Definition, Vorteile und Beispiele • BUOM

5. August 2021

Künstliche Intelligenz kann viele Strategien anwenden und nutzen, darunter auch unüberwachtes Lernen. Unüberwachtes Lernen kann Menschen dabei helfen, verborgene oder einzigartige Muster innerhalb und zwischen vielen verschiedenen Datenpunkten zu entdecken. Wenn Sie unbeaufsichtigte Lerntechniken in Ihrem Unternehmen implementieren möchten, ist es wichtig, zunächst deren Vorteile, Arten und Anwendungen zu verstehen. In diesem Artikel besprechen wir, was unüberwachtes Lernen ist, warum es wichtig ist und welche Haupttypen unüberwachtes Lernen sind.

Was ist unüberwachtes Lernen?

Unüberwachtes Lernen ist eine Form des maschinellen Lernens. Maschinelles Lernen bezieht sich auf eine Teilmenge der künstlichen Intelligenz (KI), bei der sich die KI selbst beibringen kann, mit der Zeit intelligenter zu werden.

Beim unüberwachten Lernen versorgen Profis die KI zunächst mit bereits vorhandenen Datensätzen. Die KI analysiert dann Muster in diesen Datensätzen. Basierend auf den entdeckten Mustern erstellt die KI Regeln, die ihr helfen, die Daten zu verstehen und zu klassifizieren. Je mehr Daten die KI erhält, desto zuverlässiger und genauer werden ihre Analysen und Regeln. Wenn KI unüberwachtes Lernen nutzt, füttert ein Fachmann die KI mit Eingabedaten und dann muss die KI die Ausgabedaten selbst ermitteln.

Warum ist unüberwachtes Lernen wichtig?

Unüberwachtes Lernen ist aus mehreren Gründen wichtig, darunter:

• Muster in unbeschrifteten Daten finden. Unbeschriftete Daten oder Daten, die keine identifizierenden Merkmale oder Eigenschaften aufweisen, können für Menschen schwer verständlich sein. Allerdings kann KI Daten auswerten und Muster entdecken, die möglicherweise zu subtil oder komplex sind, als dass Menschen sie alleine erkennen könnten.

• Suchen und erstellen Sie Regeln für aktuelle oder zukünftige Datensätze. Basierend auf den erkannten Mustern kann die KI Regeln für die Daten erstellen. Wenn die KI mehr Daten erhält, kann sie dieselben Regeln auf neue Daten anwenden oder sogar ihre bestehenden Regeln basierend auf neuen Daten verbessern.

• Daten verstehen und klassifizieren. Da heute so viele Daten verfügbar sind, kann es für Menschen manchmal schwierig sein, wertvolle Erkenntnisse aus den Daten zu gewinnen. Durch unüberwachtes Lernen kann KI einzigartige Kategorien für Daten erstellen, die Fachleuten dabei helfen können, die Daten sinnvoll zu nutzen.

• Identifizieren Sie einzigartige Ansätze. Wenn KI durch unbeaufsichtigtes Lernen selbst lernt, kann sie radikal originelle Ideen oder Lösungen entwickeln. Beispielsweise entwickelt eine künstliche Intelligenz, die darauf trainiert ist, ein menschliches Spiel durch unbeaufsichtigtes Lernen zu spielen, oft Strategien für dieses Spiel, die anders sind als alles, was jemals von menschlichen Spielern erdacht oder verwendet wurde.

Was sind einige gängige Ansätze für unbeaufsichtigtes Lernen?

Zu den drei häufigsten Arten des unbeaufsichtigten Lernens gehören:

Clustering

Clustering ist eine Art unbeaufsichtigtes Lernen. Mit Clustering-Algorithmen programmierte KI klassifiziert Datenpunkte anhand ihrer Ähnlichkeiten oder Unterschiede in verschiedene Gruppen. Einige Clustering-Algorithmen sortieren jeden Datenpunkt nur in eine Gruppe, während andere denselben Datenpunkt möglicherweise als zu zwei oder mehr überlappenden Gruppen gehörend klassifizieren.

Vereinsregel

Bei der Assoziationsregel liegt der Schwerpunkt auf der Suche nach Verbindungen zwischen Datenpunkten. Auf einer Assoziationsregel trainierte KI kann Beziehungen zwischen Datenpunkten in derselben Gruppe oder Beziehungen zwischen verschiedenen Datensätzen finden. Beispielsweise kann bei dieser Art des unbeaufsichtigten Lernens versucht werden, festzustellen, ob eine Variable oder ein Datentyp eine andere Variable beeinflusst oder direkt verursacht.

Dimensionsreduktion

Manchmal verfügen Organisationen über so viele Daten, dass es schwierig ist, Datenpunkte zu verstehen, zu kategorisieren oder Beziehungen zwischen ihnen zu finden. Dies wird manchmal als Big Data bezeichnet. Die Dimensionsreduktion ist eine Art unbeaufsichtigtes Lernen, das speziell als Taktik für die Verwaltung und Sinngewinnung von Big Data entwickelt wurde.

