Künstliche Neuronale Netze sind ein beliebtes Tool im Bereich der künstlichen Intelligenz, bei dem künstliche Neuronen durch Algorithmen die Nervenzellen im Gehirn nachahmen.
Ein künstliches neuronales Netz besteht aus verschiedenen Knoten (den sogenannten Neuronen). Sie nehmen Informationen von anderen Neuronen oder von außen auf, modifizieren sie und geben anschließend ein Ergebnis an das nächste Neuron weiter. Dazu sind die Neuronen jeweils durch sogenannte Kanten verbunden. Durch diese komplexen Verknüpfungen ist es möglich, Aufgaben aus den Bereichen Statistik, Informatik und Wirtschaft zu lösen. Dabei lernt das neuronale Netzwerk ständig dazu und kann sich selbst verbessern.
Künstliche neuronale Netzwerke können in 3 Schichten aufgeteilt werden:
- Die Eingabeschicht (Input Layer),
- Die Verborgene Schicht (Hidden Layer) und
- Die Ausgabeschicht (Output Layer)
Die Neuronen der Eingabeschicht nehmen die Informationen aus der Außenwelt auf. Anschließend geben sie die Informationen gewichtet an die verborgene Schicht weiter. Die verborgene Schicht kann aus beliebig vielen Neuronen-Ebenen bestehen. Hier werden die empfangenen Informationen weitergereicht und in jeder Ebene der Schicht neu gewichtet. Da die genaue Gewichtung und Verarbeitung der Informationen nicht sichtbar ist, heißt sie “verborgene Schicht”. Die Neuronen der Ausgabeschicht geben die verarbeiteten Informationen als Ergebnis aus. Ein Ergebnis kann z.B. eine Wahrscheinlichkeitsverteilung sein. Durch diese Verteilungen können anschließend Entscheidungen abgeleitet werden. Gibt es hier besonders viele Ebenen, wird von Deep Learning gesprochen.
Schauen wir uns nun anhand eines Beispiels genauer an, wie so ein künstliches neuronales Netz funktioniert:
Nehmen wir an, dass wir ein KNN trainieren wollen, Bilder von Äpfeln und Birnen zu unterscheiden. Erstmal müssen die Bilder dem neuronalen Netz zugänglich gemacht werden. Während wir Menschen in einem Bild direkt Farben (rot oder grün) und Formen (rund oder länglich) erkennen, kann ein Computer mit diesen Begriffen nichts anfangen. Stattdessen kann er aber die Farbwerte der Pixel im Bild bestimmen. Diese Farbwerte können der Input für die Eingabeschicht sein. Von da aus werden die Informationen an die verborgene Schicht weitergeleitet. Hier werden die Informationen verarbeitet, gewichtet und gegebenenfalls an die nächste Ebene weitergereicht. Eine Aktivierungsfunktion entscheidet mithilfe eines Schwellenwertes, ob und mit welchem Wert ein Neuron Informationen weitergibt. Um ein künstliches neuronales Netzwerk zu trainieren und zu verbessern, werden die Parameter ständig optimiert. Dazu werden die Gewichte ausgehend von der Ausgabeschicht durch eine komplexe Formel zielgerichtet angepasst. Anschließend versucht sich das neuronale Netz erneut an einem Bild. Das Spiel beginnt also von vorne. Die Parameter werden so lange optimiert, bis das künstliche neuronale Netz die Bilder immer richtig einordnet. Dies kann sowohl über das überwachte als auch das unüberwachte Lernen stattfinden.
In Bezug auf künstliche Intelligenz werden neuronale Netze oft eingesetzt, um Informationen aus großen Datenmengen zu interpretieren und zu extrahieren. Beispielhafte Anwendungsgebiete sind Bild- oder Spracherkennung, autonomes Fahren, Betrugserkennung oder Vorhersage von Kundenverhalten. Durch die Verwendung von neuronalen Netzen können KIs lernen, Muster zu erkennen und Entscheidungen zu treffen, ohne dass ein Mensch ausdrücklich sagt, was sie tun sollen. Dabei ist aber jedes neuronale Netz nur so gut, wie seine Trainingsdaten. Vor allem die Datenmenge macht einen großen Unterschied: je mehr Daten vorhanden sind, desto besser.
Alles in allem sind neuronale Netze ein aufregendes und vielversprechendes Feld in der künstlichen Intelligenz. In den kommenden Jahren werden wir sicherlich noch viel mehr über ihre Anwendung und ihr Potenzial erfahren.
Quellen: https://studyflix.de/informatik/neuronale-netze-4297; https://datasolut.com/neuronale-netzwerke-einfuehrung/; https://novustat.com/statistik-blog/kuenstliches-neuronales-netz-einfach-erklaert.html#:~:text=Im%20Wesentlichen%20basieren%20neuronale%20Netze,Informationen%20wieder%20zusammengefasst%20und%20ausgegeben.
