Links: Das Netzwerk der Neuronen im menschlichen Gehirn.
Diese Netze sind dafür zuständig, Informationen zu verarbeiten.
Zum Beispiel: Bilder, die unsere Augen sehen...

Signale (helle Punkte im Bild) wandern blitzschnell von einer Neurone zur nächsten.

Rechts: eine vergrößerte Synapse. Bild: Copyrightfrei.

Neuronale Netze

Neuronale Netze sind rechnerische Modelle, die von der Struktur und Funktionsweise des menschlichen Gehirns inspiriert sind. Sie bestehen aus Schichten von Knoten. Diese Knoten werden als »Neuronen« bezeichnet.

Diese Neuronen sind miteinander verbunden und können Informationen verarbeiten und lernen, indem sie Muster in Daten erkennen.

Neuronale Netze werden häufig in Bereichen wie

Bild- und Spracherkennung,

natürlicher Sprachverarbeitung

und vielen anderen Anwendungen des Maschinellen Lernens eingesetzt.

Sie lernen durch einen Prozess namens „Training“, bei dem sie anhand von Beispieldaten ihre Gewichte und Verbindungen anpassen, um die Genauigkeit ihrer Vorhersagen zu verbessern.

Kurz erklärt: Neuronale Netze

Neuronale Netze sind ein Forschungszweig der Informatik bzw. der Neuroinformatik.

Neuronale Netze sind dafür zuständig, Informationen zu verarbeiten.

Es existieren verschiedene Arten von künstlichen neuronalen Netzen, die jeweils unterschiedliche Möglichkeiten der Informationsverarbeitung bieten.

Ihr Aufbau ist von der Natur inspiriert und sie haben mit dem Maschinellen Lernen zu tun. Sie erfüllen vielfältige Aufgaben, wie z.B.

Gesichter erkennen,
Texte übersetzen
oder Hochwasser-Pegelstände vorhersagen.

Netz der Neuronen im Gehirn

87 Milliarden Nervenzellen!

Machen wir zunächst einen kurzen Ausflug in die Biologie, um die Funktionsweise des menschlichen Gehirns zu beschreiben.

Das menschliche Gehirn ist das komplizierteste Organ, das die Natur je hervorgebracht hat: 90 Milliarden Nervenzellen und ein Vielfaches davon an Kontaktpunkten (= Synapsen) verleihen ihm Fähigkeiten, an die kein Supercomputer bis heute heranreicht. Eine der wichtigsten Eigenschaften des Gehirns ist seine Lernfähigkeit. (Was ist Lernen? — hier Infos.)

Das Gehirn besteht aus 100 Milliarden bis einer Billion Nervenzellen. Aber die Information steckt ja nicht in den einzelnen Zellen, sondern in den Synapsen, d.h. in den Verbindungen zwischen den Nervenzellen.

Synapsen verbinden

Jede einzelne Gehirnzelle hat im Schnitt 1.000 bis 10.000 Verbindungen zu anderen Nervenzellen hat. So kommt man auf mindestens 100 Billionen Synapsen.

Anders als bei Computerschaltkreisen gilt hier nicht das Prinzip: Strom fließt oder fließt nicht - beziehungsweise Nervenzelle feuert oder feuert nicht.

Vielmehr ist hier die Aktivität abgestuft; die Nervenzellen können in verschiedenen Intensitäten feuern. Man kann das also nicht so einfach in „Nullen" und „Einsen" umrechnen.

Eine Synapse ist eine Verbindung. Eine Kontaktstruktur zur Übertragung eines chemischen oder elektrischen Signals von einer Nervenzelle auf eine andere Nervenzelle oder eine andere Zielzelle (Muskelzelle, Drüsenzelle, Sinneszelle).

Im Rahmen der "neuronalen Plastizität" kommt es in unserem Nervensystem fortlaufend zur Bildung neuer Synapsen. Dieser Prozess wird als Synaptogenese bezeichnet. Den umgekehrten Vorgang, nämlich den Abbau nicht benutzter Synapsen, nennt man Synapsen-Eliminierung.

Künstliche neuronale Netze

Aufbau eines Neuronalen Netzes

Ein typisches neuronales Netz besteht aus drei Hauptschichten:

Eingabeschicht: Hier werden die Eingangsdaten in das Netzwerk eingespeist.

Verborgene Schichten: Diese Schichten führen die eigentliche Verarbeitung durch. Sie bestehen aus mehreren Neuronen, die die Eingabedaten transformieren und Merkmale extrahieren.

Ausgabeschicht: Diese Schicht gibt das Ergebnis der Verarbeitung aus, z.B. eine Klassifikation oder eine Vorhersage.

Wandern wir nun von der Biologie in die Informatik. Genauer gesagt, in dessen Abteilung Künstliche Intelligenz.

Künstliche neuronale Netze sind der Erfolg des Maschinellen Lernen — einer Haupteigenschaft der modernen KI-Software.

Die künstlichen neuronalen Netze sind ein wichtiges Teilgebiet der Künstlichen Intelligenz. Es handelt sich hierbei um Netze aus künstlichen Neuronen, die als Modelle der biologischen Vorbilder — der menschlichen Nervenzellen (s. oben) — gelten.

Ein künstliches neuronales Netz ist in der Lage, sehr komplexe Funktionen zu erfüllen, Aufgaben zu erlernen und Probleme zu lösen. Diese Netzwerke sind in der Lage, mehrere Eingaben zu verarbeiten und entsprechend zu reagieren.

Im Wesentlichen bestehen solche Netze aus drei Schichten, der Eingabeschicht, einer Verborgenen Schicht und der Ausgabeschicht.