Home Data Science Was ist der Unterschied zwischen AI und ML?

Was ist der Unterschied zwischen AI und ML?

Das folgende Zitat kann bereits helfen, zu verstehen, was Künstliche Intelligenz von Machine Learning unterscheidet. Genaueres wird in diesem Wiki-Artikel erläutert. 

“When you’re fundraising, it’s artificial intelligence. When you’re hiring, it’s machine learning. When you’re implementing, it’s linear regression.”

 

Definition Künstliche Intelligenz (KI)

Nach vorangegangenen Artikeln zu Artificial Intelligence (AI) und Machine Learning (ML) ist klar, dass man keinen Unterschied definieren kann, wenn eine Definition fehlt. 

Bei der Abgrenzung von AI und ML spielt die Unterscheidung schwache und starke künstliche Intelligenz (KI) eine Rolle:

Starke Künstliche Intelligenz 

Nehmen wir aber als Definition von Articifical Intelligence (AI) ein dem Menschen ebenbürtiges kognitives System. In dem Fall ist der Unterschied zu Machine Learning (ML) sehr gross. ML ist eine informatische/mathematische Methode, um Prognosen zu erstellen oder Entscheidungen zu treffen. Für eine AI ist ML dann maximal ein Handwerkzeug unter vielen, um in einem übergeordneten, gesamtheitlicheren System autonom agieren zu können. AI könnte sich also der ML bedienen, um eine Entscheidung zu treffen – aber nicht notwendigerweise.

Bei schwacher KI 

Ist die Definition von AI die der schwachen KI, wird mit beiden Begriffen, AI und ML, oft eigentlich dasselbe beschrieben.

Der konkrete Anwendungsfall ist bspw. die Entlastung des Menschen, um die Arbeit der Klassifizierung einer E-Mail als Spam zu übernehmen.  Eine „künstliche Intelligenz“ übernimmt dann die Aufgabe, die E-Mail zu lesen und dieser ein Label zu verpassen. Tatsächlich ist damit aber eigentlich die Funktionsweise des Algorithmus gemeint, der die Klassifikation vornimmt. Und dieser ist typischerweise ein ML-Algorithmus. 

Mehr wissen?

Sie möchten tiefer in das Thema Artificial Intelligence und Machine Learning einsteigen?
Nehmen Sie einfach Kontakt mit uns auf!

Janine Wenk
Janine Wenk
Professional SAP Analytics Consultant

Published by:

Dr. Stefan Lieder

ehem. Leiter Data Science Werkstatt

autor:IN

Wie hat Ihnen der Artikel gefallen?

Wie hilfreich war dieser Beitrag?

Klicken Sie auf einen Stern, um zu bewerten!

Durchschnittliche Bewertung 3.7 / 5.
Anzahl Bewertungen: 3

Bislang keine Stimmen! Seien Sie die erste Person, die diesen Beitrag bewertet!

ANALYTICS LÖSUNGEN

Erfahren Sie mehr über unsere Analytics Lösungen

INFORMATIONEN

Weitere Informationen

Wiki Einführung Google BigQuery

Google BigQuery: Die wichtigsten Basics

Mit BigQuery verkauft Google ein Warehousing Tool, das etablierte Systeme ersetzen können soll. Welche konkreten Vorteile Google BigQuery bietet, wie…

Wiki ESG Reporting

ESG Reportings: Bedeutung, Relevanz und SAP Lösungen

ESG ist mittlerweile mehr als ein Trend – Unternehmen zeigen damit, welchen Stellenwert das Thema Nachhaltigkeit in ihrer Organisation einnimmt…

Titelbild On-Premise vs. Off-Premise Software Was ist der Unterschied

On-Premise vs. Off-Premise Software: Was ist der Unterschied?

Was ist on- und was ist off-premise Software und was ist der Unterschied? Diese Thematik behandelt der folgende Wissensartikel. Zudem…

Wiki: Eugen im Interview zur BW Bridge

Über eine Brücke musst Du gehen: Funktionen und Überblick der SAP BW Bridge

Die BW Bridge wird von der SAP als Möglichkeit präsentiert, ein System aus einer klassischen on-premise Umgebung in die SAP…

Wiki - The Big 5 - Sustainability Reporting

Die „Big Five“ des Sustainability Reportings

Wer gibt Standards im Bereich der Nachhaltigkeitsberichterstattung vor? Der folgende Wissensartikel befasst sich mit dieser Frage. Es werden fünf verschiedene…

Wiki 5 Sustainability KPIs

Die 5 wichtigsten Sustainability KPIs

Was sind die 5 wichtigsten Sustainability KPIs? Und warum sind Sustainability KPIs wichtig für Ihr Unternehmen? Inhaltsverzeichnis 1. Wozu werden…

Wiki: Warum benötigt man ein dwh?

Warum benötigt man ein Data Warehouse: Definition, Architektur und Vorteile

Was ist ein Data Warehouse (Kapitel 1), wie ist es aufgebaut (Kapitel 2) und warum brauche ich als Organisation ein…