Читать книгу Predictive Analytic und die Haftung für fehlerhafte Ergebnisse gegenüber betroffenen Einzelpersonen - Susanne Mentel - Страница 47
VII. Bedeutung von Machine Learning
ОглавлениеDas Neuartige an heutigen Vorhersagetechniken ist im Gegensatz zu den aufgezeigten einfachen Modellen, dass diese mittels Machine Learning-Modellen automatisch und zum Teil auf selbstlernender Basis entwickelt werden können. Machine Learning ist ein „Forschungsbereich, der Computern die Fähigkeit gibt zu lernen, ohne explizit programmiert zu werden.“144 Aufgrund der automatisch ablaufenden Prozesse wird auch davon gesprochen, dass Machine Learning die Fähigkeit besitzt, das Erkennen von Zusammenhängen zu erlernen.145 Diese Metapher soll jedoch nicht den Anschein erwecken, dass es sich bei dieser Lernfähigkeit um eine der menschlichen Eigenschaft vergleichbare Kompetenz handelt. Der Lerneffekt innerhalb des Machine Learnings ist eher im funktionalen Sinne zu verstehen.146 Dabei sind zwei Arten von Machine Learning zu unterscheiden: Im Rahmen des sog. supervised Machine Learning werden dem Algorithmus zunächst Beispiele eines bestimmten Phänomens vorgegeben. Eine Veranschaulichung dieser Methode liefert die Vorgehensweise bei der automatischen Erkennung von Spam-Emails.147 Durch die Vorauswahl des Email-Empfängers, der bestimmte Emails als Spam kennzeichnet, kann der Algorithmus anhand dieser vorgegebenen Beispiele ein Muster erkennen. Die Entwicklung dieses Musters geschah deshalb nicht vollends selbstständig, sondern wurde durch die Vorgaben des Nutzers angeleitet („supervised“). Darüber hinaus können Machine Learning-Algorithmen aber auch ohne explizite Vorgaben Muster in Daten erkennen. Diese weiterentwickelte Form des Machine Learnings ist heute keine Ausnahme mehr. Durch das Analysieren neuer Datensätze „lernt“ der Algorithmus neue Zusammenhänge und wandelt diese Erkenntnisse in neue Muster und Modelle um. Das Besondere an der Entwicklung von Predictive Models durch Machine Learning ist gerade diese automatische Fortentwicklung. Das ursprüngliche Modell wird durch die ständige Angleichung an neue Erkenntnisse immer weiter perfektioniert. Der Prozess ist erst dann abgeschlossen, wenn das Modell eine Antwort auf die gesuchte Fragestellung liefert. Dieser Automatismus ist der entscheidende Punkt, weshalb die am Ende des Prozesses stehende Predictive Analytic auf der einen Seite so undurchdringlich für den Einzelnen, auf der anderen Seite so vielversprechend für den Verwender sein soll.