Unüberwachtes Lernen (Unsupervised Learning)

Unüberwachtes Lernen ist das Training eines Algorithmus für künstliche Intelligenz (KI) unter Verwendung von Informationen, die weder klassifiziert noch gekennzeichnet sind. Es ermöglicht dem Machine-Learning-Algorithmus, ohne Anleitung auf diese Informationen zu reagieren.

Beim unüberwachten Lernen kann ein KI-System unsortierte Informationen nach Ähnlichkeiten und Unterschieden gruppieren, obwohl es keine Kategorien gibt.

KI-Systeme, die unüberwachtes Lernen ermöglichen, werden oft mit generativen Lernmodellen in Verbindung gebracht, obwohl sie auch einen Retrieval-basierten Ansatz verwenden können - der am häufigsten mit überwachtem Lernen in Verbindung gebracht wird.

Chatbots, selbstfahrende Autos, Gesichtserkennungsprogramme, Expertensysteme und Roboter gehören zu den Systemen, die entweder überwachte oder unüberwachte Lernansätze verwenden können.

Beim unüberwachten Lernen werden einem KI-System nicht gekennzeichnete, nicht kategorisierte Daten präsentiert. Die Algorithmen des Systems greifen ohne vorherige Schulung auf die Daten zu. Die Ausgabe ist abhängig von den codierten Algorithmen. Ein System dem unüberwachten Lernen zu unterziehen, ist eine Möglichkeit, künstliche Intelligenz zu testen.

Unüberwachte Lernalgorithmen können komplexere Verarbeitungsaufgaben übernehmen als überwachte Lernsysteme. Unüberwachtes Lernen ist jedoch unvorhersehbarer als das überwachte Modell.

Während ein unüberwacht lernendes KI-System zum Beispiel selbst herausfinden kann, wie man Katzen von Hunden unterscheidet, kann es auch unvorhergesehene und unerwünschte Kategorien hinzufügen, um zum Beispiel mit ungewöhnlichen Rassen umzugehen, was eher Unordnung statt Ordnung schafft.