Google gehört zu den Unternehmen, die genau wissen, wie man maschinelles Lernen umsetzen sollte und selbst viel Erfahrung in dem Bereich mitbringen. Mit ihrem Kurs „Machine Learning Guides“ bieten sie auch Neulingen in diesem Bereich einen guten Einstieg in die Materie, bei der auch der menschliche Aspekt nicht zu kurz kommt.
Eine ganzheitliche Einführung in maschinelles Lernen
Google teilt die hier genannte Einführung in vier Bereiche, die eine breite Basis abbilden. Üblicherweise dominiert bei derlei Einsteigerkursen das Technische, aber der Gigant aus dem Silicon Valley hat hier auch den Menschen im Sinn, denn es sind nicht wenige, die die Künstliche Intelligenz (KI) eher als Gefahr sehen. Insofern ist es sinnvoll und nachahmenswert, wie Google hier vorgeht: Die Kundinnen und Kunden stehen im Zentrum – an deren Bedürfnissen orientiert sich der Einsatz der Künstlichen Intelligenz. Daher beginnt die Einführung mit dem „People + AI Guidebook“.
Menschen und Künstliche Intelligenz
In sechs Kapiteln beschreibt Google aufbauend auf selbst erhobenen Daten, wie die Einführung der Künstlichen Intelligenz in das eigene Produkt erfolgen sollte, damit der Mensch das Meiste von der Technologie hat. Schließlich ist neben technischen Herausforderungen auch das menschliche Misstrauen präsent und darum müssen sich gute Produkt-Teams ebenfalls kümmern.
Was ist das Problem der Kundin oder des Kunden, das wir mit unserem Produkt lösen wollen? Kann uns KI dabei helfen und wenn ja, auf welche Weise? Wie erklären wir unseren Kundinnen und Kunden den Einsatz von KI? Wie schaffen wir Vertrauen in unseren Ansatz? Wie vermitteln wir unseren Kundinnen und Kunden eventuell auftretende Fehler?
Das sind Fragen, die in diesem Bereich besprochen werden und erst die Antworten auf diese zeigen den Weg für die weiteren Kapitel auf.
Regeln für maschinelles Lernen
Nun ist Google bereits seit Langem im Gebiet des maschinellen Lernens unterwegs und hat nach eigener Aussage „jeden Fehler bereits begangen“. Damit sich die Fehler nicht wiederholen, haben die Ingenieurinnen und Ingenieure bei Google unter „Rules of ML“ eine Liste von Regeln aufgestellt, die es vor und während der Implementierung von KI zu beachten gilt.
Beispielsweise sollte man keine Angst haben, ein Produkt auf den Markt zu bringen, das kein maschinelles Lernen unterstützt. Die höchste Priorität sollte dem Sammeln von Daten eingeräumt werden. Dafür genügt eine konventionelle Herangehensweise, die im Zweifel auch einfacher zu verstehen und zu warten ist. Erst, wenn das eigene Ziel und das der Kundinnen und Kunden klar ist und genügend brauchbare Daten vorliegen, kann uns der Einsatz von Machine Learning (ML) eventuell auf eine höhere Ebene heben.
Diese und viele weitere Regeln sind hier zusammengefasst. Beherzigt man diese, kann man mit dem Einsatz von ML beginnen – beispielsweise beim Klassifizieren von Text.
Text klassifizieren
Das inzwischen klassische Beispiel für die Textklassifizierung ist die Erkennung von unerwünschten Werbe-Emails, Spam. In dieser Einführung zeigt Google, wie man über die Sammlung und Analyse von Daten zur Auswahl eines Machine-Learning-Models kommt und für den Einsatz dieses Models die Daten aufbereitet. Anschließend wird das Model trainiert und getestet, bis das Model für den produktiven Einsatz vorbereitet ist.
Sinnvolle Datenanalyse
Nun ist die Erhebung und Verarbeitung von Daten absolut wichtig, aber entscheidend ist die Interpretation und Analyse der Ergebnisse. Hierauf geht Google im letzten Kapitel, „Good Data Analysis“ ein. Insbesondere geht es darum, welche womöglich verborgenen Annahmen den Daten zugrunde liegen und wo die Grenzen der Interpretierbarkeit der Ergebnisse liegen. Google empfiehlt, weitere Möglichkeiten der Validierung der Ergebnisse einzusetzen und misstrauisch zu bleiben.