Auf Dimensionsreduktion geschulte KI ist darauf spezialisiert, die Anzahl der Datenpunkte oder Eingaben auf eine Zahl zu reduzieren, mit der einfacher gearbeitet werden kann. Gleichzeitig muss die KI bei der Reduzierung der Dimensionalität strategisch vorgehen, um die Datenintegrität zu wahren, indem beispielsweise Datenpunkte im gleichen numerischen Bereich gehalten werden.

Anomalieerkennung

Die Anomalieerkennung ist eine Art unbeaufsichtigtes Lernen, das darauf trainiert ist, in Ihren Datensätzen nach Ausreißern zu suchen. Ausreißer sind Datenpunkte, die scheinbar auf ungewöhnliche Weise vom Rest des Datensatzes abweichen. Die Anomalieerkennung kann beispielsweise bei der Aufdeckung von Finanzbetrug oder anderen Arten von Betrug sehr nützlich sein.

Vorteile des unbeaufsichtigten Lernens

Hier sind einige der Hauptvorteile des unbeaufsichtigten Lernens:

• Die unterschiedlichen Arten des Verständnisses des Menschen: Menschliche Intelligenz und künstliche Intelligenz funktionieren auf grundlegend unterschiedliche Weise. Für KI ist es viel einfacher, aus Rohdatensätzen schnell nützliche Informationen auszuwerten und abzuleiten als für Menschen.

• Fähigkeit, versteckte Muster zu finden: Durch unüberwachtes Lernen kann KI verschiedene Algorithmen verwenden, um Gemeinsamkeiten, Unterschiede oder Beziehungen zwischen verschiedenen Datenpunkten und -sätzen zu entdecken.

• Erkenntnisse, die es Unternehmen ermöglichen, neue Strategien zu entwickeln: Unternehmen können die einzigartigen Erkenntnisse der unbeaufsichtigt lernenden KI nutzen, um neue Geschäftsentscheidungen zu treffen. Beispielsweise könnte ein Werbeteam seine Herangehensweise an den Kundenservice auf der Grundlage von Erkenntnissen aus der KI-Marktforschung ändern.

Nachteile des unbeaufsichtigten Lernens

Während unbeaufsichtigtes Lernen viele Vorteile bieten kann, hat es auch Nachteile. Hier sind einige mögliche Nachteile des unbeaufsichtigten Lernens:

• Komplexer als überwachtes Lernen: Beim überwachten Lernen, einer anderen Technik des maschinellen Lernens, stellen Profis der KI sowohl Datensätze als auch deren Kategorien bzw. Beziehungen zwischen Datenpunkten zur Verfügung. Da es beim unbeaufsichtigten Lernen nicht darum geht, dass Menschen der KI die mit Datensätzen verbundenen Regeln beibringen, kann die erfolgreiche Umsetzung schwieriger sein.

• Höhere Kosten als einige andere KI-Methoden: Unüberwachtes Lernen kostet Unternehmen möglicherweise mehr als andere KI-Strategien wie überwachtes Lernen, da die KI möglicherweise länger braucht, um Regeln zu entwickeln oder Informationen aus Daten zu extrahieren. Es kann auch kostspieliger werden, wenn ein Unternehmen einen Experten beauftragen muss, die Richtigkeit von Algorithmen, Regeln oder KI-Ergebnissen zu überprüfen.

• Schwierigkeiten bei der Bestimmung des Werts der Ergebnisse: Da Unternehmen unüberwachtes Lernen nutzen, um Muster in ihren Daten zu entdecken, weiß eine Organisation möglicherweise nicht sofort, ob die Ergebnisse der KI korrekt oder nützlich sind.

Beispiele für unbeaufsichtigtes Lernen:

Hier sind einige Beispiele für unbeaufsichtigte Lernsoftware:

Persönliche Empfehlungen

Ein Großteil der personalisierten Beratung, die Sie online erhalten, basiert auf unbeaufsichtigten Lernstrategien. Diese personalisierten Empfehlungen funktionieren, indem sie Daten über Ihre Surf-, Einkaufs- und Sehgewohnheiten sammeln. Die KI versucht dann, Muster in Ihrem Verhalten zu erkennen. Die KI wird wahrscheinlich Daten und Regeln verwenden, die sie von anderen Benutzern gelernt hat, um diese Entscheidungen zu treffen. Basierend auf den erkannten Mustern schlägt es Inhalte vor, von denen es glaubt, dass sie Sie interessieren könnten.

