fbpx
KI-Pedia

Was ist Deep Learning?

11. August 2018
Neuronales Netz
Lass dir den Text vorlesen
Subscribe

Benötigte Lesezeit: 2 Minuten

Deep Learning (tiefgehendes Lernen, Anm. d. Red.) ist ein Teilbereich des maschinellen Lernens, bei dem Algorithmen das Lösen von Aufgaben direkt durch die verwendeten Daten erlernen. Der initiale Lernprozess wird nicht mehr vom Menschen begleitet, sondern direkt von der Maschine übernommen. So gesehen ist Deep Learning die partielle Automatisierung des maschinellen Lernens.

Maschinelles Lernen und Deep Learning ermöglichen das Lösen einer Aufgabe durch einen Computer. Beide Methoden werden beim maschinellen Sehen oder der Verarbeitung von Sprache angewendet. Eine typische Herausforderung ist die Klassifizierung von Bildern: Ein Algorithmus muss erkennen, ob ein Foto einen Fisch, eine Robbe oder ein Boot zeigt. Damit das gelingt, werden Daten benötigt. Das können Bilder, Texte oder Audio-Dateien sein, je nachdem, was für eine Aufgabe die Maschine erfüllen soll.

Deep Learning vs. maschinelles Lernen

Der Prozess und die benötigten Ressourcen unterscheiden die beiden Verfahren. Beim maschinellen Lernen gibt der Mensch Testdaten mit der korrekten Antwort vor. Er sagt der Maschine also vorab, was ein Fisch, Boot oder eine Robbe ist. Der Algorithmus lernt basierend auf diesen manuell klassifizierten Testdaten und ordnet anschließend neue Bilder der jeweiligen Kategorie zu. Dabei verbessert sich der Algorithmus im Laufe der Zeit stetig. Er lernt selbstadaptiv dazu.

Deep Learning vs. Maschinelles Lernen

Die Vor- und Nachteile von Deep Learning und maschinellem Lernen

Beim Deep Learning fällt die Vorgabe der Lösung weg, stattdessen wird die Zuordnung automatisiert. Die Maschine erkennt vollkommen eigenständig, ob ein Foto ein Boot, einen Fisch oder eine Robbe zeigt. Die Grundlage für diesen Prozess sind sogenannte künstliche neuronale Netze, welche vom menschlichen Gehirn und den biologischen Prozessen der Informationsverarbeitung inspiriert sind. Stark vereinfacht sind neuronale Netze eine Sammlung von Einheiten die durch Links miteinander verbunden sind und Signale austauschen, ganz wie echte Nervenzellen. In der Regel besteht ein Netzwerk aus mehreren Neuronen-Schichten (Layers), moderne Netzwerke haben bis zu 150 Ebenen.

Neuronale Netze: Was zusammen brennt, verbindet sich

Wenn zwei Neuronen gleichzeitig aktiv sind, wächst die Bindung zwischen den beiden – der Link wird stärker und künftig bevorzugt. Dies ist ein Erfolgskriterium und entspricht der Hebbschen Lernregel: „What fires together, wires together“. Das Netz wird durch Wiederholung klüger, lernt dazu und kann so z.B. Bilder eigenständig analysieren und erkennen. Das faszinierende an diesen komplexen Gebilden ist die fehlende Transparenz. Niemand weiß exakt, was zwischen den einzelnen Layern bei der Informationsverarbeitung passiert. Daher gilt die Fehlerbeseitigung (Debugging) beim Deep Learning als schwierig. Die moderne Forschung beschäftigt sich aus diesem Grund verstärkt mit dem Kreieren effektiver Netzwerkarchitekturen und Algorithmen und dem Verstehen ihrer mathematischen Bestandteile.

Mein Fazit: Deep Learning ist das bisher komplexeste Thema unseres Lernprozesses. Es hat uns mehrere Anläufe gekostet, den Bereich so zu verstehen, dass wir ihn erklären können. Selbst die Fachliteratur zum Thema künstliche Intelligenz weist lieber auf spezialisierte Bücher hin, anstatt Deep Learning zu behandeln. Kein Wunder, erfordert es doch einen signifikanten Abstecher in die Bereiche Biologie und Physik und führt anschließend zu komplizierten mathematischen Formeln. Dennoch stellt Deep Learning den Kern der aktuellen technischen Entwicklungen dar. Wer KI verstehen möchte, kommt um dieses komplexe Thema nicht herum. Wir werden uns weiterhin damit beschäftigen und unser Wissen vertiefen.

Quellen:

  • Handbuch der Künstlichen Intelligenz, 5. Auflage, Günther Görz, Josef Schneeberger, Ute Schmidt
  • Artificial Intelligence – A Modern Approach, 3rd Edition, Stuart Russell, Peter Norvig
  • https://de.wikipedia.org/wiki/Deep_Learning
  • https://de.wikipedia.org/wiki/Hebbsche_Lernregel
  • www.youtube.com/watch?v=-SgkLEuhfbg

Titelbild: Photo by Reinhard Krull, EyeEm

Diese Beiträge dürften dir gefallen

Kein Kommentar

Jetzt kommentieren