Der Club für alle, die forschen, tüfteln, checken und entdecken!
  • programmieren

News | 05.08.2019

Neuronale Netze aus Glas

Normalerweise findet man neuronale Netze als eine wesentliche Programmiertechnik für viele KI-Verfahren. Man kann es allerdings auch ohne Computer nutzen.

Ein neuronales Netz ist in der Informatik eine Sammlung von so genannten "künstlichen Neuronen". Diese sind der Funktionsweise des menschlichen Gehirns nachempfunden und funktionieren in ihrer künstlichen Variante ungefähr wie folgt: In ein einzelnes Neuron gehen Verbindungen rein und heraus, jede dieser Verbindungen kann einen Zahlenwert übertragen. Wenn die eingehenden Verbindungen zusammen über einen bestimmten so genannten "Schwellwert" kommen, wird das Neuron aktiviert und gibt seinerseits einen Zahlenwert weiter. In der Praxis schaltet man dann sehr viele solcher Neuronen in Schichten zusammen und landet dann bei Netzen wie jenen im Artikelbild.

Die Kunst in der Konstruktion eines solchen Netzes besteht darin, die Strukturen ud Aktivierungsfunktionen vorab ungefähr zu bestimmen. Die Wahl der korrekten Schwellwerte passiert dann in einer so genannten Lernphase. Man präsentiert dem Netz sehr viele Eingaben und nennt dem Netz die dazu passenden Ergebnisse. Konkret kann man damit zum Beispiel sehr gut Texte erkennen: Als Eingabe zeigt man dem Netz sehr viele Bilder von einzelnen Buchstaben und natürlich auch den Buchstaben selbst. Das Netz "lernt" so welche Ansammlung von Pixeln zum Beispiel den Buchstaben "A" ergeben.

Diese künstlichen neuronalen Netze kann man aber nicht nur in Software abbilden. Das Titelbild zeigt eine Glasplatte mit einer angeschlossenen Graphenschicht. Wenn man auf dieser Schicht eine Zahl schreibt, ziehen sich nur aufgrund der Energie aus der Umgebungsbeleuchtung passende Aktivierungen durch das Netz. Es entstehen die gezeigten Geflechte und auf der rechten Seite kann man aus dem "rotesten" Ausgang ablesen, welche Ziffer (vermutlich) auf der linken Seite geschrieben wurde. Entwickelt haben dieses Verfahren Erfan Khoram, Ang Chen, Dianjing Liu, Lei Ying, Qiqi Wang, Ming Yuan, und Zongfu Yu, ihre Ergebnisse beschreiben Sie in einem englischsprachigen Paper aus welchem auch die Titelgrafik stammt.

zurück