Neuronales Netzwerk

Ein neuronales Netzwerk ist ein Computersystem der künstlichen Intelligenz, das der Funktionsweise des menschlichen Gehirns nachempfunden ist. Es verwendet Schichten miteinander verbundener Knoten als künstliche Neuronen, um Daten zu verarbeiten und ein bestimmtes Problem zu lösen. Das System lernt im Laufe der Zeit, indem es die Verbindungen zwischen den Neuronen und die von jedem Neuron ausgeführten Funktionen anpasst.

Entwickler von KI verwenden künstliche neuronale Netzwerke, um Algorithmen der künstlichen Intelligenz für verschiedene Aufgaben zu trainieren. Neuronale Netzwerke für Computer Vision lernen, Bilder zu analysieren und Objekte zu erkennen. Dadurch können sie schnell Gesichter identifizieren, Bilder mit Bezeichnungen versehen und bei der Moderation von Inhalten helfen. Sie lernen, Spracherkennung durchzuführen, um Gespräche zu transkribieren und Videos mit Untertiteln zu versehen. Neuronale Netzwerke können auch die Verarbeitung natürlicher Sprache erlernen, um geschriebene Sprache zu analysieren, Dokumente zu organisieren, Zusammenfassungen von Artikeln zu erstellen und als Chatbots zu dienen.

So funktionieren neuronale Netzwerke

Jeder Knoten in einem neuronalen Netzwerk enthält eine mathematische Funktion. Die Knoten sind in mehreren Schichten angeordnet – einer Eingabeschicht, mehreren Zwischenschichten und einer Ausgabeschicht. Jeder Knoten ist mit einer beliebigen Anzahl von Knoten in den darüber- und darunterliegenden Schichten verbunden. Ein Knoten erhält Eingaben von Knoten der unteren Ebene, weist jeder Eingabe einen Gewichtungswert zu und führt eine Berechnung der kombinierten Werte durch. Wenn das Ergebnis einen zuvor festgelegten Schwellenwert erreicht, gibt der Knoten es an die nächste Ebene weiter. Dieser Vorgang wiederholt sich, bis das neuronale Netzwerk den endgültigen Wert an die Ausgabeschicht weitergibt.

Während der anfänglichen „Trainingsphase“ geben Entwickler neuronalen Netzwerken verschiedene Datensätze. Wenn das Ziel beispielsweise darin besteht, Gesichter zu erkennen, können die Daten aus Fotos verschiedener Personen bestehen. Bei den ersten Analysen der Daten ist die Ausgabe möglicherweise nicht korrekt. Bei nachfolgenden Analysen „lernt“ das System jedoch, indem es die Gewichtungs- und Schwellenwerte für jeden Knoten verändert. Das neuronale Netzwerk ist erfolgreich trainiert, sobald es für die Trainingsdaten durchgehend genaue Ergebnisse liefert.