Maschinelles Lernen

Vielleicht ist das maschinelle Lernen Träger der größten Hoffnungen unter den Teilgebieten der KI. Es hat einen ähnlichen Werdegang wie die Sprachverarbeitung. Als die ersten Computer verfügbar waren, lag auch die Vorstellung in der Luft, lernende Systeme zu bauen, die sich anschließend selbsttätig an ihre Umwelt anpassen und sich alles Notwendige zur Erfüllung ihrer Aufgaben durch selbständiges Lernen aneignen. Es sollte also ein Elementarsystem entwickelt werden, das im wesentlichen nur allgemeine Lernstrategien beinhaltet. Dies sollten Regeln sein, nach denen die Eingaben des Systems - beispielsweise die Meldung, ob die gerade bearbeitete Aufgabe erfolgreich durchgeführt wurde - geeignet weiterverarbeitet werden, so daß die Problemlösungsfähigkeit des Systems sich zunehmend erweitert und verbessert. Zu den ersten Lernsystemen, die mit solchen Zielen entwickelt wurden, zählt Samuels Checker Player  Samuel[Sam59,Sam67], ein Programm für das Damespiel, das sich durch gespielte Partien selbst verbessert. In der Tat gelang es einer später verfeinerten Version dieses Systems, auf menschlichem Meisterniveau zu spielen. Ein anderes frühes Lernsystem, das einfache Lernaufgaben bewältigte, ist Rosenblatts Perceptron Rosenblatt[Ros59].   Ein System, das in seiner Struktur an Nervennetze erinnert, wobei sich bestimmte interne Werte in den einzelnen Netzknoten verändern können. Beide Ansätze liessen sich in der Folge jedoch nicht auf andere, wichtigere Gebiete übertragen. Man kam auch auf dem Gebiet der lernenden Systeme - ähnlich wie in der Sprachverarbeitung - zu der Überzeugung, daß sich auch durch weitere Forschungsaktivitäten kein Erfolg einstellen würde.

Knapp zehn Jahre später, 1970 trat Patrick Winston mit seiner Dissertation über ein lernendes System an die Öffentlichkeit Winston[Win70]. Winstons System war in der Lage eine Klassifikationsregel für einen aus Bauklötzen zusammengestellten Torbogen zu lernen. Das System lernte die Klassifikationsregel, indem ihm positive und negative Beispiele für einen solchen Torbogen vorgelegt wurden, d.h. es wurden Konstellationen vorgelegt, die einem Torbogen entsprachen und andere, die keinem Torbogen entsprachen. Welche der vorgelegten Beispiele Torbögen waren, wurde dem System mit den Beispielen mitgeteilt. Winstons Arbeit erweckte die versiegten Forschungsanstrengungen auf dem Gebiet der lernenden Systeme zu neuem Leben. Seit dem wurden mehr und mehr Arbeiten zu diesem Thema veröffentlicht. Seit Mitte der 80er Jahre wurden aufgrund neuer Entwicklungen auch Ansätze, die auf der Nachbildung von Neuronennetzen basieren, wieder populär.