Ein Label ist die richtige Antwort, die einem Trainingsbeispiel beigegeben wird. Beim überwachten Lernen ist es der Teil, an dem sich das Modell ausrichtet: Das Beispiel sagt, wie der Fall aussieht, das Label sagt, was herauskommen soll.
- Label (Trainingsdaten)
Die richtige Antwort, die einem Trainingsbeispiel beigegeben wird.
Beispiel: „Jede der 4.000 Mails trug ein Label, entweder Anfrage oder Beschwerde.“Formen: eine Klasse aus einer festen Liste, eine Zahl, ein Kasten um ein Objekt im Bild, eine ganze Zeichenfolge. Entscheidend ist, dass das Label dieselbe Form hat wie das, was das Modell später ausgeben soll.
Abgrenzung zur Kennzeichnung von KI-Inhalten: Dieses Label sitzt an den Trainingsdaten und ist für das Modell bestimmt. Die Kennzeichnung erzeugter Inhalte richtet sich an Menschen und hat damit nichts zu tun.
Wer die Labels vergibt
Menschen, und das ist der teure Teil. Das Vergeben heißt Annotation und wird entweder von Fachleuten erledigt, die den Gegenstand kennen, oder in großem Maßstab von angelernten Kräften. Beides kostet, und bei Fachfragen kostet es erheblich.
Die knappste Bestimmung steht im Machine Learning Glossary von Google: Beim überwachten Lernen sei das Label der Antwort- oder Ergebnisteil eines Beispiels. Ein gelabeltes Beispiel enthalte demnach ein oder mehrere Merkmale und ein Label.
Warum ihre Güte alles entscheidet
Weil ein Modell nicht zwischen richtig und falsch gekennzeichneten Beispielen unterscheiden kann. Es lernt beides gleich bereitwillig. Zehn Prozent falsche Labels setzen eine Obergrenze für die erreichbare Güte, die kein Verfahren und keine Modellgröße überwindet.
Wie man Streit darüber löst
Durch Mehrfachvergabe. Lässt man dieselben Beispiele von mehreren Personen kennzeichnen und misst die Übereinstimmung, zeigt sich schnell, ob die Aufgabe überhaupt eindeutig ist. Wo sich Menschen uneinig sind, wird auch kein Modell zuverlässig.
Aus dieser Messung folgt meist eine Überarbeitung der Anleitung und nicht ein Austausch der Leute. Wenn zwei erfahrene Personen dasselbe Beispiel verschieden einordnen, ist in aller Regel die Festlegung unklar und nicht ihre Sorgfalt.