Ein Algorithmus dient dazu, eine Lösung für ein Problem zu berechnen. Ein typisches Beispiel
ist das sogenannte "Kürzeste-Wege-Problem", das für zwei von den Nutzern eingegebene Orte
berechnet, welches der kürzeste Weg zwischen ihnen ist. Ein anderes typisches Problem ist
die Sortierung einer Menge von Daten. Dazu muss der Nutzer die Daten und das Sortierschema
vorgeben. So kann man eine Menge von Büchern beispielsweise nach Farbe, Größe oder Nachname
der jeweiligen Autorin oder des jeweiligen Autors sortieren. Solche Probleme beschreiben
also eine sehr allgemeine Fragestellung, die in einer Situation immer noch durch weitere
Zusatzinformationen ergänzt werden müssen: Im ersten Beispiel müssen die beiden Orte genannt
werden, im zweiten Fall das Sortierkriterium.
Algorithmen sind nun so allgemeine Lösungsvorschriften, dass sie das Problem immer lösen
können, unabhängig davon, was die Nutzer:innen eingeben. Sie sind dabei so detailliert, dass
sie auf einen Computer übertragbar sind – man nennt diesen Vorgang Implementierung.
Viele dieser Probleme sind sogenannte Optimierungsprobleme: Sie suchen eine Lösung mit
beispielsweise möglichst geringen Kosten oder möglichst hohem Gewinn. Dazu gehören z.B.
Probleme, die versuchen, die Pakete einer Lieferung möglichst so auf LKWs zu verteilen und
die Routen so auszuwählen, dass insgesamt die Auslieferzeit minimiert wird. Eine solche
Lösungsvorschrift oder Handlungsanweisung nennt man in diesen Fällen nur dann Algorithmus,
wenn sie auch tatsächlich eine optimale Lösung findet. Dieser Punkt ist deshalb wichtig,
weil die meisten Verfahren des maschinellen Lernens ein Optimierungsproblem lösen: "Finde in
den Daten Muster, die möglichst gute Entscheidungen erlauben". Dafür muss man dem Verfahren
auch ein Qualitätsmaß mitgeben, das optimiert werden soll, wie z.B. die Menge aller korrekt
gefällten Entscheidungen. Insbesondere die mächtigeren Verfahren des maschinellen Lernens
können hier aber nicht garantieren, die bestmögliche Lösung zu finden, es sind nur
sogenannte Heuristiken.
Abbildung: Auf der linken Seite wird der Weg vom Eingang eines Labyrinthes bis
zum Ausgang gezeigt, den die "Rechte-Hand-Regel" findet. Rechts wird der
kürzeste Weg von Eingang bis Ausgang gezeigt.
Genauso sind die meisten Verfahren des maschinellen Lernens nur Heuristiken –
sie finden Muster in den ihnen vorliegenden Daten, es müssen aber nicht die
"besten" Muster sein in irgendeinem vorher festgelegten Sinne des Wortes.