Zum Beispiel, wenn Sie regelmäßig einen Streaming-Dienst nutzen, der verschiedene Filme und TV-Serien ausstrahlt. Die auf unüberwachtes Lernen trainierte KI sammelt Daten darüber, welche Filme und Fernsehsendungen Sie ansehen, welche Trailer Sie ansehen und welche Sie zu Ihrer Warteschlange hinzufügen. Anhand dieser Daten werden dann Muster ermittelt, beispielsweise ob Sie Horrorfilme oder Fernsehsendungen mit weiblichen Hauptfiguren mögen. Künstliche Intelligenz liefert Ihnen dann personalisierte Empfehlungen, die auf Mustern basieren, die in Ihren Browsing-Präferenzen entdeckt wurden. Um diese Empfehlungen auszusprechen, werden wahrscheinlich auch Daten von Benutzern berücksichtigt, die ähnliche Präferenzen wie Sie haben.

Internet-Sicherheit

Einige fortgeschrittene Cybersicherheitsprogramme verwenden unbeaufsichtigte Lernmethoden. Die meisten herkömmlichen Cybersicherheitsprogramme konzentrieren sich auf die Erkennung vorhandener Bedrohungen in einem Netzwerk und die anschließende Beseitigung dieser Bedrohungen vom Computersystem. Allerdings legen Cybersicherheitsprogramme, die auf unbeaufsichtigtes Lernen ausgerichtet sind, auch Wert auf die Beurteilung der Bedingungen, die zu einem Cyberangriff führen oder diesen charakterisieren. Zu diesen Bedingungen kann der erste Einstiegspunkt des Hackers in das Netzwerk oder der wahrscheinlichste nächste Schritt des Hackers gehören. Mit anderen Worten: Cybersicherheitssoftware, die auf unüberwachtes Lernen trainiert ist, kann nicht nur bestimmen, was und wo Cyberangriffe stattfinden, sondern auch wie und warum.

Einige Unternehmen nutzen beispielsweise unbeaufsichtigte Cybersicherheitsschulungstechniken, um ihre Netzwerkverkehrsstatistiken zu analysieren. Statistiken zum Netzwerkverkehr liefern Informationen darüber, wer wie auf das Netzwerk Ihres Unternehmens zugreift. Cybersicherheitssoftware mit Selbstlernfunktionen kann Anomalien im Netzwerkverkehrsmuster erkennen, die auf die Anwesenheit eines Hackers hinweisen könnten. Ein weiteres Beispiel: E-Mail-Systeme können von der Verwendung unbeaufsichtigter Lernstrategien zur Erkennung von Malware profitieren. Dank Clustering kann ein E-Mail-System bestimmte Links oder Anhänge als verdächtig einstufen und Mitarbeiter dazu anhalten, diese nicht zu öffnen.

Kundensegmentierung

Viele Marketingabteilungen oder Unternehmen nutzen künstliche Intelligenz, die auf unüberwachtem Lernen trainiert wird, um ihre Kunden zu segmentieren. Bei der Kundensegmentierung unterteilt ein Unternehmen seinen gesamten Kundenstamm in verschiedene Untergruppen. Ein Unternehmen kann Untergruppen erstellen, die auf gemeinsamen Verhaltensweisen, Persönlichkeitsmerkmalen oder anderen Faktoren basieren, die dazu führen, dass Kunden einander ähnlich sind. Marketingabteilungen oder Unternehmen nutzen die Kundensegmentierung, um ihre Werbestrategien für verschiedene Kundensegmente zu personalisieren. Auch andere Abteilungen, etwa die Produkt- oder Serviceentwicklung, können die Kundensegmentierung nutzen, um herauszufinden, welche Arten von Produkten oder Services die einzelnen Kundensegmente benötigen.

KI, die unüberwachtes Lernen nutzt, kann Rohdaten über den gesamten Kundenstamm eines Unternehmens erfassen, diese Daten auf Gemeinsamkeit auswerten und spezifische Kundensegmente erstellen, die für das Unternehmen am nützlichsten sind. Nehmen wir zum Beispiel an, ein Unternehmen, das Gesundheitsprodukte verkauft, möchte seine Kunden segmentieren. Sie stellen ihrer KI zahlreiche Daten über ihren gesamten Kundenstamm zur Verfügung, etwa deren Geschlecht oder saisonale Einkäufe. KI kann dann den Kundenstamm in verschiedene Segmente kategorisieren, die gemeinsame Merkmale aufweisen, und dem Unternehmen Einblicke in die Marketingstrategien oder Gesundheitsprodukte bieten, die sich die einzelnen Segmente möglicherweise am meisten wünschen.

Anwendungen zur Spracherkennung

Viele Anwendungen oder Programme, die Spracherkennung verwenden, basieren auf unbeaufsichtigten Lerntechniken. Informatiker trainieren Spracherkennungsanwendungen, um grundlegende menschliche Laute, Wörter und Sätze zu verstehen. Wenn Sie eine App herunterladen oder installieren, fängt sie an, sich die spezifischen Laute, Betonungen und Aussprachen zu merken, die Sie beim Ausführen von Softwarebefehlen verwenden. Mit der Zeit verbessert die Spracherkennungssoftware ihre Fähigkeit, Ihre einzigartige Stimme zu erkennen.