Das KI-Vokabular · 01 Das Modell
Was ist Neuronales Netz?
Eine geschichtete Struktur aus einfachen Rechnungen, lose vom Gehirn inspiriert, die Muster aus Daten lernt.
Ein neuronales Netz ist eine Art, ein Modell für maschinelles Lernen aus vielen kleinen, verbundenen Rechnungen zu bauen, die in Schichten angeordnet sind. Jede Verbindung trägt eine Zahl, ein Gewicht, und diese Zahlen sind die Parameter des Modells. Beim Training werden die Gewichte Schritt für Schritt angepasst, bis die Ausgaben des Netzes gut zu den Beispielen passen.
Der Name geht auf einen losen Vergleich mit Nervenzellen im Gehirn zurück, die Ähnlichkeit ist aber vor allem historisch. In der Praxis ist ein neuronales Netz eine riesige Menge Arithmetik. Deep Learning bedeutet einfach Netze mit vielen Schichten. Die heutigen großen Sprachmodelle sind neuronale Netze, die auf der Transformer-Architektur aufbauen.
Warum es für dich wichtig ist
Die Mathematik musst du nicht kennen. Die nützliche Erkenntnis: Ein neuronales Netz findet Muster, statt ausdrücklichen Regeln zu folgen. Deshalb kann es gleichzeitig beeindruckend flexibel und schwer zu erklären sein.
Own it
Weil die „Begründung“ über Milliarden Gewichte verteilt ist, kannst du nicht einfach nachlesen, warum eine Entscheidung gefallen ist. Bau Prüfungen und menschliche Kontrolle überall dort ein, wo eine Erklärung zählt.
Woher es kommt
Die Idee reicht bis 1943 zurück, als Warren McCulloch und Walter Pitts in „A Logical Calculus of the Ideas Immanent in Nervous Activity“ ein einfaches mathematisches Modell einer Nervenzelle beschrieben. 1957 baute Frank Rosenblatt darauf mit dem Perzeptron auf. Sein Mark I Perceptron, eine Maschine, die durch 400 Lichtsensoren „sah“, steht heute im National Museum of American History der Smithsonian Institution. Artificial neuron · Perceptron
Verwandt
Your AI Learning Hub
Lern das ganze KI-Vokabular, Schritt für Schritt, und bau damit. Build it. Own it.