Beide Begriffe werden häufig in einem Atemzug genannt. Tatsächlich ist das eine ein Teil des anderen – und die Wahl zwischen ihnen hat praktische Folgen.
Die Einordnung
VerhältnisKünstliche Intelligenz ⊃ Maschinelles Lernen ⊃ Deep Learning
Künstliche Intelligenz ist das Feld, maschinelles Lernen der heute übliche Ansatz darin, Deep Learning eine bestimmte Methode des maschinellen Lernens.
Der praktische Unterschied
Klassisches maschinelles Lernen
Menschen legen die betrachteten Merkmale fest
Kommt mit weniger Daten aus
Ergebnisse oft nachvollziehbar
Stark bei tabellarischen Daten
Deep Learning
Das Modell findet die Merkmale selbst
Braucht deutlich mehr Daten
Entscheidungsweg kaum nachvollziehbar
Stark bei Bild, Sprache, Text
Drei Grundformen des Lernens
Lernverfahren und typische Aufgaben
Verfahren
Wie es lernt
Typische Aufgabe
Überwacht
Aus Beispielen mit bekannter richtiger Antwort
Klassifizieren, Vorhersagen
Unüberwacht
Aus Daten ohne vorgegebene Antwort
Gruppen finden, Auffälligkeiten erkennen
Bestärkend
Aus Rückmeldung auf eigene Handlungen
Steuerung, Anpassung an Präferenzen
Der Satz, der über den Projekterfolg entscheidet
Das Modell lernt, was in den Daten steht – einschließlich dessen, was dort versehentlich steht.
Deshalb steht am Anfang eines Projekts sinnvollerweise eine Datenprüfung und nicht eine Modellauswahl.
Nein. Bei tabellarischen Geschäftsdaten liefern Verfahren wie Gradient Boosting oft gleichwertige Ergebnisse, brauchen weniger Daten und sind erklärbar. In einem regulierten Umfeld kann das der entscheidende Vorteil sein.
Wie viele Daten braucht ein Modell?
Das hängt stark von Verfahren und Aufgabe ab. Deep Learning braucht in der Regel deutlich mehr als klassische Verfahren. Wichtiger als die Menge ist, dass die Daten die Fragestellung überhaupt abbilden.
Was ist bestärkendes Lernen?
Ein Verfahren, bei dem ein System durch Rückmeldung auf eigene Handlungen lernt – Belohnung für gute Ergebnisse. Es wird unter anderem eingesetzt, um Sprachmodelle an menschliche Rückmeldungen anzupassen.
Seit 2012 selbstständig im SEO, seit 2024 mit Schwerpunkt auf generativer Suche und dem betrieblichen Einsatz von Sprachmodellen. Betreibt mehrere frei zugängliche Fachprojekte zu KI, SEO und KI.