Definition

Was ist Deep Learning?

| Autor / Redakteur: Stefan Luber / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Deep Learning ist ein Teilbereich des Machine Learnings und nutzt neuronale Netze sowie große Datenmengen. Die Lernmethoden richten sich nach der Funktionsweise des menschlichen Gehirns und resultieren in der Fähigkeit eigener Prognosen oder Entscheidungen.

Beim sogenannten Deep Learning handelt es sich um eine spezielle Methode der Informationsverarbeitung. Deep Learning ist ein Teilbereich des Machine Learnings und nutzt neuronale Netze. Zur Herstellung künstlicher Intelligenz werden Trainingsmethoden genutzt, die große Datenmengen heranziehen und analysieren. Die Funktionsweise ist in vielen Bereichen vom Lernen im menschlichen Gehirn inspiriert. Auf Basis vorhandener Informationen und des neuronalen Netzes kann das System das Erlernte immer wieder mit neuen Inhalten verknüpfen und dadurch erneut lernen. Daraus resultierend ist die Maschine in der Lage, Prognosen oder Entscheidungen zu treffen und diese zu hinterfragen. Entscheidungen werden bestätigt oder in einem neuen Anlauf geändert. In der Regel greift der Mensch beim eigentlichen Lernvorgang nicht mehr ein.

Deep Learning eignet sich für alle Anwendungen besonders gut, bei denen große Datenbestände zur Verfügung stehen, aus denen sich Muster und Modelle ableiten lassen. Als technische Grundlage des Deep Learnings dienen künstliche neuronale Netze, die während des Lernvorgangs immer wieder neu verknüpft werden.

Neuronale Netze – Grundlage für das Deep Learning

Das neuronale Netz ist eine Art künstliches Abstraktionsmodell des menschlichen Gehirns und besteht aus künstlichen Neuronen. Es verfügt über sogenannte Eingangs- und Ausgangsneuronen. Dazwischen befinden sich mehrere Schichten an Zwischenneuronen. Die Eingangsneuronen lassen sich durch Lernen auf verschiedenen Wegen über die Zwischenneuronen mit den Ausgangsneuronen verknüpfen. Je mehr Neuronen und Schichten existieren, desto komplexere Sachverhalte lassen sich abbilden.

Das grundlegende Konzept des Deep Learnings

Deep Learning lehrt Maschinen zu lernen. Die Maschine wird in die Lage versetzt, selbstständig und ohne menschliches Zutun ihre Fähigkeiten zu verbessern. Das erreicht man, indem aus vorhandenen Daten und Informationen Muster extrahiert und klassifiziert werden. Die gewonnenen Erkenntnisse lassen sich wiederum mit Daten korrelieren und in einem weiteren Kontext verknüpfen. Schließlich ist die Maschine fähig, Entscheidungen auf Basis der Verknüpfungen zu treffen.

Durch kontinuierliches Hinterfragen der Entscheidungen erhalten die Informationsverknüpfungen bestimmte Gewichtungen. Bestätigen sich Entscheidungen, erhöht sich deren Gewichtung, werden sie revidiert, verringert sich die Gewichtung. Zwischen der Eingabeschicht und der Ausgabeschicht entstehen immer mehr Stufen an Zwischenschichten und Verknüpfungen. Über den eigentlichen Output entscheidet die Anzahl der Zwischenschichten und deren Verknüpfung.

Abgrenzung des Deep Learnings vom rein maschinellen Lernen

Deep Learning ist zwar ein Teilbereich des Machine Learnings, lässt sich aber dennoch gut vom rein maschinellen Lernen abgrenzen. Der entscheidende Unterschied besteht darin, dass beim maschinellen Lernen der Mensch in die Analyse der Daten und den eigentlichen Entscheidungsprozess eingreift. Beim Deep Learning sorgt der Mensch lediglich dafür, dass die Informationen für das Lernen bereitstehen und die Prozesse dokumentiert sind. Die eigentliche Analyse und das Ableiten von Prognosen oder Entscheidungen überlässt er der Maschine selbst. Der Mensch hat keinen Einfluss auf die Ergebnisse des Lernprozesses. Es lässt sich im Nachhinein nicht mehr vollständig zurückverfolgen, auf Basis welcher genauen Muster eine Maschine eine bestimmte Entscheidung getroffen hat. Zudem werden die Entscheidungen ständig hinterfragt und die Entscheidungsregeln selbstständig optimiert.

Anwendungsbereiche für das Deep Learning

Deep Learning ist überall dort gut geeignet, wo sich große Datenmengen nach Mustern und Modellen untersuchen lassen. Deep Learning kommt daher im Rahmen künstlicher Intelligenz häufig für die Gesichts-, Objekt- oder Spracherkennung zum Einsatz. Bei der Spracherkennung ist es beispielsweise dank des Deep Learnings möglich, dass die Systeme ihren Wortschatz selbstständig mit neuen Wörtern oder Wortwendungen erweitern. Ein bekanntes Beispiel für eine solche Arbeitsweise ist der intelligente Sprachassistent Siri von Apple. Weitere Anwendungsbereiche sind das Übersetzen von gesprochenen Texten, die erweiterte künstliche Intelligenz in Computerspielen, das autonome Fahren oder die Vorhersage des Kundenverhaltens auf Basis von Daten eines CRM-Systems.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

