Artificial Intelligence & Machine Learning erklärt

Der Begriff Artificial Intelligence taucht heute fast täglich in den Medien auf und die meisten Menschen können sich darunter etwas vorstellen. Kompliziert wird es aber bei der Abgrenzung zu verwandten Fachbegriffen wie Machine Learning, Deep Learning oder Neural Networks. Oft werden diese irrtümlich synonym verwendet – auch von Fachleuten. Wir wollen hier etwas Licht ins Dunkel bringen und erklären, wo die Unterschiede und Gemeinsamkeiten liegen.

Artificial Intelligence

Artificial Intelligence (AI oder dt. künstliche Intelligenz, KI) ist der umfangreichste Themenbereich und kann als Überbegriff gesehen werden, unter dem sich die anderen oben genannten Begriffe einordnen lassen. AI ist ein Teilgebiet der Informatik und befasst sich mit der Imitation bestimmter Aspekte der menschlichen Intelligenz bzw. des menschlichen Verhaltens. Unter Artificial Intelligence versteht man Agentensysteme, die eine bestimmte Zielsetzung verfolgen und dabei keinen zuvor festgelegten starren Regeln folgen, sondern auch auf unvorhergesehene bzw. unbekannte Eingangsdaten angemessen reagieren.

AI kann unterteilt werden in allgemeine (starke) und spezifische (schwache) Intelligenz. Allgemeine AI kann ein breiteres Spektrum an Problemen lösen und ist eine Annäherung an die menschliche Intelligenz, während spezifische AI nur einen oder wenige Tasks ausführen kann– diese dafür aber sehr effizient, teils besser als der Mensch.

Machine Learning

Unter Machine Learning (ML) versteht man Methoden und Verfahren, die selbstständig gewisse Regeln in Daten oder in Verhaltensmustern erlernen können. ML ist damit ein wichtiges Werkzeug, um Systeme im Bereich der AI zu realisieren. Oft wird der Begriff AI fälschlicherweise verwendet, wenn tatsächlich lernende Systeme gemeint sind. Machine-Learning-Algorithmen erlernen durch Training ein gewisses Verhalten. Hierzu sind qualitativ hochwertige Trainingsdaten notwendig. Die angelernten Algorithmen können dann für Aufgaben wie Klassifizierung, Vorhersage, Clustering oder ähnliches verwendet werden.

Deep Learning und Neural Networks

Deep Learning (DL) ist ein Spezialgebiet des Machine Learning. Neuronale Netze basieren auf künstlichen Neuronen, welche der Funktionsweise des menschlichen Gehirns nachempfunden sind. Solche Netze bestehen aus unzähligen Neuronen, die auf unterschiedliche Weise angeordnet sind, oft in mehreren Ebenen, und miteinander vernetzt sein können. Beinhaltet ein solches Netzwerk sehr viele Neuronen bzw. sehr viele Ebenen spricht man von „tiefen“ Netzen, welche sich besonders gut für das Lösen von komplexen Mustererkennungsaufgaben eignen. Solche Aufgabenstellungen finden sich in allen Bereichen der Signalverarbeitung, wie z.B. das Erkennen und Klassifizieren von Objekten in Bildern oder in der Spracherkennung.

DL-Anwendungen haben in den letzten Jahren viel mediales Aufsehen erregt, da in zahlreichen Fällen Leistungen demonstriert wurden, welche die menschlichen kognitiven Fähigkeiten übertreffen.

Möglich wurde dies durch zwei Gegebenheiten:

Es steht immer mehr kostengünstige Rechenleistung in kleiner Bauform zur Verfügung, welche für die Ausführung neuronaler Netzwerke notwendig ist.
Es stehen große Datensätze qualitativ hochwertiger Trainingsdaten für unterschiedliche Aufgabenstellungen zur Verfügung.

Die Rolle von Mission Embedded

Wir entwickeln seit vielen Jahren performante eingebettete System für unterschiedlichste Anwendungen unter Einsatz mordernster Technologien. In unseren Projekten setzen wir täglich Machine Learning und Deep Learning ein, um komplexe Aufgabenstellungen zu lösen, die dann erfolgreich in viele Produkte unserer Kunden umgesetzt wurden.

Neben der Entwicklung von Hardwareplattformen für eingebettete Video- und Audioverarbeitungssystemen und der Kompetenz im Bereich Machine Learning unterstützen wir Kunden bei der Umsetzung von Datenakquisitionskampagnen und bei der Aufbereitung von Trainingsdaten.