Lernen mit Neuronalen Netzen

Sitz der menschlichen Intelligenz ist das Gehirn. Was läge also näher, als Erkenntnisse aus der Hirnforschung für die Erzeugung künstlicher Intelligenz zu nutzen? Künstliche neuronale Netze simulieren in einer vereinfachten und abgewandelten Form den grundlegenden Aufbau des Gehirns und sind als eine leistungsfähige Variante des maschinellen Lernens vielseitig einsetzbar, um komplexe Funktionen, z. B. in der Bild- und Sprachverarbeitung, aus großen Mengen von Daten zu lernen. Viele aktuelle und Aufsehen erregende Anwendungen der künstlichen Intelligenz – leistungsfähige ChatBots und Bildgeneratoren, Bilderkennung in Fahrassistenzsystemen, die Erkennung von Krankheitsbildern in der bildgebenden Diagnostik, Prognosen im Finanzwesen und viele mehr – beruhen auf künstlichen neuronalen Netzen. Dieses Kapitel behandelt den Grundaufbau eines einzelnen künstlichen Neurons und eines mehrschichtigen neuronalen Netzes. Es wird erklärt, wie ein neuronales Netz Eingaben verarbeitet und wie es mit Daten trainiert werden kann, um eine bestimmte Funktion auszuführen.