Überwachtes Lernen Klasse 9

Ein Kind lernt Formen mit einem Bilderbuch: Auf jeder Seite steht, was zu sehen ist. Nach vielen Beispielen erkennt es Zylinder und Quader auch dann, wenn es sie zum ersten Mal sieht.

Merke: Überwachtes Lernen (Supervised Learning)

Beim überwachten Lernen bekommt das Lernverfahren Beispieldaten mit der richtigen Antwort (einem Label, einer Beschriftung). Daraus sucht es Regeln, die Eingaben den passenden Beschriftungen zuordnen. Das trainierte Modell wendet diese Regeln auf neue Daten an. Ziel: etwas vorhersagen oder klassifizieren.

Beispiel: Beißt das Äffchen?

Du bist Tierpfleger:in im Zoo. Von den Affen, die schon da sind, weißt du, welche beißen. Bald kommen neue Affen dazu. Kannst du vorhersagen, welche beißen, ohne es auszuprobieren?

Aufgabe

Öffne das Affen-Spiel (zuerst Anfänger, dann Fortgeschritten).

1. Merkmale untersuchen: Worin unterscheiden sich beißende und nicht beißende Affen?
2. Regeln finden: Baue einen Entscheidungsbaum.
3. An neuen Daten prüfen: Wie viele neue Affen ordnet dein Baum richtig ein?

Ein Entscheidungsbaum stellt Fragen zu Merkmalen, bis eine Entscheidung feststeht. So könnte ein Baum aussehen (ausgedachtes Beispiel, die Merkmale im Spiel sind andere):

               Zähne sichtbar?
              /              \
            ja               nein
       Ohren spitz?       beißt nicht
        /       \
      ja        nein
   beißt      beißt nicht

Kein Modell ist perfekt

Oft ordnet selbst das beste Modell nicht alle Affen richtig ein. Man wählt das Modell, das auf neuen Daten am häufigsten richtig liegt, und bleibt vorsichtig.

Gute Trainingsdaten

Beim Trainieren eines Bilderkennungsmodells (z. B. mit Teachable Machine) haben wir herausgefunden:

• viele Beispiele pro Kategorie
• vielfältige Beispiele: verschiedene Perspektiven, Abstände, Lichtverhältnisse
• Störfaktoren vermeiden: gleichmäßiger Hintergrund, keine Hände im Bild
• Merkmale gut sichtbar machen (Form, Farbe)
• Kategorien, die sich sehr ähnlich sehen, werden leicht verwechselt

Merke: Garbage In, Garbage Out (GIGO)

Schlechte Trainingsdaten führen zu schlechten Ergebnissen. Beispiel: 2016 veröffentlichte Microsoft den Chatbot Tay, der von Nutzer:innen auf Twitter lernen sollte. Nach wenigen Stunden verbreitete er beleidigende und hetzerische Posts und wurde nach 16 Stunden abgeschaltet.

Wo wird überwachtes Lernen eingesetzt?

• Spam-Erkennung in E-Mails
• Tumore auf Röntgen- oder MRT-Bildern erkennen
• Handschrift und Sprache erkennen
• Katzen- von Hundebildern unterscheiden

Vertiefung Oberstufe: Weitere Verfahren sind die lineare Regression (Zahlenwerte vorhersagen, z. B. Preise) und künstliche neuronale Netze (→ Neuronale Netze).