Es gibt drei Formen des maschinellen Lernens, die alle zum Einsatz kommen, um ein sogenanntes neuronales Netz, also sozusagen das Gehirn des Computers zu trainieren.
Überwachtes Lernen (Supervised Learning)
Beim überwachten Lernen zeigt ein Mensch dem Computer die richtigen Antworten. Der Computer lernt anhand von beschrifteten Beispielen.
Roby lernt:
„Bälle sind rund und glatt und haben keine Ohren“
„Pandas sind flauschig, haben runde Ohren und einen runden Kopf.“
„Wölfe sind flauschig, haben spitze Ohren und einen ovalen Kopf.“
Nicht-überwachtes Lernen (unsupervised Learning)
Beim unüberwachten Lernen agiert der Computer wie ein Detektiv: Er sucht selbst nach Mustern und Ähnlichkeiten, ohne dass ihm jemand die Antworten verrät.
Roby lernt:
„Weitere Bilder kann ich nun in meine Gruppen einsortieren: Der Basketball kommt zur Gruppe Bälle, der Hund zur Gruppe Wolf, der Panda zur Gruppe Panda.“
Verstärkendes Lernen (reinforcement Learning)
Das verstärkende Lernen funktioniert wie ein Spiel: Der Computer probiert verschiedene Aktionen aus und bekommt Belohnungen für richtige Entscheidungen.
Roby lernt:
„Ordne ich den Panda bei Pandas ein, gewinne ich 10 Punkte.“
„Der Hund in der Gruppe Wolf war leider falsch. Da habe ich Minuspunkte bekommen.“