Neuronale Netze: Wie eine Künstliche Intelligenz laufend dazulernt

Künstliche Intelligenz ist der Überbegriff für alles, wo Computer menschenähnliche kognitive Fähigkeiten nachahmen, z. B. Lernen, Sprache und Entscheidungsfindung. Maschinelles Lernen ist ein Unterbereich von KI: Mathematische Algorithmen erlauben Computern das Lernen aus Daten. So können sie automatisch Muster erkennen und daraus neues Wissen ableiten, ohne, dass sie dafür extra programmiert wurden. 

➤ Mehr lesen: Ob wir wollen oder nicht: Künstliche Intelligenz geht uns alle an

Viele Schichten der Informationsverarbeitung

Je mehr Daten und Zeit man den Programmen zur Verfügung stellt, desto besser ist ihre Leistung. Es gibt auch eine Form von Künstlicher Intelligenz, bei der die Neuronennetze unseres Gehirns durch Software nachgeahmt werden. Das heißt „Deep Learning“, auf Deutsch: tiefes Lernen.

Diese Methode erlaubt es, komplexe Muster in Daten zu erkennen und macht KI-Anwendungen wie Bild- und Spracherkennung möglich. Solche Algorithmen stecken z. B. hinter dem intelligenten Chatbot ChatGPT und dem Bildgenerator Midjourney.

Lernen durch Anfüttern mit Inhalten

Ein künstliches neuronales Netzwerk lernt, indem es zu Beginn mit großen Datenmengen trainiert wird. Zeigt man dem Netzwerk etwa viele Bilder von verschiedenen Katzen, wird die KI trainiert. Zeigt man ihr nun ein Bild einer Katze, die das Programm zuvor noch nie gesehen hat, kann die KI die Abbildung auch als Katze identifizieren. Das funktioniert natürlich auch mit anderen Tieren und Gegenständen. Wie eine KI mit einem neuronalen Netz im Hintergrund genau zu ihren Entscheidungen kommt, ist bisher aber noch ganz klar.