Anwendung von statistischen Methoden und Algorithmen (wie z.B. Klassifizierung oder Clustering) auf große Datenmengen, können Maschinen eigenständig „lernen“ und die gelernten Muster für datenbasierte, intelligente Entscheidungen einsetzen. Die beiden großen Vorteile gegenüber direkt programmierten Funktionalitäten lassen sich also demnach durch die höhere Komplexität und die Adaptivität von Machine Learning zusammenfassen. Eine Teilmenge bzw. Methode des Machine Learnings ist das so genannte „Deep Learning“, das sich folgendermaßen beschreiben lässt: „Deep learning allows computational models that are composed of multiple processing layers to learn representations of data with multiple levels of abstraction”.

Alleine durch die Betrachtung der Definitionen von „Künstlicher Intelligenz“ und „Machine Learning“ lässt sich also feststellen, dass Machine Learning als Teilmenge des Gebiets der Künstlichen Intelligenz zu verstehen und abzugrenzen ist. Machine Learning ist immer auch gleichzeitig als eine Art Künstliche Intelligenz zu verstehen, aber nicht alles, was unter den Begriff Künstliche Intelligenz fällt, kann als Machine Learning bezeichnet werden. Das Konzept des Natural Language Processing (NLP) ist beispielsweise zwar stark auf Machine Learning angewiesen, wird jedoch dem Bereich „Künstliche Intelligenz“ zugeordnet und somit auf eine Ebene mit Machine Learning als Teilmenge der Künstlichen Intelligenz gestellt. Unter „Natural Language Processing“ versteht man die Erforschung maschineller „Verarbeitung natürlicher Sprachen. Sie erarbeitet die theoretischen Grundlagen der Darstellung, Erkennung und Erzeugung gesprochener und geschriebener Sprache durch Maschinen.“ Folgende Grafik verdeutlicht noch einmal die Abgrenzung der genannten Bereiche:

Sie interessieren sich besonders für die Themen Künstliche Intelligenz und Machine Learning? GABO unterstützt Sie gerne und findet gemeinsam mit Ihnen die beste Lösung für Ihr Unternehmen.