KI lernt aus Beispielen — Muster finden und raten
Eine App soll Ă„pfel und Birnen auseinanderhalten. Womit lernt sie am besten?
Erklärung: Eine KI braucht viele Beispiele von beiden Sorten, und jedes muss den richtigen Namen tragen. Aus einem Foto oder nur aus Äpfeln kann sie den Unterschied nicht lernen.
Eine KI hat gelernt: Alle Tiere mit Federn heißen „Vogel“. Jetzt sieht sie eine Ente, die sie nie gesehen hat. Was sagt sie?
Erklärung: Die KI kennt nur die Namen aus ihren Beispielen. Sie rät nach dem Muster „Federn, also Vogel“. Das Wort „Ente“ hat ihr niemand beigebracht.
Eine neue Sprach-App versteht schon Wörter, bevor sie ein einziges gesprochenes Beispiel gehört hat.
Erklärung: Das Wissen ist nicht fest eingebaut. Die App muss vorher sehr viele Aufnahmen gesprochener Wörter hören, um daraus zu lernen.
Eine Maschine hat gelernt: Alles, was im Wasser schwimmt, heißt „Fisch“. Jetzt sieht sie ein Foto von einem schwimmenden Hund. Was sagt sie?
Erklärung: Die Maschine wendet ihr Muster an — auch wenn es hier nicht passt. Sie weiß nicht, was ein Hund ist; sie sieht nur „schwimmt im Wasser“.
Die vielen Beispiele, aus denen eine KI lernt, heiĂźen ___daten.
Erklärung: Trainingsdaten sind die Beispiele, mit denen eine KI übt — so wie du mit Übungsaufgaben übst.
Eine KI sieht ein Hundefoto, das sie nie gesehen hat, und sagt „Hund“. Sie hat das Foto nicht auswendig gelernt, sondern nach einem Muster geraten.
Erklärung: Genau das ist Lernen aus Beispielen. Die KI erkennt im neuen Foto das Muster wieder, das sie aus vielen anderen Hundefotos kennt.
Ein Spiel soll Kritzeleien von Katzen erkennen. Welche Beispiele helfen ihm am meisten?
Erklärung: Verschiedene Beispiele zeigen, was alle Katzen gemeinsam haben. Dieselbe Zeichnung tausendmal bringt nichts Neues, und Häuser zeigen keine Katze.
Eine KI wird mit 500 Fotos von Hunden und Katzen trainiert. Danach erkennt sie auch Pferde.
Erklärung: Eine KI rät nur mit den Namen, die in ihren Beispielen vorkamen. Ohne Pferdefotos kennt sie keine Pferde — sie würde ein Pferd „Hund“ oder „Katze“ nennen.
Ein Sortierroboter hat gelernt: rund — „Ball“, eckig — „Würfel“. Jetzt bekommt er eine Orange. Was sagt er?
Erklärung: Die Orange ist rund, also passt sie zum Muster „rund — Ball“. Der Roboter kennt das Wort „Orange“ nicht, weil es in keinem Beispiel vorkam.
Eine App soll lernen, ob eine Pflanze Wasser braucht. Welches Beispiel ist richtig beschriftet?
Erklärung: Die App lernt aus Bild und Name zusammen. Ein falscher Name bringt ihr etwas Falsches bei, ein fehlender Name gar nichts.
Eine KI hat aus vielen Wetterdaten gelernt. Sie sagt: „Morgen regnet es wahrscheinlich.“ Sie weiß das sicher.
Erklärung: Die KI rät aus dem Muster vieler früherer Tage. Ein guter Rat ist oft richtig, aber nie sicher.
Eine KI findet in vielen Beispielen ein ___ und rät damit bei neuen Fällen.
Erklärung: Beispiele — Muster — Raten. Das Muster ist das, was viele Beispiele gemeinsam haben.
Wenn eine App viel mehr Fotos von Vögeln bekommt, kann sie Vögel danach meistens besser erkennen.
Erklärung: Mehr und verschiedenere Beispiele machen das Muster genauer. Darum üben KIs mit sehr vielen Beispielen.