Mit technologischen Innovationen kommen auch neue Begriffe und Abkürzungen in unseren Wortschatz. Das gilt auch für die künstliche Intelligenz. Gerade in diesem Bereich gibt es besonders viele Begriffe, um alle neuen KI-Lernmethoden und -Technologien so klar wie möglich zu beschreiben und voneinander zu unterscheiden. Beginnen wir mit den im Titel erwähnten Lernmethoden.
Machine Learning
Maschinelles Lernen ist der Oberbegriff für KI-Lernmethoden. ML ist in der Regel eine Software, die nicht explizit implementiert wird, sondern selbstständig Muster lernt. Daher muss das Lernen extern ausgelöst werden. Dies kann auf verschiedene Weise geschehen, wobei zwei Gruppen unterschieden werden können: Zum einen gibt es Lernverfahren, denen vom Menschen eine Form von Regeln für die Verarbeitung vorgegeben wird, wie beispielsweise Algorithmen. Zu diesen Lernmethoden gehören das überwachte Lernen und das unüberwachte Lernen sowie die Mischform des teilweise überwachten Lernens. Darüber hinaus werden das verstärkende Lernen und das aktive Lernen durch vordefinierte Algorithmen gesteuert. Die Methoden unterscheiden sich darin, ob und inwieweit die Daten von Menschen vorbereitet und klassifiziert, also „beschriftet”, werden müssen, ob und inwieweit die Methoden trainiert werden müssen und welche Algorithmen verwendet werden.
Deep Learning
Auf der anderen Seite gibt es Deep Learning. Anstelle von vordefinierten Algorithmen verwendet es sogenannte neuronale Netze. Neuronen sind die Knotenpunkte für den Empfang, die Veränderung und die Weitergabe von Informationen von anderen Knotenpunkten. In dieser Hinsicht ahmt Deep Learning das menschliche Gehirn nach. Das Lernen, die Entscheidungsfindung und die Überarbeitung von Entscheidungen basieren auf der wiederholten Verknüpfung von Informationen über mehrere Schichten hinweg. Menschen liefern die Eingaben in Form von enorm großen Datenmengen, greifen aber ansonsten nicht ein. Der Mensch hat keinen Einfluss auf den Lernprozess und kann die Muster, nach denen das System eine Entscheidung trifft, nicht nachvollziehen. Deep Learning wird in sehr komplexen Anwendungen eingesetzt, darunter Spracherkennung in Sprachassistenten, Handschrifterkennung und autonomes Fahren.
ICR
ICR (Intelligent Character Recognition) und RPA (Robotic Process Automation) sind keine Lernmethoden, sondern Technologien, die KI-Lernmethoden für bestimmte Probleme anwenden.
OCR
OCR (Optical Character Recognition) ist uns als Texterkennung bekannt. Damit lassen sich Informationen aus Bildern, wie beispielsweise gescannten Papierdokumenten oder PDFs, lesen und in digital verarbeitbare Dateien umwandeln. ICR ist eine Art OCR 4.0: Es kann auch Handschriften erkennen. Um gute Ergebnisse zu erzielen, arbeitet sie mit linguistischen und statistischen Methoden, vergleicht mit Wörterbüchern und gespeicherten Referenzmustern, nutzt semantische Zusammenhänge und korrigiert Ergebnisse, um sie an den Kontext anzupassen. Deep Learning liefert bessere Ergebnisse als die meisten anderen Lernmethoden. ICR wird beispielsweise bei der Erkennung handgeschriebener Adressen auf Briefen oder Einträgen in Formularen eingesetzt und unterstützt so die intelligente Dokumentenverarbeitung.
RPA
Robotergestützte Prozessautomatisierung klingt ein bisschen nach Industrie und Fertigungshalle, und das ist gar nicht so weit hergeholt. Schließlich übernehmen Roboter dort schon seit geraumer Zeit strukturierte, repetitive Arbeiten. Inzwischen wurde die Technologie, mit der sich Geschäftsprozesse automatisieren lassen, auch auf andere Arbeitsbereiche übertragen. Als programmierbare Software-Bots halten die Roboter Einzug ins Büro. Mit Hilfe von KI lernen sie, computerbasierte Prozesse ähnlich wie Menschen auszuführen. Wie Menschen melden sie sich bei Anwendungen an, geben Daten ein, erledigen Aufgaben, kopieren Daten für bestimmte Aufgaben aus anderen Anwendungen usw. Das prädestiniert sie für langweilige, zeitaufwändige und fehleranfällige Routineaufgaben, beispielsweise in der Buchhaltung, im Dokumentenmanagement und im Kundenservice. Das Einzige, was dabei sichergestellt sein muss, ist, dass es sich um standardisierte Prozesse mit festen Regeln und jedes Mal gleichen Abläufen handelt. Dabei kann RPA durch andere Technologien wie OCR und ICR unterstützt werden, wodurch mehr Inhalte aus den Dokumenten extrahiert werden können, die in Form von Daten in andere Prozesse implementiert werden können.
