Maschinelles Lernen (ML) bezeichnet Verfahren, bei denen Computer-Algorithmen aus Daten lernen, beispielsweise Muster zu erkennen oder gewünschte Verhaltensweisen zu zeigen, ohne dass jeder Einzelfall explizit programmiert wurde. So lernen Algorithmen im Online-Buchhandel, dass es bestimmte Klassen von Büchern gibt, die von bestimmten Klassen von Kunden gekauft werden ohne, dass irgendwo im Vorfeld definiert worden wäre, was Liebesromane sind oder was ein junger Familienvater liest. Autonome Fahrzeuge können schlicht dadurch lernen, dass Menschen sie eine Zeitlang steuern.
Mit diesem Verfahren wird auch das automatische Beschreiben (Labeln) von Bildern trainiert. Menschen ergänzen hierbei Bilder z.B. mit der Information, ob ein Gesicht fröhlich oder traurig erscheint, und nach mehreren Tausenden oder Zehntausenden Beispielen kann dann ein Algorithmus lernen, neue Bilder selbst zu klassifizieren. Oft wird Maschinelles Lernen mit KI gleichgesetzt. Während in der KI häufig ML eingesetzt wird, ist ML eine Methode, ein Werkzeug unter vielen Methoden der KI.
Deep Learning ist ein Teilbereich des Machine Learnings. Dabei handelt es sich um eine spezielle Methode, die neuronale Netze nutzt. Neuronale Netze beruhen auf der Funktionsweise des menschlichen Gehirns. Auf Basis vorhandener Informationen und des neuronalen Netzes kann das System das Erlernte immer wieder mit neuen Inhalten verknüpfen und dadurch erneut lernen. Somit kann das System Prognosen oder Entscheidungen treffen und diese auch reflektieren. Die Entscheidungen werden entweder für richtig erklärt oder in einem neuen Anlauf geändert.
Das passiert ohne menschlichen Eingriff, die künstlichen neuronalen Netze werden während des Lernvorgangs immer wieder neu verknüpft. Deep Learning ist überall dort gefragt, wo große Datenbestände vorhanden sind, aus denen Muster oder Modelle abgeleitet werden sollen, wie bei der Gesichts-, Objekt- oder Spracherkennung. Chatbots erweitern so selbständig ihren Wortschatz. Auch bei Vorhersagen des Kundenverhaltens auf Basis von CRM-Daten ist ein beliebtes Einsatzgebiet.
Im Prinzip liegt die Unterscheidung zwischen Machine Learning und Deep Learning darin, dass bei maschinellem Lernen der Mensch in die Datenanalyse und den eigentlichen Entscheidungsprozess eingreift.