Viele Einsteiger reden von „KI“ und meinen automatisch neuronale Netze. Genau diese Gleichsetzung sitzt so tief, dass sie meist gar nicht auffällt.

Wer KI mit Deep Learning gleichsetzt, verwechselt den größten Begriff mit dem kleinsten. Dadurch wirkt alles wie dieselbe Technologie, und Unterschiede bei der Umsetzung bleiben unsichtbar.

Dahinter steckt ein Mengenbild aus drei ineinanderliegenden Kreisen: Künstliche Intelligenz (KI) ist der Oberbegriff für Systeme, die Aufgaben lösen, für die sonst menschliche Intelligenz nötig wäre. Machine Learning ist das Teilgebiet der KI, in dem Systeme aus Daten lernen statt nach fest programmierten Regeln zu arbeiten. Deep Learning wiederum ist ein Teilgebiet des Machine Learning und nutzt neuronale Netze – also Netze künstlicher Neuronen – mit vielen hintereinanderliegenden Schichten.

Ein Filter, der E-Mails als Spam oder kein Spam einordnet und aus tausenden bereits einsortierten E-Mails lernt, ist Machine Learning, aber noch kein Deep Learning. Er gehört zu den klassischen Verfahren wie Entscheidungsbäumen, die mit wenigen, handgewählten Merkmalen arbeiten. Ein Sprachassistent dagegen, der aus Texten lernt, bewegt sich bereits in den inneren Kreisen.

So prüft man es: Zuerst fragen, ob das System aus Daten lernt – wenn nein, ist es nur KI, etwa ein Expertensystem mit hinterlegten Wenn-Dann-Regeln. Wenn ja, zweitens fragen, ob ein neuronales Netz mit vielen Schichten trainiert wird – dann ist es Deep Learning.

Deep Learning heißt nicht „KI allgemein“, sondern der innerste von drei Kreisen. Es gibt KI ohne Machine Learning, aber kein Machine Learning ohne KI.

📌 Teilmengen · Lernregel · Mengenbild

📚 KI von Grund auf · Tag 1 von 30
#ki #machinelearning #deeplearning