Können Lernalgorithmen interagieren wie im Gehirn? - Intelligent ...
Können Lernalgorithmen interagieren wie im Gehirn? - Intelligent ...
Können Lernalgorithmen interagieren wie im Gehirn? - Intelligent ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Beispiel: Lernen be<strong>im</strong> Menschen<br />
Unser erstes Beispiel sei zunächst das menschliche Lernen bei einem Kleinkind und seinem ersten Besuch <strong>im</strong><br />
Schw<strong>im</strong>mbad. Hierbei gibt es 3 verschiedene Schw<strong>im</strong>mbecken: zum einen das Schw<strong>im</strong>merbecken, das<br />
Nichtschw<strong>im</strong>merbecken so<strong>wie</strong> das Kleinkindbecken. Versucht das Kind nun in eines der Becken zu gehen, in welches es<br />
nicht darf, so bekommt es von seinen Eltern Ärger und merkt sich, dass das keine gute Wahl war. Aber da Kinder nun<br />
mal Kinder sind und der Forschungsdrang in ihnen brodelt versuchen sie es dennoch mehrere Male bis sie sich merken,<br />
dass das zu keinem Erfolg führt und es wird fortan nur noch versuchen in das Kinderbecken zu steigen (oder verbleiben<br />
wir der Vorsichtshalber auf „es sollte”).<br />
Betrachten wir dieses Beispiel lässt sich schnell die vorher zusammengefasste Definition des Lernens <strong>wie</strong>dererkennen:<br />
das Kind hat eine Reihe von Erfahrungen (jeder einzelne Versuch in ein Becken zu steigen) durchlebt, den<br />
Sinn-Zusammenhang zwischen „Ärger bekommen” und „ins falsche Becken gehen” erkannt um anschließend seine<br />
Vorgehensweise zu evaluieren und sie anzupassen um <strong>im</strong>mer ins gewollte Nass zu kommen.<br />
Beispiel: Lernen be<strong>im</strong> Computer<br />
Ein Beispiel zum maschinellen Lernen lässt sich bei den <strong>im</strong>mer beliebter werdenden Staubwisch-Robotern finden.<br />
Hierbei sei allerdings nur ein naiver Staubwisch-Roboter als Beispiel genannt, welcher sich durch den Raum navigiert<br />
und dabei möglichst viel Staub aufwischt in dem er versucht soviel vom Raum zu wischen, ohne dabei an Gegenständen<br />
anzuecken. Weitere Funktionen, <strong>wie</strong> das abschätzen ob der Raum tatsächlich dreckig ist oder Sensoren welche den<br />
Abstand zu einem Objekt messen, seien hierfür irrelevant. Unser Beispielroboter versucht sich also zunächst durch die<br />
Wohnung zu navigieren und wird in jeder neuen Umgebung viele male anecken. Jedes mal wenn er aneckt registriert er<br />
die relative Position zu seinem Ursprungspunkt und versucht nächstes mal drum herum zu fahren. Nach einigen<br />
Durchläufen bildet sich <strong>im</strong> Roboter nach und nach ein gutes Bild des Raumes ab und er wird in jedem Durchlauf gegen<br />
<strong>im</strong>mer weniger Objekte anecken bis er die opt<strong>im</strong>ale Vorgehensweise gefunden hat um den Raum zu säubern.<br />
Wenn wir nun auch dieses Beispiel etwas abstrakter betrachten stoßen wir <strong>wie</strong>der auf unsere Definition des Lernens,<br />
denn: der Roboter erlebt eine Reihe von Erfahrungen (jedes anecken so<strong>wie</strong> jedes nicht-anecken), versucht<br />
Sinn-Zusammenhänge zu erkennen („dort ist ein Objekt, darunter kann ich nicht wischen also versuche ich es zu<br />
meiden”) um anschließend eine möglichst opt<strong>im</strong>ale Vorgehensweise zu erkennen um den Raum zu säubern.<br />
Es lässt sich also rein anhand der Definition des Lernens sagen das die Art, <strong>wie</strong> der Reinigungsroboter und das Kleinkind<br />
lernen, zunächst völlig identisch sind. Es wird eine Menge von Erfahrungen gemacht, daraus wird versucht eine Regel<br />
oder einen Sinn-Zusammenhang zu erkennen und anschließend werden diese bei der zukünftigen Vorgehensweise mit<br />
einbezogen. Folglich ist der Begriff des Lernens auf Mensch und Maschine in seiner Grundessenz gleicherweise<br />
anwendbar.<br />
7