Zum Inhalt springen
DE

Lektion 4 von 8 · 6 Min. · +100 XP

Was ist ein neuronales Netz?

Ein neuronales Netz ist ein KI-Modell aus Schichten einfacher Einheiten, die über einstellbare Zahlen, die Gewichte, verbunden sind. Eine Eingabe, etwa die Pixel eines Fotos, läuft durch die Schichten und wird zu einer Vermutung. Im Training vergleicht das Netz jede Vermutung mit der richtigen Antwort und verstellt Millionen Gewichte ein kleines Stück, bis es zuverlässig rät.

▶ Probier es aus

Warum das wichtig ist

Hinter Gesichtserkennung, Übersetzung und Chatbots steckt dieselbe Idee: Schichten einfacher Einheiten, deren Verbindungsstärken durch Feedback eingestellt werden, nicht von Hand programmiert.

In 6 Minuten kannst du

  • Ein neuronales Netz besteht aus Schichten einfacher Einheiten, verbunden durch einstellbare Gewichte.
  • Training heißt: raten, mit der richtigen Antwort vergleichen, Gewichte verstellen, wiederholen.
  • Sein Wissen ist über viele Zahlen verteilt, darum sind seine Gründe schwer zu erklären.

Das übst du

  1. Teile eines Netzes

    Tipp auf jede Karte, um zu sehen, wie es funktioniert.

    ⚪ Neuron (Einheit)
    Ein winziger Rechner. Er addiert die eingehenden Zahlen, jede mal einem Gewicht, und gibt ein Ergebnis weiter. Viel einfacher als eine Gehirnzelle.
    🎛️ Gewicht
    Ein Regler auf jeder Verbindung, der bestimmt, wie stark eine Einheit die nächste beeinflusst. Ein großes Netz hat Millionen oder Milliarden davon.
    🥞 Schichten
    Die Einheiten sind in Schichten gestapelt. Frühe Schichten erkennen Einfaches wie Kanten, spätere setzen es zu Formen zusammen, dann zu „das ist eine 7“.
    📣 Feedback
    Nach jeder Vermutung misst das Netz, wie falsch es lag, und berechnet, welche Regler es in welche Richtung drehen muss, um etwas weniger falsch zu liegen.

  2. Eine Trainingsrunde

    Das Netz lernt, handgeschriebene Zahlen zu lesen. Bring eine Trainingsrunde in die richtige Reihenfolge.

    1. Ein beschriftetes Beispiel kommt herein: das Foto einer handgeschriebenen 7
    2. Die Pixel fließen durch die Schichten
    3. Das Netz rät: „wahrscheinlich eine 1“
    4. Die Vermutung wird mit dem Label „7“ verglichen
    5. Jedes Gewicht wird ein wenig verstellt, um den Fehler zu verkleinern
    6. Mit dem nächsten Beispiel wiederholen, viele Tausend Male

  3. Prüf dein Modell

    1. Wer stellt die Millionen Gewichte in einem trainierten Netz ein?

      • Das Training, durch Lernen aus Feedback (Antwort)
      • Programmierer tippen jeden Wert von Hand ein

    2. Ist ein künstliches neuronales Netz eine Kopie des menschlichen Gehirns?

      • Nein, es ist lose davon inspiriert und viel einfacher (Antwort)
      • Ja, es funktioniert genau wie echte Neuronen

    3. Noor fragt: „Warum hat das Netz diese Katze für einen Hund gehalten?“ Warum ist das schwer zu beantworten?

      • Der Grund ist über Millionen Gewichte verteilt (Antwort)
      • Das Netz versteckt seine Gründe absichtlich

Merk dir

Ein neuronales Netz lernt, indem es rät, Feedback bekommt und seine Gewichte nachjustiert, immer wieder.

Ein neuronales Netz lernt, indem es rät, korrigiert wird und seine Regler ein wenig dreht, millionenfach.

Die wichtigsten Fakten

  • Der Psychologe Frank Rosenblatt beschrieb 1958 das Perzeptron, ein frühes lernendes künstliches Neuron. · Quelle: F. Rosenblatt, The Perceptron, Psychological Review, 1958
  • Ein Paper in Nature zeigte 1986, wie mehrschichtige Netze lernen können, indem sie den Fehler rückwärts weitergeben und Gewichte anpassen. Diese Methode, Backpropagation, ist bis heute zentral. · Quelle: Rumelhart, Hinton & Williams, Learning representations by back-propagating errors, Nature, 1986
  • Der Nobelpreis für Physik 2024 ging an John Hopfield und Geoffrey Hinton für grundlegende Entdeckungen und Erfindungen, die maschinelles Lernen mit künstlichen neuronalen Netzen ermöglichen. · Quelle: Königlich Schwedische Akademie der Wissenschaften, Nobelpreis für Physik 2024
  • Das Gehirn eines Erwachsenen hat etwa 86 Milliarden Neuronen, jedes eine lebende Zelle, weit komplexer als eine Einheit in einem künstlichen Netz. · Quelle: Azevedo et al., Journal of Comparative Neurology, 2009

Aktualisiert:

Häufige Fragen

Wie lernt ein neuronales Netz?

Es macht eine Vermutung, misst, wie weit sie von der richtigen Antwort entfernt ist, und verstellt seine Gewichte ein wenig, um den Fehler zu verkleinern. Über viele Beispiele hinweg werden seine Vermutungen so immer genauer.

Was ist Deep Learning?

Deep Learning ist maschinelles Lernen mit neuronalen Netzen, die viele Schichten haben. Die zusätzlichen Schichten lassen das Netz aus einfachen Mustern komplexe aufbauen.

Sind neuronale Netze dasselbe wie das menschliche Gehirn?

Nein. Sie sind lose von Gehirnzellen inspiriert, aber jede künstliche Einheit ist eine einfache Rechnung, und Netze lernen ganz anders als Menschen.

Wofür werden neuronale Netze genutzt?

Um Gesichter und Sprache zu erkennen, Sprachen zu übersetzen, Videos zu empfehlen, Muster in medizinischen Bildern zu finden und Chatbots und Bildgeneratoren anzutreiben.

Verwandte Begriffe