Einführung in die Methoden der Künstlichen Intelligenz - Goethe ...

8.1 Einführung: Maschinelles Lernen
• Erweiterung des Spektrums oder der Qualität der Aufgaben, die erledigt werden
können.
Beispiel 8.1.1. Drei beispielhafte Ansätze sind:
• Erweiterung und Anpassung des Lexikons eines computerlinguistischen Systems durch automatische
Verarbeitung von geschrieben Sätzen, wobei der Inhalt dieser Sätze gleichzeitig
automatisch erfasst werden sollte.
• Adaption von Gewichten einer Bewertungsfunktion in einem Zweipersonenspiel, wobei man
abhängig von Gewinn/Verlust Gewichte verändert. Das wurde für Dame und Backgammon
mit Erfolg durchgeführt.
• Lernen einer Klassifikation durch Vorgabe von Trainingsbeispielen, die als positiv/negativ
klassifiziert sind.
8.1.1 Einordnung von Lernverfahren
Die Struktur eines lernenden Systems kann man wie folgt beschreiben:
Agent (ausführende Einheit, performance element). Dieser soll verbessert werden anhand
von Erfahrung; d.h. etwas lernen.
Lerneinheit (learning element). Hier wird der Lernvorgang gesteuert und bewertet. Insbesondere
wird hier vorgegeben, was gut und was schlecht ist. Hier kann man auch
die Bewertungseinheit (critic) und den Problemgenerator einordnen.
Umwelt In der Umwelt soll agiert werden. Die Rückmeldung über den Ausgang bzw.
den Effekt von Aktionen kommt aus dieser Umwelt. Das kann eine künstliche, modellhafte
Umwelt oder auch die reale Umwelt sein.
Zum Teil wird Agent und Lerneinheit zusammen in einen erweiterten Agent verlagert.
Prinzipiell sollte man diese Einheiten unterscheiden, denn die Bewertung muss außerhalb
des Agenten sein, sonst wäre die Möglichkeit gegeben, die Bewertung an die schlechten
Aktionen anzupassen, statt die Aktionen zu verbessern.
Folgende Lernmethoden werden unterschieden:
Überwachtes Lernen (supervised learning). Diese Methode geht von der Situation aus in
der es einen allwissenden Lehrer gibt. Die Lerneinheit kann dem Agenten bei jeder
Aktion sagen, ob diese richtig war und was die richtige Aktion gewesen wäre. Das
entspricht einem unmittelbaren Feedback über die exakt richtige Aktion. Alternativ
kann man eine feste Menge von richtigen und falschen Beispielen vorgeben und
damit dann ein Lernverfahren starten.
Unüberwachtes Lernen (unsupervised learning). Dies ist der Gegensatz zum überwachten
Lernen. Es gibt keine Hinweise, was richtig sein könnte. Damit Lernen möglich
ist, braucht man in diesem Fall eine Bewertung der Güte der Aktion.
M. Schmidt-Schauß & D. Sabel, Skript KI, WS 2012/13 259 Stand: 30. Januar 2013