Veröffentlicht am
Wie funktionieren neuronale Netze? Neuronen, Schichten und Gewichtungen erklärt — KI-Tutorial, Folge 2

Im Inneren eines künstlichen neuronalen Netzes: Neuronen, Schichten und Gewichtungen
In Folge 1 haben wir gesehen, dass künstliche neuronale Netze (KNN) derzeit das große Thema in der KI sind – leistungsfähig und in erstaunlich vielen Bereichen einsetzbar. Folge 2 schaut hinein. movingimage-CEO Dr. Ingo Hofacker zeigt Schritt für Schritt, wie ein KNN aufgebaut ist und wie ein Signal es durchläuft – ohne eine einzige Formel, die Sie sich merken müssten.
Ein mathematisches Modell des Gehirns
Ein KNN ist im Kern ein mathematisches Modell des menschlichen Gehirns. Für unsere Zwecke genügt es zu wissen: Das Gehirn besteht aus Billionen von Neuronen, die über Synapsen miteinander verbunden sind. Ist das Gehirn aktiv, senden die Neuronen Strom durch diese Synapsen an ihre Nachbarn. Ein paar Lichtstrahlen treffen die Neuronen auf Ihrer Netzhaut, elektrische Signale wandern weiter, bis sie den visuellen Cortex erreichen – und schon wird das Signal als „meine Katze“ eingeordnet.
Schichten: Warum man von Deep Neural Networks spricht
Bauen wir nun selbst eines. Am Anfang stehen die Neuronen, und jedes KNN besteht aus einer großen Zahl von Schichten davon – genau deshalb spricht man häufig von tiefen neuronalen Netzen, englisch Deep Neural Networks. Jedes Neuron einer Schicht ist mit einigen Neuronen der nächsten Schicht verbunden. Dabei sind nicht alle Verbindungen gleich: Wie im echten Leben sind manche stärker als andere. Diese Stärke heißt Gewichtung – und je nach Gewichtung wird das Signal auf dieser Verbindung verstärkt oder abgeschwächt.
Wie ein Signal von der Eingabe zur Ausgabe wandert
Das Ausgangssignal – ein Vektor aus Zahlen – trifft auf die Eingabeschicht, in unserem Beispiel die Netzhaut. Auf dem Weg durch die tieferen Schichten wird es fortlaufend verändert, bis es schließlich die letzte Schicht erreicht, die Ausgabeschicht. Bei jedem Übergang von einer Schicht zur nächsten wird der Vektor mit den Gewichtungen zwischen diesen beiden Schichten multipliziert. Das ist der gesamte Mechanismus.
Daraus ergibt sich die naheliegende Frage: Das ist ja noch kein Lernen. Das Wissen ist bereits vorhanden – es steckt in den Gewichtungen. Wie aber kommen wir überhaupt zu diesen Gewichtungen, wie wird ein neuronales Netz also trainiert? Genau dort setzt Folge 3 an. Sehen Sie sich oben Folge 2 an und bleiben Sie dann gleich dran.


.avif)


.avif)




.avif)





