Kontakt

Wir freuen uns auf Ihre Nachricht!

  • LinkedIn Social Icon
  • Xing Social Icon
  • Facebook
  • Instagram
  • YouTube
  • EarlyNode

Was ist Deep Learning?

Sie fanden Deep Learning schon immer kompliziert? Was es genau ist und wie diese Art von KI funktioniert, finden Sie hier heraus



“Künstliche Intelligenz, kurz KI (engl. artificial intelligence, kurz AI), ist ein Teilgebiet der Informatik, das sich darauf spezialisiert hat, Muster und Mechanismen des menschlichen Lebens zu erkennen und zu imitieren.” “[Wird] sie als Funktion in eine Software implementiert, bleibt sie nicht bloß ein statisches Simulationsprogramm, sondern kann sich mit Hilfe von menschlichem Input durch eigenständiges Lernen stetig weiterentwickeln und anpassen.”


So haben wir in unserem Artikel zum Thema Künstliche Intelligenz

den Versuch einer Definition gefasst. Darin haben wir auch Machine Learning als Methode erwähnt und erläutert - also die Erzeugung von Wissen durch Erfahrung, welches von der Maschine zur späteren Wiedererkennung in Muster und Schemata verwandelt wird.


Eine Teilform dieses maschinellen Lernens ist das sogenannte Deep Learning; das tiefe, mehrschichtige Lernen durch einen auto-adaptiven Algorithmus. Hierbei setzt man auf künstliche neuronale Netzwerke (KNN), die denen des Menschen nachempfunden sind. Erstmals wurden diese nicht-lernenden KNN 1958 von Frank Rosenblatt genutzt, um Gesichter wiederzuerkennen. Diese lagen allerdings ausschließlich in den Schaltkreisen und waren in keiner Software verankert. Heutzutage gibt es schon Programme wie AlphaGo, welches es tatsächlich geschafft hat, nach seiner Lernphase den amtierenden Champion im Spiel “Go” zu schlagen.


Go ist ein strategisches Brettspiel aus dem antiken China. Das Spielfeld besteht aus 19 horizontalen und 19 vertikalen, sich überschneidenden Linien und das Ziel beider Spieler ist es, mit ihren Spielsteinen den Großteil des Brettes zu kontrollieren. Ein durchschnittliches Spiel umfasst etwa 150 Züge, in welche insgesamt mehr als 10 hoch 170 Möglichkeiten für Konstellationen bieten. Mal zum Vergleich: ein Schachspiel von durchschnittlich 50 Runden bietet 168.000 Kombinationen. Und die Anzahl der Atome im Universum liegt zwischen 10 hoch 84 und 10 hoch 89.


Das große Problem der Künstlichen Intelligenz ist nicht die Lösung komplexer mathematischer Probleme zur Durchführung von Prozessen, sondern eher der Umgang mit Situationen, die einen gewissen Grad an Intuition erfordern. Intuitiv erkennt der Mensch zum Beispiel Gesichter oder Stimmen, doch einer Maschine fällt dies schwer.


Eine Lösung dafür bietet Deep Learning. Computern muss dafür die Fähigkeit verliehen werden, Hierarchien für verschiedene Konzepte zu entwickeln, die wiederum durch simplere Konzepte definiert werden. Mit einem Verständnis für die einfachen Konzepte kann ein bestimmter Input, den die Maschine noch nicht kennt, diese durchlaufen, durch sie definiert und in mehreren Schritten zu Komplexeren zusammengesetzt werden.


Technisch funktioniert das folgendermaßen: eine Information gelangt an die erste Schicht, die sichtbare Input-Schicht, und wird dann über Kanäle an die erste der versteckten Schichten, der hidden layers, weitergeleitet. Hier wird die Information so lange verarbeitet und weiterentwickelt, bis sie beim letzten hidden layer angekommen ist und anschließend als Ergebnis des Prozesses an die wieder sichtbare Output-Schicht gegeben wird.


Ein simples Beispiel dafür ist die korrekte Zuordnung von handschriftlich niedergeschriebenen Zahlen. Die Maschine würde hierfür beispielsweise mit etlichen Schreibweisen der Zahl Null bis Neun versorgt werden; sogenannten Trainingsdaten. Sie muss verstehen, welche einzelnen Eigenschaften, oder Konzepte, das übergeordnete Konzept der jeweiligen Zahl ausmachen. Ein kleiner Strich von links unten nach rechts oben und dann ein langer nach unten: eine Eins. Ein nach links geöffneter Halbkreis und ein Strich von links nach rechts: eine Zwei.


Wenn nun also eine Telefonnummer eingespeist werden soll, die nur handschriftlich vorliegt, dann gelangt diese Nummer bei den Künstlichen Neuronalen Netzwerken der KI zuerst als Input in die sichtbare Input-Schicht. Anschließend durchläuft die Telefonnummer die hidden layers. Eine dieser Schichten erkennt dann beispielsweise die Richtungen der gesetzten Striche, eine andere die Form und so weiter. Wenn die hidden layers schließlich die Zahlen als die erkannt haben, die sie sind, wird die fertig digitalisierte Handynummer an die wieder sichtbare Output-Schicht weitergegeben - so funktioniert’s.


Würde man von diesem Vorgang nun ein Diagramm erstellen, so hätte es zahlreiche Schichten und würde je Schicht immer tiefer - daher rührt auch der Begriff des Deep Learning.


Bei dieser Variante des Machine Learning geht es also darum, künstliche neuronale Netzwerke zu kreieren, dessen versteckte Zwischenschichten zwischen Ein- und Ausgabeschicht den Input so verarbeiten, dass sie einen sinnvollen Output zu liefern können. Dadurch kann eine Künstliche Intelligenz annähernd menschlich reagieren und handeln, ohne vorher spezifisch programmiert worden zu sein.