Was KI-Chips bereits leisten können

Chips mit Artificial Intelligence an Bord

Was KI-Chips bereits leisten können

Viele Bedenken bei Nutzung von Künstlicher Intelligenz (KI) hängen mit der Speicherung und Verarbeitung von Daten in der Cloud zusammen. Bei KI-Chips können viele der Daten gleich auf dem jeweiligen Gerät verbleiben. Doch KI-Chips haben weitere Vorteile. Wir geben einen Überblick über verfügbare Modelle und die Einsatzmöglichkeiten. lesen

Darauf kommt es bei Weiterbildungen im Bereich Data Science und KI an

Kommentar von Frank Moritz, Alexander Thamm GmbH

Darauf kommt es bei Weiterbildungen im Bereich Data Science und KI an

Die Nutzbarmachung von Daten, etwa mittels Künstlicher Intelligenz (KI), ist eine der Herausforderungen aber vor allem auch Chance der Gegenwart. Für Unternehmen ist es von strategischer Bedeutung, genügend gut ausgebildete Mitarbeiterinnen und Mitarbeiter zu beschäftigen. Nicht alle bringen jedoch die erforderlichen Kenntnisse aus ihrer Ausbildung mit. Deswegen ist die nebenberufliche Weiterbildung ein wichtiger Hebel. lesen

KI auf dem Weg zur Mainstream-Technologie

Marktprognose KI-Software

KI auf dem Weg zur Mainstream-Technologie

Bis 2025 soll der weltweite Markt für KI-Software um das Fünffache auf 126 Milliarden US-Dollar wachsen. Das prognostiziert LearnBonds, ein Unternehmen für Finanzmarktinformationen. Der zunehmende Einsatz Künstlicher Intelligenz lässt zudem neuartige hybride Belegschaften aus Mensch und Maschine entstehen. lesen

Graph-Datenbank Neo4j wird noch skalierbarer

Neo4j v.4.0

Graph-Datenbank Neo4j wird noch skalierbarer

Neo4j, ein marktführender Anbieter von Graph-Datenbanktools, hat die Version 4.0 seiner Plattform verfügbar gemacht. Zu den Neuerungen gehören unbegrenzte Skalierbarkeit, mandantenfähige Multi-Datenbank-Nutzung, die Integration von Apache Kafka und die besonders für Unternehmen wichtige feingranulare Steuerung von Datensicherheit und Datenschutz. lesen

Mit KI die Leistung von MRT- und CT-Geräten steigern

Forscher der Uni Saarland wollen bildgebende Verfahren weiterentwickeln

Mit KI die Leistung von MRT- und CT-Geräten steigern

Bildgebende Verfahren wie die Magnetresonanz-Tomografie (MRT) oder die Computertomografie (CT) sind aus der modernen medizinischen Diagnostik nicht mehr wegzudenken, da sie eine bessere Darstellung der Weichteilstrukturen ermöglichen. Nun wollen Wisschenaftler der Universität des Saarlandes und der Universitäten Bremen und Erlangen mithilfe von maschinellem Lernen die Leistungsfähigkeit der dafür benötigten Geräte deutlich steigern. lesen

Machine Learning Prague 2020 steht an

Hochkarätiges Line-Up

Machine Learning Prague 2020 steht an

Vom 20. bis 22. März findet bereits zum fünften Mal die jährliche Fachkonferenz Machine Learning Prague 2020 in der tschechischen Hauptstadt statt. Die Teilnehmer können sich auf ein interessantes Programm freuen. lesen

„Tape bietet für Kapazitätssteigerungen das größte Potenzial“

DATA Storage & Analytics Technology Conference 2020 – Interview mit Kurt Gerecke

„Tape bietet für Kapazitätssteigerungen das größte Potenzial“

Die DATA Storage & Analytics Technology Conference 2020, die aufgrund der Coronakrise am 30. April und 12. Mai dieses Jahres online sowie am 17. September in Würzburg und am 24. September in Neuss stattfindet, verspricht spannende „Keynotes“. Storage-Insider hat als Mitveranstalter und Medienpartner die Keynote-Speaker im Vorfeld zu ihren Vorträgen befragt. Hier im Interview: Kurt Gerecke von Tech Data, der seine Keynote zum Thema „Speichertechnologien unter der Lupe – wie geht es weiter?“ hält. lesen

Einfacher Einstieg in KI-basierte Bildverarbeitung

Industrielle Bildverarbeitung

Einfacher Einstieg in KI-basierte Bildverarbeitung

IDS NXT Ocean ist eine Komplettlösung, die Anwendern den Einstieg in KI-basierte Bildverarbeitung einfach machen soll. lesen

Softwareentwicklung für KI und ML funktioniert anders

Abschied von alten Entwicklungsparadigmen

Softwareentwicklung für KI und ML funktioniert anders

Daten sind Quellcode! Der Umgang mit ihnen erfordert neue Arten zu denken – und das ist zentral für die Entwicklung von KI-Applikationen. Das ist zumindest die These von Alexander Waldmann, Operative & Technology Director von appliedAI. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 44659369 / Definitionen)