Machine Learning

Maschinen das Lernen lehren

Intelligente Maschinen sind aus unserem Alltag mittlerweile kaum mehr wegzudenken. In vielen Bereichen unterstützen sie Menschen, bessere Entscheidungen zu treffen. Mit Maschinen sind nicht klassische Maschinen in Produktionshallen gemeint, sondern Computer und Rechensysteme bzw. deren Software.

Aber wie funktioniert „Machine Learning“ (ML), also das Lernen von Maschinen? Einfach gesagt wird Computern beigebracht, wie Daten analysiert werden sollen. Maschinen untersuchen und durchforsten Daten, um Muster zu erkennen und um diese auf bereits bekannte Regeln anzuwenden:

Maschinen können

  • Menschen oder Dinge kategorisieren
  • wahrscheinliche Ergebnisse oder Aktionen basierend auf identifizierten Mustern vorhersagen
  • unbekannte Muster und Zusammenhänge identifizieren
  • oder auch anomale oder unerwartete Verhaltensweisen erkennen.

Mit „Machine Learning Algorithmen“ lernen Computer selbständig. Als Algorithmen bezeichnet man die Prozesse, die die Maschinen zum Lernen verwenden.
Wenn neue Daten beispielsweise auf Grund einer Umgebungsänderung an die Maschine geliefert werden, verbessert sich die Leistungsfähigkeit des Algorithmus. Dies führt dazu, dass die „Intelligenz“ der Maschine zunimmt. Die Maschine lernt auf diese Weise stetig dazu.

Sind Maschinen kreativ oder intelligent?

Seit dem Aufkommen von Big Data, haben sowohl die verfügbare Datenmenge als auch die Fähigkeiten, sie zu verarbeiten, exponentiell zugenommen. Auch die Intelligenz und die Lernfähigkeit der Maschinen ist proportional gewachsen. Große Datenmengen können innerhalb kürzester Zeit analysiert werden und das System kann daraus resultierende Maßnahmen ableiten. Maschinelles Lernen bietet zuvor nicht identifizierte Möglichkeiten, Probleme zu lösen.

Trotzdem sind Maschinen noch nicht autonom und unabhängig in ihrer Intelligenz und in ihrer Kreativität.

Eine Maschine kann keine neuen Hypothesen aus noch nicht belegten Fakten oder Daten aufstellen und entwickeln. Die Maschine kann auch keine neuen Wege und Lösungen finden, um auf wiederkehrende Reize zu reagieren.

Zusammenfassend kann man festhalten: Die Ausgabe eines maschinellen Lernalgorithmus hängt vollständig von den Daten ab, denen er ausgesetzt ist. Werden die Daten geändert, so ändert sich auch das Ergebnis.

„Machine Learning“ am Beispiel der Medical Case App

Maschinelles Lernen kann das tägliche Leben heutzutage enorm vereinfachen. Dies wird am Beispiel der Medical Case App kurz erläutert.  Die App speichert alle gesundheitsrelevanten Daten der Anwender im Benutzerprofil. Die Daten können stets an die aktuelle Gesundheitssituation angepasst werden, z.B. wenn ein Herzschrittmacher benötigt wird oder eine Schwangerschaft bevorsteht. Daten zu den Medikamenten werden über einen Barcode gescannt und gespeichert. Durch zahlreiche Anwendungsmöglichkeiten profitiert der Benutzer von der künstlichen Intelligenz der App.

Er erhält z.B. anhand vier unterschiedlicher Suchmethoden eine Ergebnisliste mit allen Medikamenten, die auf seine Suchanfrage passen. Aus der Liste können Medikament ausgewählt und mit persönlichen Eigenschaften versehen werden, wie z.B. Zeit, Termin, Routine etc.

Wenn sich der Gesundheitszustand ändert, können die Einstellungen der Medikamenteneinnahme schnell und einfach angepasst werden. Es lassen sich eigene Termine wie Einnahmeerinnerungen oder Kauferinnerungen festlegen. Zudem erhalten die Benutzer Benachrichtigungen und Warnungen, wenn ein Medikament nicht mehr im Lager verfügbar ist oder eine Medikamenteneinnahme vergessen wurde. Alle gesundheitsrelevanten Daten sind für den Benutzer auf einen Blick sichtbar.  Gerade für ältere Menschen kann die Medical Case App das Leben sehr erleichtern. Sie müssen sich nicht mehr selbst um ihre Medikamenteneinnahmen kümmern. Dies erledigt nun die App für sie.
Im Notfall kann die App auch Leben retten, da alle Gesundheitsdaten vom Notarzt sofort abrufbar sind.

Weitere Informationen zur Medical Case App