KI Lexikon –
Neuronales Netzwerk
Ein neuronales Netz bezeichnet Algorithmen, die dem menschlichen Denken nachempfunden sind und im Bereich der künstlichen Intelligenz und im maschinellen Lernen eingesetzt werden. Mittels neuronaler Netze werden Computer dazu befähigt, komplexe Aufgaben wie beispielsweise Objekterkennung oder Übersetzung von Sprache auszuführen.
Was ist ein Neuronales Netzwerk?
Ein Neuronales Netzwerk bezeichnet ein abstrahiertes Modell der menschlichen Denkweise. Das Training eines neuronalen Netzwerks, dem sogenannten Lernen, erinnert stark an den menschlichen Entscheidungsprozess. Die Forschung ist sehr aktiv, da man sich ein hohes Potenzial durch den Einsatz neuronaler Netzwerke verspricht. Die Daten, welches ein Neuronales Netzwerk verarbeiten kann, können in unterschiedlichen Formen wie Bildern, Texten, Audio oder Tabellen vorliegen.
Aufbau Neuronalen Netzwerks
Ein Neuronales Netzwerk besteht aus sogenannten Neuronen, welche in Schichten angeordnet sind. Jedes neuronale Netzwerk hat eine Eingabeschicht, die für die Dateneingabe verantwortlich ist. Darauf folgen eine oder mehrere verborgene Schichten. In diesen Schichten werden die eingehenden Daten anhand der jeweiligen Funktion modifiziert. Die Ausgabeschicht nimmt die Daten von einer verborgenen Schicht entgegen und beinhaltet das Ergebnis, welches aus dem neuronalen Netzwerk hervorgeht. Besitzt ein Neuronales Netzwerk mehr als eine verborgene Schicht, spricht man vom Deep Learning.
Funktionsweise Neuronales Netzwerk
Möchte man ein Neuronales Netzwerk nutzen, um eine bestimmte Aufgabe zu adressieren, legt man zunächst eine Architektur des Netzwerks fest. Man entscheidet also, wie die Neuronen und einzelnen Schichten angeordnet sein sollen. Dann werden den einzelnen Neuronen zufällige Anfangsgewichte zugeordnet. Startet das Training nun, werden die Daten durch die Neuronen modifiziert und unterschiedlich stark gewichtet. Die Daten werden von Schicht zu Schicht modifiziert und weitergegeben. Der Output des Neuronalen Netzwerks wird mit dem erwarteten Output verglichen. Gewichte werden daraufhin iterativ angepasst. Dies passiert so lange, bis die Fehler minimal sind.
Anwendungsbeispiele
Neuronale Netzwerke haben vielfältige Einsatzmöglichkeiten und können zukünftig einige Herausforderungen lösen. Beispielsweise beim autonomen Fahren oder in der Spracherkennung ist diese Technologie unverzichtbar. Im Bereich Sprache helfen Neuronale Netzwerke bei Echtzeitübersetzungen und im Bereich der Medizin können sie wichtige Unterstützung in der Diagnostik leisten.