Mobile-Menu

Definition Was ist Inferenz?

Von Laimingas 2 min Lesedauer

Anbieter zum Thema

WatchGuard Technologies GmbH
Fsas Technologies GmbH
Zadara Ltd.

Der Begriff Inferenz wird in verschiedenen Disziplinen verwendet, zum Beispiel in der Linguistik, in der Logik und Statistik sowie im Zusammenhang mit Machine Learning (maschinellem Lernen) und Künstlicher Intelligenz, wovon hier die Rede sein soll.

Grundlagenwissen zum IT-Business(Bild: © adiruch na chiangmai - Fotolia.com)
Grundlagenwissen zum IT-Business
(Bild: © adiruch na chiangmai - Fotolia.com)

Unter einer Inferenz versteht man eine Schlussfolgerung bzw. einen Prozess des Schlussfolgerns auf neue Informationen aus bereits vorhandenen Informationen und Fakten unter Verwendung von bestimmten Inferenzregeln.

Inferenz und Künstliche Intelligenz

Im Zusammenhang mit Künstlicher Intelligenz (KI) und Machine Learning (ML) geht es um Anwendungen und Modelle, die mit der Unterstützung neuronaler Netze trainiert wurden. Ein trainiertes Modell wird anschließend verwendet, um anhand neuer und zuvor nicht genutzter Daten Schlussfolgerungen zu ziehen oder Vorhersagen zu treffen. Dafür werden die im Laufe des Trainings erlernten Fähigkeiten, Muster in vorhandenen Daten zu erkennen, während des Inferenzprozesses abgerufen.

Schlüsselfaktoren zur Inferenz im Machine Learning

Fünf wichtige Faktoren für die Inferenz im maschinellen Lernen sind:

  • die Gegenüberstellung von Vorhersage und Training
  • Effizienz
  • Deployment (Einsatz, Bereitstellung)
  • Transfer Learning
  • Unsicherheit

Vorhersage und Timing

In der Trainingsphase wird das Modell fortlaufend angepasst. Dadurch sollen Fehler bei den Trainingsdaten vermieden oder zumindest minimiert werden. Während der Inferenzphase wird das trainierte Modell dann genutzt, um Ausgaben für erneute Eingaben zu erzeugen, und zwar so, dass sich die Parameter des Modells nicht ändern.

Effizienz

In der Regel soll eine Inferenz sehr schnell oder - noch besser - in Echtzeit erfolgen. Das gilt vor allem für komplexe Anwendungen wie Spracherkennung oder autonomes Fahren. Aus diesem Grund sind die Geschwindigkeit und die Effizienz der Inferenz besonders kritische Aspekte.

Deployment

Nach dem Training kann das Modell in einer Arbeits- und Produktionsumgebung eingesetzt werden, wo es kontinuierlich seine Vorhersagen trifft. Man bezeichnet diese Prozessphase auch als Modell-Deployment.

Transfer Learning

Es gibt Fälle, bei denen ein Modell, das auf einen spezifischen Datensatzes trainiert wurde, auch für die Inferenz eines anderen, jedoch verwandten Datensatz Anwendung finden kann. Man spricht dann von einem Transfer Learning.

Unsicherheit

Schließlich gibt es noch Modelle, die nicht nur eine Vorhersage liefern können, sondern auch in der Lage sind, ein Statement über die Unsicherheit oder das Vertrauen in ebendiese Vorhersage abzugeben. Diese Modelle werden als probabilistisch bezeichnet. Probabilistische Aussagen beziehen sich auf die Wahrscheinlichkeit, mit der ein bestimmter Sachverhalt eintritt.

Zusammenfassend lässt sich sagen, dass eine Inferenz in der KI und im Machine Learning einen Prozess beschreibt, bei dem ein trainiertes Modell dafür verwendet wird, auf der Basis bekannter Daten Vorhersagen auf neuen Daten abzuliefern. Es handelt sich dabei um einen kritischen Punkt in zahlreichen KI- und ML-Anwendungen, da hierin der eigentliche Nutzen und Wert eines trainierten Modells liegt.

(ID:49857494)

Wissen, was läuft

Täglich die wichtigsten Infos aus dem ITK-Markt

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte

Jobs