Das Training (deutsch: Schulung oder Ausbildung) ist ein zentraler Prozess im Bereich der künstlichen Intelligenz (KI). Es bezieht sich auf den Vorgang, bei dem ein KI-Modell mit Daten versorgt wird, um es darauf zu trainieren, bestimmte Aufgaben zu erledigen, wie z.B. die Klassifizierung von Bildern, die Vorhersage von Wetterdaten oder die Generierung von Texten. Das Training ermöglicht es dem Modell, Muster in den Daten zu erkennen und daraus zu lernen, um genaue Vorhersagen oder Entscheidungen treffen zu können.
Im Training wird das Modell typischerweise mit einem Datensatz gefüttert, der in drei Teile unterteilt ist: den Trainingsdatensatz, den Validierungsdatensatz und den Testdatensatz. Der Trainingsdatensatz dient dazu, die Parameter des Modells anzupassen, um die gewünschte Aufgabe zu erlernen. Der Validierungsdatensatz wird verwendet, um den Fortschritt des Modells während des Trainings zu überwachen und mögliche Überanpassungen (Overfitting) zu vermeiden. Der Testdatensatz wird schließlich eingesetzt, um die endgültige Leistung des trainierten Modells zu bewerten.
Je nach Anwendung kann das Training als überwachtes Lernen, unbewachtes Lernen oder bestärkendes Lernen (reinforcement learning) durchgeführt werden. Bei überwachtem Lernen wird das Modell mit gelabelten Daten trainiert, bei denen die richtige Ausgabe bereits bekannt ist. Bei unbewachtem Lernen hingegen wird das Modell auf ungelabelten Daten trainiert, um Muster oder Strukturen in den Daten zu entdecken. Beim bestärkenden Lernen lernt das Modell durch Interaktion mit einer Umgebung und erhält Belohnungen oder Strafen, um die optimale Vorgehensweise zu finden.
Das Training ist ein entscheidender Schritt in der Entwicklung von KI-Systemen, da es die Fähigkeit des Modells bestimmt, in realen Anwendungsszenarien erfolgreich eingesetzt zu werden.