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

Deep Learning und wie ein Neuronales Netz entscheidet

Künstliche Intelligenz

Deep Learning und wie ein Neuronales Netz entscheidet

Bei Deep Learning ist es kaum nachvollziehbar, warum ein Neuronales Netz bestimmte Entscheidungen trifft. Doch welche Kriterien spielen bei der Entscheidung eine Rolle? lesen

Die Grundlage von allem ist Datenintegration

Nachbericht 6. Pentaho User Meeting

Die Grundlage von allem ist Datenintegration

Die Wetter-App zeigt für Frankfurt Regen an. Der Blick aus dem Fenster sagt jedoch: Sonne und zwölf Grad. Die Datenbasis des Wetterdienstes scheint nicht besonders gut zu sein. Oder nur nicht ausreichend integriert? Gute Tipps für Datenintegration hätten die Frankfurter Wetterfrösche direkt vor Ort bekommen können: Mit acht Vorträgen und 80 Teilnehmern fand das Pentaho User Meeting zum 6. Mal in der Mainmetropole statt. lesen

IoT-Events im Mai 2019

Veranstaltungskalender

IoT-Events im Mai 2019

Der Mai steht ebenfalls wieder ganz im Zeichen zahlreicher Veranstaltung rund um die Themen Internet of Things und Industrie 4.0. lesen

Das sind die spannendsten Themen in Hannover

Industrial Intelligence

Das sind die spannendsten Themen in Hannover

Unter dem Leitthema „Industrial Intelligence“ lässt sich auf der Hannover Messe der Stand der Technik zu Themen wie Künstliche Intelligenz, 5G, Cobots, Blockchain und Plattformökonomie besichtigen. Lesen Sie im Überblick, welche Themen Sie nicht verpassen sollten. lesen

KI-Plattform Acumos ist als Enterprise Edition verfügbar

GAiA – Open Source von Tech Mahindra

KI-Plattform Acumos ist als Enterprise Edition verfügbar

Unter der Bezeichnung GAiA bringt Tech Mahindra eine Enterprise Edition seiner Open-Source-KI-Plattform Acumos auf den Markt. Sie soll Unternehmen bei Entwicklung und Einsatz KI-gestützter Services und Anwendungen unterstützen. lesen

SAS und Nvidia starten Partnerschaft

Für Deep Learning und Computer Vision

SAS und Nvidia starten Partnerschaft

Der Analytics-Anbieter SAS hat eine strategische Zusammenarbeit mit Nvidia gestartet. Die Partner wollen im Zuge der Kooperation Unternehmenskunden bei der Integration von Künstlicher Intelligenz (KI) in Geschäftsprozesse unterstützen. lesen

Das sind die wichtigsten Industrie-4.0-Themen auf der Hannover Messe 2019

Hannover Messe 2019

Das sind die wichtigsten Industrie-4.0-Themen auf der Hannover Messe 2019

Vom 1. bis 5. April 2019 findet unter dem Leitthema „Industrial Intelligence“ die jährliche Hannover Messe statt. Wir geben Ihnen mit diesem Beitrag vorab einen Überblick über die wichtigsten Themen rund um Industrie 4.0. lesen

SAS investiert eine Milliarde US-Dollar in KI

Engagement ausgebaut

SAS investiert eine Milliarde US-Dollar in KI

Der Analytics-Spezialist SAS hat angekündigt, im Lauf der kommenden drei Jahre insgesamt eine Milliarde US-Dollar in Künstliche Intelligenz (KI) zu investieren. Die Summe fließt unter anderem in Software-Innovationen, Anwenderschulungen und Beratung. lesen

„KI ist weder gut noch böse“

DATA Storage & Analytics Technology Conference 2019

„KI ist weder gut noch böse“

Die Keynote auf der „DATA Storage & Analytics Technology Conference 2019“ von Thorsten Kranz trägt den Titel „KI 2019 – ein Statusbericht aus drei Perspektiven“. Im Gespräch mit BigData-Insider gibt der Director Analytics & Data Science bei der Comma Soft AG einen Einblick in seinen Vortrag. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44659369 / Definitionen)