Blog

ML Summit
Das große Trainingsevent für Machine Learning Development & Business Innovation
14. - 15. Oktober 2019 | Berlin
23
Aug

„Machine Learning ist nicht die Zukunft, sondern die Gegenwart“

Oliver Zeigermann

Maschinelles Lernen – ein Zukunftsthema? Nein, sagt Oliver Zeigermann, Software-Entwickler bei embarc und Sprecher auf dem ML Summit 2019. Denn schon heute sind Anwendungen, die auf Machine-Learning-Mechanismen beruhen, in unserem Alltag gegenwärtig. Wo das heute geschieht, wie Reinforcement Learning funktioniert und welche Entwicklungen im Bereich des maschinellen Lernens uns noch bevorstehen, haben wir im Interview mit ihm besprochen.

ML Summit: In deiner Keynote auf dem ML Summit sagst du: „Machine Learning ist nicht die Zukunft, sondern die Gegenwart.“ Wie meinst du das?

Oliver Zeigermann: Es wird viel von den spannenden Sachen berichtet, die in Zukunft gehen sollen. Beispiele sind „wirklich“ autonome Fahrzeuge oder Systeme, die eine ähnliche Intelligenz bieten wie wir Menschen. Aber viele Anwendungen von Machine Learning laufen schon heute auch in Betrieben, die wir zuerst einmal gar nicht so aufregend finden.

Viele Anwendungen von Machine Learning laufen schon heute.

ML Summit: Vielleicht kannst du einmal ein Beispiel erläutern, wo Machine Learning heute schon in unserem Alltag gegenwärtig ist?

Oliver Zeigermann: Systeme, die automatisch Spam erkennen oder ahnen, welches Wort, welchen Buchstaben oder welchen Knopf wir als nächsten drücken, umgeben uns täglich und werden von uns als selbstverständlich wahrgenommen. Aber ohne Machine Learning wären sie nicht denkbar. Aber auch Systeme, die Betrug erahnen oder uns lieber nur auf Rechnung bestellen lassen, beruhen oft auf Machine Learning. Und wenn Netflix oder Spotify uns Filme oder Musik vorschlagen, ist auch dies automatisch erlernt.
Kurz gesagt basiert fast jeder Dienst, den wir heute als halbwegs intelligent wahrnehmen, auf Machine Learning. Es gibt aber den Effekt, Dinge, die wir alltäglich erleben, als normal und selbstverständlich zu empfinden. Das ist mit Machine Learning ebenso.

ML Summit: In deinem Workshop geht es dezidiert um Reinforcement Learning. Wie funktioniert RL?

Oliver Zeigermann: Die Idee von Reinforcement Learning ist, nicht von bereits bestehenden Daten zu lernen, sondern diese selbst durch Experimente zu erzeugen. So kann man Machine Learning zum Einsatz bringen, ohne Trainingsdaten zu haben.

Die Idee von Reinforcement Learning ist, nicht von bereits bestehenden Daten zu lernen, sondern diese selbst durch Experimente zu erzeugen.

Für Reinforcement Learning braucht man eine Simulation, in der die Experimente gemacht werden können, oder eine reale Umgebung, in der man viele Experimente sicher ausführen kann. Ist für ein Problem eine solche Simulation nicht verfügbar oder mit sinnvollem Aufwand nicht zu implementieren, dann scheidet Reinforcement Learning generell aus.

ML Summit: Auch wenn Machine Learning schon Gegenwart ist – am Ende sind wir noch lange nicht angelangt. Welche nächsten Entwicklungsschritte kann man hier erwarten? Wo liegen aktuell die Herausforderungen?

Oliver Zeigermann: Die Forschung ist in diesem Bereich der praktischen Umsetzung um Jahre voraus. Würden wir in allen Bereichen alles umsetzen, was heute schon geht, würden wir in einer grundsätzlich anderen Welt leben. Dazu bedarf es keinerlei großer Durchbrüche, mit denen ich auch nicht rechne. Die Herausforderung liegt in der Frage: „Was wollen wir eigentlich umsetzen und warum?“ Man sollte nicht alles tun, nur weil man es kann!

ML Summit: Vielen Dank für dieses Interview!

 

Geschrieben von: Hartmut Schlosser

Content-Stratege, IT-Redakteur, Storyteller – als Online-Teamlead bei S&S Media ist Hartmut Schlosser immer auf der Suche nach der Geschichte hinter der News. SEO und KPIs isst er zum Frühstück. Satt machen ihn kreative Aktionen, die den Leser bewegen. @hschlosser