_Trend des Monats Grundsätze und Trends des maschinellen Lernens Machine Learning für Produktion und Robotik Künstliche Intelligenz und Machine Learning sind in aller Munde. Doch worum geht es bei den Technologien überhaupt? Welchen Stand haben sie momentan? Und was sind die Vorteile beim Einsatz von Machine Learning in Produktion und Robotik? Prof. Dr. Marco Huber, Fraunhofer IPA Bild: Aobe Stock/Kaikoro 26 November 2019
Automationspraxis Trend des Monats exklusiv „Grundsätzlich geht es beim Machine Learning darum, Muster in Daten zu erkennen und dieses Wissen zur Problemlösung einzusetzen.“ Prof. Dr. Marco Huber, Fraunhofer IPA Das häufigste Verfahren beim Machine Learning ist Deep Learning. Deep Learning nutzt künstliche neuronale Netze, deren Arbeitsweise sich an den Vorgängen im menschlichen Gehirn orientiert. Bei künstlichen neuronalen Netzen sind die Neuronen typischerweise in Schichten angeordnet. Künstliche Intelligenz (KI) ist keine brandneue Technologie. Erste Anfänge reichen bis in die 1950er-Jahre des vergangenen Jahrhunderts zurück. Allerdings sind tatsächlich erst seit einigen Jahren die technischen Voraussetzungen vorhanden, um Machine Learning in industrielle Anwendungen zu bringen. Hierzu gehört zuvorderst die Digitalisierung und die zunehmende Vernetzung von Produktionsmaschinen verbunden mit leistungsstarken Sensoren und hoher Rechenkapazität. Letztere ist nötig, damit die große Menge erzeugter Daten auch verarbeitet und sinnvoll ausgewertet werden kann. Oft werden die Begriffe Künstliche Intelligenz (KI) und Machine Learning (ML) synonym oder mindestens in einem Atemzug genannt. Zunächst gilt: KI ist der Oberbegriff für viele Problemlösungsmethoden, darunter Logik und Planungsverfahren, für die üblicherweise viel menschliche Intelligenz erforderlich wäre. Auch Machine Learning ist eine dieser Methoden und aktuell wohl die am meisten beforschte und angewandte. Grundsätzlich geht es beim Machine Learning darum, Muster in Daten zu erkennen und dieses Wissen zur Problemlösung einzusetzen. Außerdem wird der Ansatz der traditionellen Datenverarbeitung umgewandelt: Bisher war es nötig, für einen Computer ein Programm zu schreiben, das mit - hilfe von Eingabendaten Ausgaben erzeugt. Dieses Programm zu erstellen, ist aufwendig und erfordert Fachwissen. Mithilfe von Machine Learning soll sich der Computer nun selbst programmieren. Hierfür erhält er Eingabedaten und, je nach Machine-Learning-Methode, auch Ausgabedaten und erstellt darauf basierend automatisch das erforderliche Programm. Drei Methoden des Lernens Es gibt drei Methoden maschinellen Lernens: · Beim überwachten Lernen liegen dem Algorithmus Eingabe- und Ausgabedaten vollständig vor. Konkret heißt das: Wenn beispielsweise ein Bild mit einer Katze erkannt werden soll, muss der Algorithmus vorher hunderte Bilder mit dem Label „Katze“ gesehen haben, um zu wissen, ob er ein unbekanntes Bild als Katze klassifizieren soll. · Beim unüberwachten Lernen stehen nur die Eingabedaten bereit und der Algorithmus erzeugt November 2019 27
