Sprachmodelle sind als neuronale Netze nicht zuletzt klassische Beispiele für maschinelles Lernen (englisch machine learning, ML). Maschinelles Lernen ist aber nicht auf neuronale Netze und noch nicht einmal auf statistische Modelle im Allgemeinen beschränkt, denn auch die Parameter deterministischer, regelbasierter Modelle können maschinell gelernt werden. Und doch begegnen einem die grundlegenden Prinzipien, nach denen Maschinen, also Computer und Roboter lernen, vor allem im Zusammenhang mit neuronalen Netzen auf die wir uns deshalb im Folgenden beschränken. Diese grundlegenden Prinzipien sind das überwachte, das unüberwachte und das verstärkende Lernen, wobei das Transfer-Lernen oft als vierte Form genannt wird. Andere Formen des maschinellen Lernens werden meist als Spezialfälle der ersten drei Arten betrachtet, z.B. das Imitationslernen, auf das wir kurz zu sprechen kommen werden.

Source ->