Lernen allgemein

Lernen heißt Veränderung

Lernen bedeutet, dass ein System durch Erfahrung sein Verhalten verändert. Ein Mensch lernt, ein Tier lernt, und auch Maschinen können in einem mathematischen Sinn lernen.

Wichtig ist: Lernen ist nicht einfach Speichern. Wenn du nur eine Antwort auswendig kennst, kannst du sie vielleicht wiedergeben. Aber echtes Lernen zeigt sich, wenn du auch neue Situationen bewältigen kannst.

Beispiel: Fahrradfahren

Niemand lernt Fahrradfahren durch eine perfekte Formel. Du setzt dich auf das Fahrrad, wackelst, korrigierst, fällst vielleicht hin und versuchst es erneut.

Das ist die gleiche Grundstruktur wie beim maschinellen Lernen. Ein Modell macht eine Vorhersage, bekommt Feedback und wird angepasst.

Mathematische Grundidee

Man kann Lernen grob als Optimierungsproblem betrachten. Ein System hat einen aktuellen Zustand. Es macht einen Fehler. Dann verändert es sich so, dass dieser Fehler kleiner wird.

Später schreiben wir das als Loss-Funktion:

Das bedeutet: Wir suchen Modellparameter, bei denen der Fehler L möglichst klein wird.

Lernen braucht Feedback

Ohne Rückmeldung kann ein System kaum gezielt besser werden. Beim Menschen kann Feedback direkt oder indirekt sein: Lob, Schmerz, Erfolg, Misserfolg oder eine Korrektur.

In Machine Learning ist Feedback meist mathematisch:

Dieses Feedback bestimmt, wie stark ein Modell angepasst wird.

Generalisierung

Das Ziel von Lernen ist nicht, alte Beispiele auswendig zu kennen. Das Ziel ist, neue Beispiele korrekt zu behandeln.

In Machine Learning ist Generalisierung extrem wichtig. Ein Modell soll nicht nur auf Trainingsdaten gut sein, sondern auf neuen Daten.