Der Begriff Loss Function stammt aus den Bereichen Künstliche Intelligenz, Big Data und Smart Data sowie Digitale Transformation. Die Loss Function, auf Deutsch oft als Verlustfunktion bezeichnet, ist ein zentrales Konzept beim Trainieren von KI-Systemen und Algorithmen.
Sie hilft dabei, künstliche Intelligenz zu verbessern. Konkret misst sie, wie groß der Unterschied zwischen dem Ergebnis eines Modells und dem tatsächlich richtigen Ergebnis ist. Je kleiner der Unterschied, desto besser arbeitet das Modell. Die Loss Function zeigt dem Computer also, wie weit er noch vom optimalen Ergebnis entfernt ist.
Ein einfaches Beispiel: Stellen Sie sich vor, Sie bauen eine KI, die Fotos von Hunden und Katzen unterscheiden soll. Gibt die KI als Antwort „Hund“ aus, aber auf dem Bild ist eine Katze, wäre der Fehler groß – die Loss Function zeigt das als hohen Verlust an. Wenn die KI richtig „Katze“ sagt, ist der Verlust sehr klein. Durch tausende Wiederholungen lernt das System so, immer genauer zu werden, weil es versucht, den Verlust möglichst zu minimieren.
Zusammengefasst: Die Loss Function sagt Computern, wie gut oder schlecht sie eine Aufgabe gelöst haben und leitet Verbesserungen ein.
Deutsch 
English (UK)