Page - 31 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 31 turen verschaltet sein können. Eine wesentliche Eigenschaft biologischer Neuronen ist dabei die Verschaltungsstärke oder Gewichtung, mit der ein Neuron seinen elekt- rischen Impuls jeweils individuell an zahlreiche andere Neurone überträgt. Diese Ver- schaltungsstärke bzw. ihre Änderung ist neben der Netzwerkstruktur der Neuronen eine wesentliche Eigenschaft für die Verarbeitung von Informationen in biologischen neuronalen Netzwerken. Einzelne Neuronen können seit 1952 mit Hilfe des Hodgkin-Huxley-Modells simuliert werden (Hodgkin und Huxley 1952), wobei heute sowohl vereinfachte als auch komplexere Simulationsmodelle in Gebrauch sind. Die Simulation ganzer Netzwerke kann in Hinblick auf den Rechenaufwand sehr aufwendig sein. Aktuell werden ins- besondere im Human Brain Project4 große Netzwerke von Neuronen simuliert, pers- pektivisch sogar in der Größenordnung der Anzahl der biologischen Neuronen im menschlichen Gehirn. Liest man über neuronale Netze im Bereich KI, so sind damit KNN gemeint, die nicht auf eine genaue Abbildung der biologischen Verhältnisse abzielen, sondern vielmehr nur abstrakt von der Modellierung biologischer neuronaler Netze motiviert sind. Sie setzen primär die Konzepte der Verschaltungsstärke bzw. Gewichtung und des Schwellenwerts informatorisch um. Solche KNN erfüllen ihren Zweck aber in aktuel- len Anwendungen. Der KI-Boom speist sich vor allem daraus, dass die Konzepte neuronaler Netze auf bestimmter Hardware stark parallelisiert und effizient ausge- führt werden können (siehe Beitrag 1 „Hardware für KI“). Die grundlegende Funktionsweise eines neuronalen Netzes ist in Abbildung A.5 dar- gestellt. Es erhält Eingabewerte, führt darauf Berechnungen durch und ermittelt schließlich die Ausgabewerte. Wie in der Abbildung dargestellt, fließen Informatio- nen auf der linken Seite hinein, durchlaufen das Netz und fließen auf der rechten Seite verarbeitet hinaus. Dabei können in einem komplexeren Netz die Eingabewerte links beispielsweise die Farbwerte der Pixel eines Bildes sein und der Ausgabewert rechts eine Aussage, ob auf diesem Bild ein Hund erkennbar ist. In diesem Fall kön- nen die Ausgabewerte ein einfaches Klassifikationsergebnis, also beispielsweise eine 1 (wahr – Hund erkannt) oder 0 (falsch – kein Hund erkannt) sein. Die Ausgabewerte können aber auch eine beliebig komplexere Bedeutung haben. Bei jedem Verarbei- tungsschritt werden die Werte aus der jeweils vorhergehenden Ebene weitergeleitet an die einzelnen Neuronen der nächsten Ebene. In einem Neuron der Folgeebene kommen also Werte mehrerer Neuronen an. Wie auch im biologischen Vorbild ist die 4 Das Human Brain Project ist ein seit 2013 von der Europäischen Kommission gefördertes Forschungsprojekt, an dem über zehn Jahre hinweg mehr als 100 Institutionen beteiligt sind. Die Gesamtkosten betragen mehr als eine Milliarde Euro.