Lernen bezeichnet im Kontext der Künstlichen Intelligenz (KI) den Prozess, bei dem Maschinen oder Algorithmen aus Daten oder Erfahrungen gewinnen, um ihre Leistung oder ihr Wissen zu verbessern. Dieser Prozess ist entscheidend für die Entwicklung intelligenter Systeme, die in der Lage sind, Aufgaben ohne explizite Programmierung zu meistern.
Im Bereich des maschinellen Lernens, einem zentralen Teilgebiet der KI, werden verschiedene Arten des Lernens unterschieden. Beim überwachten Lernen (supervised learning) lernen Modelle anhand von Daten, die mit Labels oder korrekten Antworten versehen sind. Das System lernt somit, Muster zu erkennen und Vorhersagen zu treffen. Ein Beispiel hierfür ist die Bilderkennung, bei der ein Algorithmus lernt, bestimmte Objekte in Bildern zu identifizieren.
Beim unüberwachten Lernen (unsupervised learning) arbeitet das System mit ungelabelten Daten. Hierbei geht es darum, verborgene Strukturen oder Muster in den Daten zu entdecken, wie etwa bei der Kundensegmentierung in Marketinganwendungen.
Ein weiterer Ansatz ist das bestärkte Lernen (reinforcement learning), bei dem das System durch Versuch und Irrtum lernt. Es erhält Belohnungen oder Strafen, um bestimmte Ziele zu erreichen, wie etwa bei der Steuerung autonomer Fahrzeuge.
Das Lernen in der KI ermöglicht es Systemen, Entscheidungen zu treffen, Muster zu erkennen und sich an veränderte Bedingungen anzupassen. Ohne diesen Prozess wären Anwendungen wie Sprachassistenten, Empfehlungssysteme oder Predictive Maintenance undenkbar. Die Qualität des Lernprozesses hängt dabei stark von der verwendeten Datenmenge, der Datenqualität und der Komplexität der Algorithmen ab.