Supervised Learning, auf Deutsch überwachtes Lernen, ist maschinelles Lernen aus Beispielen, bei denen die richtige Antwort mitgeliefert wird. Das Modell sieht Eingabe und gewünschte Ausgabe nebeneinander und passt seine Gewichte so an, dass es die eine aus der anderen ableiten kann.
- Supervised Learning (Überwachtes Lernen)
Maschinelles Lernen aus Beispielen, bei denen die richtige Antwort mitgeliefert wird.
Beispiel: „Für das Supervised Learning bekam das Modell 4.000 Mails, jede als Anfrage oder Beschwerde gekennzeichnet.“Was es voraussetzt: gekennzeichnete Daten. Jedes Beispiel braucht sein Label, und das kostet Menschenarbeit. Daran scheitern mehr Vorhaben als an der Technik.
Wofür es taugt: alles, wo die richtige Antwort bekannt und aufschreibbar ist. Einsortieren, Vorhersagen eines Werts, Erkennen von Objekten, Übersetzen.
Wie es praktisch abläuft
In einer Schleife. Das Modell sagt für ein Beispiel etwas voraus, die Abweichung von der hinterlegten Antwort wird berechnet, und die Gewichte verschieben sich ein Stück in die Richtung, die den Fehler verkleinert. Dasselbe millionenfach, bis die Abweichung nicht mehr nennenswert sinkt.
Knapper lässt es sich kaum sagen als im Machine Learning Glossary von Google: Supervised Learning sei das Trainieren eines Modells aus Merkmalen und den zugehörigen Labels. Alles Weitere folgt aus diesem einen Satz.
Wo die Grenze liegt
Bei der Verfügbarkeit der Antworten. Für viele interessante Fragen gibt es keine Sammlung richtiger Antworten, und sie herzustellen wäre teurer als der Nutzen. Dort kommen die beiden anderen Lernarten ins Spiel.
Wo es bei Sprachmodellen steckt
Im zweiten Schritt ihres Trainings. Nachdem ein Modell unüberwacht gelernt hat, Text fortzusetzen, bekommt es gekennzeichnete Beispiele guter Antworten vorgelegt und lernt daran das Format eines Gesprächs. Erst danach folgt die Rückmeldung durch Menschen.
Für eigene Vorhaben ist es weiterhin das naheliegendste Verfahren. Wer Anfragen einsortieren, Dokumente einer Kategorie zuordnen oder einen Wert vorhersagen will, kommt mit ein paar tausend gut gekennzeichneten Beispielen und einem schlichten Verfahren darauf weit. Ein Sprachmodell ist dafür nicht nötig.