AutoML: Wie KI lernt, sich selbst zu optimieren
Automatisiertes maschinelles Lernen soll KI demokratisieren und ihren Fortschritt beschleunigen. Aber was passiert, wenn Algorithmen Algorithmen entwickeln?
- Thomas Brandstetter
Was ist die beste Architektur für eine KI, die auf dem Smartphone laufen soll, und wie sieht die optimale Einstellung für die Lernrate aus? Wer KI entwickelt, steht vor unzähligen Designentscheidungen.
Denn während Menschen von Natur aus viele unterschiedliche Problemstellungen verstehen und bewältigen, brauchen Maschinen viel Hilfe, um sich optimal auf eine Aufgabe einzustellen. Die Anforderungen an ein System, das in einer Fabrik Bauteile auf Fehler überprüft, sind völlig andere als an eines, das Muttermale von Hautkrebs unterscheiden soll.
- Beim automatisierten maschinellen Lernen (AutoML) geht es darum, KI-Architekturen, -Hyperparameter und -Lernstrategien automatisch effizienter und leistungsfähiger zu machen.
- Machine-Learning-Algorithmen beobachten, bewerten und verbessern dazu Lernprozesse von KI-Agenten in Spielen oder Robotersimulationen.
- Technischer Fortschritt setzt in vielen alltagsrelevanten Fällen aber weiterhin menschliche Wertungen voraus.
Automatisiertes maschinelles Lernen (AutoML) soll Menschen und Organisationen ohne tiefgehendes KI-Fachwissen befähigen, grundlegende Designentscheidungen zu treffen, um schnell und effizient KI zu entwickeln. Indem sie ihrerseits mit maschinellem Lernen arbeiten, finden solche Systeme selbstständig geeignete Modellarchitekturen oder optimieren Parameter.
Das war die Leseprobe unseres heise-Plus-Artikels "AutoML: Wie KI lernt, sich selbst zu optimieren". Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.
