Wie Maschinen lernen

Damit sie angesichts der stetig steigenden und wechselnden Anforderungen ihre Aufgaben erfüllen können und schnell die richtigen Antworten parat haben, müssen Maschinen künftig aus ihren Erfahrungen selbstständig lernen.

Forscher sehen hier grenzenlose Möglichkeiten. So können Software-Systeme anhand von Bildern aus dem Körperinneren und von Zellstrukturen daraufhin trainiert werden, die Umrisse von Organen zu identifizieren und die Krebsstadien von Zellen zu erkennen.

Zudem birgt in diesem Zusammenhang das Prinzip der maschinellen Zeichenerkennung, das den internationalen Postverkehr bereits revolutionierte, weitere Potenziale: Künftige Anwendungen reichen von der Verkehrs- und Sicherheitstechnik bis zu Sicherheitscodes bei Gefahrenguttransporten. Ein weiterer Aspekt: maschinelles Sehen.

Videosysteme könnten in Zukunft nicht nur digitale Modelle der sichtbaren Welt schaffen, sondern auch eigenständig interpretieren, etwa um Gefahren zu erkennen. Forscher haben außerdem mathematische Grundlagen für Dutzende industrielle Prognosesysteme geschaffen.

Diese können auch komplexe Einsatzgebiete wie die Vorhersage von Rohstoffpreisen oder die Prognose der Leistung von Windparks und Gasturbinen beherrschen – weit besser als konventionelle Systeme.