Machine Learning: Die neue KI Rezension

“Man sagt, dass ein Computerprogramm lernt, wenn sich seine Leistung bei bestimmten Aufgaben mit der Erfahrung verbessert.”

Ich will ganz ehrlich sein. Ich habe das Hörbuch sehr passiv gehört. Machine Learning legte einen mäßig starken Schwerpunkt auf die Erklärung verschiedener Algorithmen — an diesem Punkt verlor ich den Fokus. Mein Gehirn macht das, wenn Dinge zu abstrakt werden, ohne dass es eine konkrete Geschichte gibt, an der man sich festhalten kann.

Aber die Sache ist die — selbst im passiven Hörmodus habe ich ein viel besseres Verständnis dafür gewonnen, was Machine Learning eigentlich IST und wohin die Reise geht. Und das ist etwas wert.

Reden wir also darüber.

Was dieses Buch ist — und was nicht

Ethem Alpaydin hat dies als Teil der MIT Press Essential Knowledge-Reihe geschrieben, was bedeutet, dass es darauf ausgelegt ist, einen Überblick über ein Thema zu geben, ohne einen in Mathematik und Code zu ertränken. Betrachten Sie es als die “Erklär es mir, als wäre ich ein neugieriger Erwachsener”-Version von Machine Learning.

Es ist KEIN Programmierlehrbuch. Sie werden nach der Lektüre keine neuronalen Netze bauen. Was Sie jedoch erhalten werden, ist ein klares mentales Modell davon, wie Maschinen aus Daten lernen, warum das wichtig ist und wohin das Ganze führt.

Für Laien könnte es an manchen Stellen dennoch schwierig sein, dem Buch zu folgen. Alpaydin gibt sein Bestes, um die Dinge zugänglich zu halten, aber einige Abschnitte über spezifische Algorithmen — Entscheidungsbäume, Support-Vektor-Maschinen, Bayes-Klassifikatoren — können sich anfühlen, als würde man aus einem Hydranten trinken, wenn man diesen Konzepten noch nie begegnet ist.

Mustererkennung — Die Grundlage von allem

Die Kernidee, die mir im Gedächtnis geblieben ist, ist wunderbar einfach. Machine Learning ist im Wesentlichen Mustererkennung in großem Stil. Man füttert ein System mit genügend Beispielen, und es findet die Regeln von selbst heraus. Niemand setzt sich hin und programmiert jedes mögliche Szenario — die Maschine lernt die Muster aus den DATEN.

Denken Sie an Ihren E-Mail-Spamfilter. Niemand hat eine Regel für jede mögliche Spam-E-Mail geschrieben. Stattdessen hat das System Millionen von E-Mails betrachtet, die als “Spam” und “kein Spam” markiert waren, die Muster gefunden und fängt nun neuen Spam ab, den es noch nie zuvor gesehen hat. Das ist Machine Learning in Aktion.

Alpaydin führt Sie durch diese Entwicklung — von der einfachen Klassifizierung bis hin zu immer komplexeren Problemen. Und wenn man anfängt, die Welt durch diese Brille zu sehen, merkt man, dass Machine Learning ÜBERALL ist. Ihre Netflix-Empfehlungen. Der Sprachassistent Ihres Telefons. Die Anzeigen, die Sie im Internet verfolgen. Alles Mustererkennung.

Supervised vs. Unsupervised — Zwei Arten des Lernens

Eine der klarsten Erklärungen im Buch ist die Unterscheidung zwischen überwachtem (supervised) und unüberwachtem (unsupervised) Lernen. Überwachtes Lernen ist wie ein Lehrer, der einem Karteikarten zeigt — hier ist die Eingabe, hier ist die richtige Antwort, jetzt lerne die Beziehung. Bilderkennung, medizinische Diagnose, Kredit-Scoring — alles überwacht.

Unüberwachtes Lernen ist eher so, als würde man in einem fremden Land abgesetzt und müsste die sozialen Regeln auf eigene Faust herausfinden. Die Maschine erhält Daten ohne Beschriftungen, ohne Antworten und muss selbst Strukturen und Gruppierungen finden. Kundensegmentierung, Anomalieerkennung — das ist unüberwachtes Terrain.

Und dann gibt es noch das verstärkende Lernen (reinforcement learning), bei dem die Dinge WIRKLICH interessant werden.

AlphaGo — Wenn Maschinen kreativ werden

Das Buch verweist auf AlphaGo — die künstliche Intelligenz, die einen der weltbesten Spieler in Go besiegte, dem wohl komplexesten Brettspiel, das je erschaffen wurde. Schach war schon vor Jahrzehnten von Computern “gelöst” worden, aber Go? Go hat mehr mögliche Brettpositionen, als es Atome im Universum gibt. Man kann es nicht mit roher Gewalt (Brute-Force) lösen.

