Machine Learning - Maschinelles Lernen
Gudrun spricht mit Sebastian Lerch vom Institut f\xfcr Stochastik in der KIT-Fakult\xe4t f\xfcr Mathematik. Vor einiger Zeit - Anfang 2015 - hatten die beiden schon dar\xfcber gesprochen, wie extreme Wetterereignisse stochastisch modelliert werden k\xf6nnen. Diesmal geht es um eine Lehrveranstaltung, die Sebastian extra konzipiert hat, um f\xfcr Promovierende aller Fachrichtungen am KIT eine Einf\xfchrung in Machine Learning zu erm\xf6glichen. Der Rahmen hierf\xfcr ist die Graduiertenschule MathSEED, die ein Teil des im Oktober 2018 gegr\xfcndeten KIT-Zentrums MathSEE ist. Es gab schon lange (und vielleicht immer) Angebote am KIT, die insbesondere Ingenieure an moderne Mathematik heranf\xfchrten, weil sie deren Methoden schon in der Masterphase oder sp\xe4testens w\xe4hrend der Promotion brauchten, aber nicht durch die klassischen Inhalten der H\xf6heren Mathematik abgedeckt werden. All das wird nun geb\xfcndelt und erg\xe4nzt unter dem Dach von MathSEED. Au\xdferdem funktioniert das nun in beide Richtungen: Mathematiker:innen, werden ebenso zu einf\xfchrenden Angeboten der anderen beteiligten Fakult\xe4ten eingeladen. Das Thema Maschinelles Lernen und K\xfcnstliche Intelligenz war ganz oben auf der Wunschliste f\xfcr neu zu schaffende Angebote. Im Februar 2020 hat Sebastian diese Vorlesung erstmalig konzipiert und gehalten - die \xdcbungen wurden von Eva-Maria Walz betreut. Die Veranstaltung wird im Herbst 2020 wieder angeboten. Es ist nicht ganz einfach, die unterschiedlichen Begriffe, die f\xfcr K\xfcnstliche Intelligenz (kurz: KI) benutzt werden gegeneinander abzutrennen, zumal die Sprechweisen in unterschiedlichen Kontexten unterschiedlich sind. Hinzu tritt, dass mit der Verf\xfcgbarkeit gro\xdfer Datenmengen und der h\xe4ufigen Nutzung von KI und Big Data gemeinsam auch hier vieles vermischt wird. Sebastian defininiert Maschinelles Lernen als echte Teilmenge von KI und denkt dabei auch daran, dass z.B. symbolisches Rechnen KI ist. Ebenso geben schon lange sogenannte Expertensysteme Hilfestellung f\xfcr Entscheidungen. Hier geben Regeln ein Programm vor, das Daten-Input zu einem Output verwandelt. Heute denken wir bei KI eher daran, dass z.B. der Computer lernt wie ein Bild eines Autos aussieht, ohne dass daf\xfcr klare Regeln vorgegeben werden. Dies ist eher vergleichbar damit, wie Kinder lernen. Die modernste Variante ist sogenanntes Deep Learning auf der Basis von Neuronalen Netzen. Die Abgrenzung zu statistischen Verfahren ist mitunter nicht so klar. Das Neuronale Netz wird dabei eine Black Box, was wissenschaftlich arbeitende Menschen nicht ganz befriedigt. Aber mit ihrer Hilfe werden komplexere Probleme l\xf6sbar. Forschung muss versuchen, die Entscheidungen der Black Box nachvollziehbar zu machen und entscheiden, wann die Qualit\xe4t ausreicht. Dazu muss man sich \xfcberlegen: Wie misst man Fehler? In der Bildverarbeitung kann es gen\xfcgen, z.B. falsch erkannte Autos zu z\xe4hlen. In der Wettervorhersage l\xe4sst sich im Nachhinein feststellen, welche Fehler in der Vorhersage gemacht wurden. (...)