Wie erkennt das Handy ein Gesicht?
Ihr Handy sortiert Fotos nach Personen. Niemand hat ihm Regeln wie „zwei Augen, eine Nase“ geschrieben. Das geht auch kaum: Jedes Gesicht sieht anders aus, bei jedem Licht.
Solche Aufgaben löst ein neuronales Netz. Es ist ein Modell aus sehr vielen kleinen Rechenschritten. Heute sehen Sie, wie einer davon aussieht.
Am Ende dieser Lektion
Notiz
Ich kann in Worten sagen, was ein neuronales Netz ist.
Schlüsselwörter
| Begriff | Was er bedeutet | Beispiel |
|---|---|---|
| Neuron | ein kleiner Rechenschritt: Er nimmt Zahlen, gewichtet sie und gibt eine Zahl weiter | |
| Gewicht | eine Zahl, die sagt, wie wichtig eine Eingabe ist | Neukunde: Gewicht 2 |
| Schicht | eine Reihe von Neuronen, die gleichzeitig rechnen | |
| Neuronales Netz | viele Neuronen in Schichten, die Zahlen weiterreichen | |
| Tiefes Lernen | neuronale Netze mit vielen Schichten | Deep Learning |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Ein Neuron ist eine gewichtete Summe
Ein Neuron bekommt mehrere Zahlen. Jede Zahl wird mit einem Gewicht multipliziert. Das Gewicht sagt, wie wichtig diese Zahl ist.
Dann werden alle Ergebnisse addiert. Ist die Summe groß genug, „feuert“ das Neuron und gibt ein Signal weiter. Ist sie zu klein, bleibt es still.
Das ist vereinfacht: Echte Netze nutzen weichere Regeln als eine feste Schwelle. Das Prinzip bleibt gleich.
Rechenbeispiel: eine Bestellung prüfen
| Eingabe | Wert | Gewicht | Ergebnis |
|---|---|---|---|
| Warenwert in Euro | 250 | 0,01 | 2,5 |
| Neukunde (1 = ja) | 1 | 2 | 2 |
| Andere Lieferadresse (1 = ja) | 1 | 3 | 3 |
| Summe | 7,5 | ||
| Schwelle 5 | 7,5 ist größer: prüfen |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Ein Neuron in Python
# Eine Bestellung wird geprüft. Drei Eingaben, jede mit einem Gewicht.
# Eingabe 1: Warenwert in Euro. Eingabe 2: Neukunde (1 oder 0). Eingabe 3: andere Lieferadresse (1 oder 0).
gewichte = [0.01, 2, 3]
schwelle = 5
def neuron(eingaben):
summe = 0
for i in range(len(eingaben)):
summe = summe + eingaben[i] * gewichte[i]
return summe
def entscheide(summe):
if summe >= schwelle:
return "prüfen"
return "freigeben"
bestellungen = [[250, 1, 1], [40, 0, 0], [250, 0, 1], [600, 1, 0]]
for eingaben in bestellungen:
summe = neuron(eingaben)
print(eingaben, "Summe:", summe, "->", entscheide(summe))
# Ändern Sie in der Liste gewichte die 3 auf eine 1. Wie ändern sich die Entscheidungen?
Viele Neuronen ergeben ein Netz
Ein einzelnes Neuron kann wenig. Darum stellt man viele in Schichten hintereinander.
Die erste Schicht bekommt die Rohdaten, etwa die Helligkeit der Bildpunkte. Jede weitere Schicht rechnet mit den Ergebnissen der vorigen. Die letzte Schicht gibt die Antwort.
Was „tief“ bedeutet
Ein Netz mit vielen Schichten heißt tief. Das Lernen mit solchen Netzen heißt Deep Learning.
Jede Schicht findet etwas Einfaches, die nächste baut darauf auf. Bei Bildern sind das oft zuerst Kanten, dann Formen, dann ganze Gegenstände.
Das Training stellt die Gewichte ein
Ein Netz hat viele Gewichte, oft Millionen. Niemand setzt sie von Hand.
Zu Beginn sind sie zufällig. Das Training zeigt dem Netz ein Beispiel und vergleicht die Antwort mit dem Etikett. Ist sie falsch, werden die Gewichte ein kleines Stück verschoben.
Das wiederholt sich millionenfach. Am Ende sind die Gewichte so eingestellt, dass die Antworten meist stimmen.
Wann sich tiefes Lernen lohnt
| Aufgabe | Passt tiefes Lernen? | Warum |
|---|---|---|
| Fotos nach Inhalt sortieren | Ja | Bilder haben Muster, die man schwer als Regeln schreibt |
| Gesprochene Sprache in Text umwandeln | Ja | Viele Stimmen, viele Geräusche |
| Den Preis mit 19 % Steuer berechnen | Nein | Eine feste Rechnung genügt |
| Verkäufe aus 40 Tabellenzeilen schätzen | Meist nein | Ein einfaches Modell reicht und ist leichter zu erklären |
Die Zellen, die Lernende ausfüllen, bleiben in dieser Vorschau leer.
Ein häufiger Irrtum
Warnung
Viele glauben, ein neuronales Netz denkt wie ein Gehirn. Das stimmt nicht. Es rechnet nur mit Zahlen und Gewichten. Es ist auch keine Zauberkiste: Ohne viele gute Beispiele lernt es wenig, und es ist schwer zu erklären, warum es etwas entschieden hat.