AlphaGo nutzte verstärkendes Lernen — es spielte Millionen von Partien gegen sich selbst, lernte aus Siegen und Niederlagen und entwickelte Strategien, die selbst menschliche Experten nicht erklären konnten. Es machte Züge, die für Großmeister bizarr aussah… bis sie erkannten, dass diese Züge brillant waren.

Dieser Moment — wenn eine Maschine etwas tut, das ihr kein Mensch beigebracht hat, etwas wirklich Kreatives — ist sowohl aufregend als auch ein wenig beunruhigend. Alpaydin spricht dies an, und es ist der Teil des Buches, der mich aufhorchen ließ.

Das “Na und?” für das echte Leben

Hier komme ich bei Büchern wie diesem immer wieder zurück — wie lässt es sich auf MEINE Welt anwenden?

Als jemand, der Jahre im Internet-Marketing verbracht hat, ist Machine Learning kein abstraktes akademisches Konzept. Es ist der Motor hinter jeder Werbeplattform, die ich nutze. Google Ads, Facebook — sie alle betreiben massive Machine-Learning-Systeme, die entscheiden, wer Ihre Anzeige sieht, wann sie gesehen wird und wie viel Sie bezahlen. Auch nur die GRUNDLAGEN zu verstehen, wie diese Systeme denken, verschafft einem einen Vorteil.

Wenn man weiß, dass diese Algorithmen auf Muster im Nutzerverhalten optimieren, fängt man an, anders über seine Kampagnen nachzudenken. Man hört auf, gegen die Maschine zu kämpfen, und fängt an, sie mit besseren Daten zu füttern. Allein dieser Perspektivwechsel hat das Buch für mich lohnenswert gemacht.

Über das Marketing hinaus gestaltet Machine Learning das Gesundheitswesen, das Finanzwesen, das Transportwesen neu — im Grunde jede Branche, die Daten generiert. Alpaydin gibt einem genug Kontext, um die Schlagzeilen zu verstehen und die richtigen Fragen zu stellen.

Wo das Buch schwächelt

Mein größter Kritikpunkt sind die algorithmuslastigen mittleren Abschnitte. Alpaydin kommt eindeutig aus einem akademischen Umfeld, und das merkt man. Wenn er tief in die Mechanik spezifischer Algorithmen eintaucht, verliert das Buch seinen erzählerischen Schwung. Für eine Serie, die als “Essential Knowledge” vermarktet wird, fühlen sich einige Abschnitte an, als gehörten sie in einen Hörsaal.

Ich hätte mir auch gewünscht, dass er mehr Zeit mit den ethischen Auswirkungen verbracht hätte. Wenn Maschinen entscheiden, wer einen Kredit bekommt, wer auf Bewährung entlassen wird oder wer eingestellt wird, steht enorm viel auf dem Spiel. Das Buch schneidet dies kurz an, aber diese Fragen hätten mehr Raum verdient.

Und das Hörbuchformat hat ihm keinen Gefallen getan. Manche Bücher sind dazu gedacht, mit einem Stift in der Hand gelesen zu werden, nicht während der Fahrt gehört zu werden. Dies ist eines davon.

Abschließende Gedanken

Dies ist wahrscheinlich eine großartige Einführung für Studenten, die etwas über Programmierung und künstliche Intelligenz lernen, oder für jeden, der verstehen will, was es mit dem ganzen Machine-Learning-Hype auf sich hat. Es ist prägnant, gut organisiert und deckt in einem kurzen Buch bemerkenswert viel ab.

Aber für den Gelegenheitsleser, der einen fesselnden Roman über KI sucht? Da könnte man an manchen Stellen Schwierigkeiten haben. Der Vorteil ist, dass das Buch heute RELEVANTER ist als zum Zeitpunkt seiner Veröffentlichung, und Alpaydins Erklärungen der Kernkonzepte sind solide.

Nichtsdestotrotz, wenn Machine-Learning-Geschichte und Grundlagen etwas für Sie sind, dann empfehle ich Machine Learning. Es wird Sie nicht zum Experten machen, aber es wird Sie kompetent machen. Und in einer Welt, die zunehmend von Algorithmen gesteuert wird, zählt Kompetenz viel.

3,5/5 — Gute Einführung, stellenweise etwas trocken, aber wertvoll für den Aufbau Ihres KI-Vokabulars.