Machine Learning
Das Machine Learning (ML), zu Deutsch: maschinelles Lernen, ist ein Teilgebiet der künstlichen Intelligenz (KI). Diese erforscht, wie Maschinen Neues lernen und wie sie sich stetig weiterentwickeln können. Grundlage für das ML sind dabei Datenmengen, Modelle und Algorithmen. Durch das Erkennen von Mustern aus vorliegenden Daten können Systeme so eigenständig Lösungen generieren. Das ML ist vor allem für komplizierte Prozesse sehr hilfreich, da mit genügend Daten ein Prozess analysiert und dementsprechend eine Lösung gefunden werden kann. Die durch das ML generierten Wissensbestände können dann auf neue, noch unbekannte Prozesse desselben Bereiches angewendet werden.
ML begegnet uns bereits im alltäglichen Leben. Die personalisierte Werbung bei Amazon, die Spracherkennung auf unseren Smartphones oder die Gesichtserkennung bei Facebook beruhen auf der Technologie des ML.
Was ist ML?
Unter ML wird der Erwerb von neuem Wissen durch künstliche Systeme verstanden. Die Technologie des ML beruht dabei auf die Generation von Wissen durch Erfahrungen. Dies bedeutet, dass ein Computer durch bereits vorhandene Daten Gesetzmäßigkeiten erkennen und diese auf neue Daten anwenden kann.
ML versucht, durch Algorithmen bestimmte Muster zu erkennen und aus einer vorhandenen Datenmenge zu lernen. Je größer die Datenmenge ist, auf die die Algorithmen zugreifen können, desto mehr können die Systeme auch lernen. Das Ziel des ML ist es also, Daten miteinander zu verknüpfen und Zusammenhänge zu erkennen. Daraus können Rückschlüsse gezogen und Vorhersagen getroffen werden.
Wie funktioniert ML?
ML funktioniert prinzipiell wie das menschliche Lernen. Bereits Kinder wiederholen Abläufe so lange, bis sie neue Fähigkeiten besitzen oder neue Zusammenhänge erschließen können. Bei der Anwendung von ML-Verfahren wird den Maschinen eine ähnliche Art des Lernens beigebracht. Computer sind, wie Menschen auch, in der Lage, Objekte zu identifizieren oder bestimmte Muster zu erkennen. Damit dies funktioniert, müssen Systeme erst mit Daten gefüttert und trainiert werden.
Lernende Programme können dann Daten erschließen und einen Nutzen daraus ziehen. Durch selbstlernende Algorithmen werden die Daten zudem ausgewertet und Programme lernen, verschiedene Muster zu bewerten.
Vorteile von ML
Es gibt so viele Datenberge, die von einem Menschen allein nicht bewältigt werden können. Daher ist das ML-Verfahren ein hilfreiches Werkzeug, dass die vorhandenen Informationen nutzt, um zum Beispiel Vorhersagen zu treffen und um dem Menschen neues Wissen zu erschließen.
Selbstlernende Maschinen sind zudem in der Lage, komplexe Aufgaben zu übernehmen. So können zum Bespiel im medizinischen Bereich selbstlernende Maschinen eingesetzt werden, um Krankheiten besser zu erkennen und um mögliche Therapiemaßnahmen darzustellen. Einer der Hauptvorteile des ML ist demnach die Fähigkeit aus einer großen Datenmenge komplexe Zusammenhänge herzustellen.
Bereits in der Schule sollten die Themen KI und ML thematisiert werden
Im Zeitalter der Digitalisierung sollten Schüler*innen in der Lage sein, die Konzepte hinter dem ML nachzuvollziehen und zu verstehen. Die Technologie ist bereits in unserem Alltag vorzufinden und wird auch in Zukunft das Leben von jungen Menschen prägen. Daher ist die Vermittlung von Kenntnissen über KI und ML ein wichtiger Fokus auch innerhalb des Schulunterrichts.
Damit auch pädagogische Fachkräfte und Lehrkräfte sich mit dem Thema auseinandersetzen und verständlich vermitteln können, bietet das Projekt „Medien in die Schule“ Unterrichtsmaterialien zum Thema ML an. Dabei erhalten Lehrkräfte einen kompakten Einstieg in das Themenfeld. Das Material bietet Informationen, Methoden und Praxisanregungen und eine modulare Anleitung für den direkten Einsatz im Unterricht.