Wie sich die Evolution auf die Entwicklung von KI auswirkt

mindsquare » Fachartikel » Künstliche Intelligenz

Evolution und Künstliche Intelligenz – also Biologie und moderne Technik? Das soll miteinander vereinbar sein? Auf den ersten Blick wirken die beiden Dinge sehr gegensätzlich, doch dem ist nicht so. Mithilfe der Erkenntnisse aus der Evolution lassen sich nämlich Algorithmen für die Entwicklung von KI entwickeln. Wie genau das dann aussieht, möchte ich Ihnen in diesem Beitrag einmal zeigen.

Was sind evolutionäre Algorithmen?

Evolutionäre Algorithmen – oder auch genetische Algorithmen – sind eine Form der Entwicklung von Künstlicher Intelligenz. Genauer gesagt ist es eine Form von Deep Learning, was wiederum ein Teilbereich von Machine Learning darstellt. Wie der Name schon sagt, orientieren sich evolutionäre Algorithmen an der biologischen Evolution und dessen Entwicklungsmuster.

Es handelt sich dabei um ein Optimierungsverfahren, bei dem Lösungen für bestimmte Probleme gefunden werden. Die Lösung muss dem Anwender nicht im Voraus schon bekannt sein, sondern wird durch die KI entwickelt. Das Verfahren eignet sich dabei für komplexere Probleme. Wenn Sie also beispielsweise nur aus einer vorgegebenen Anzahl an Lösungen die beste auswählen wollen, eignen sich simplere Algorithmen besser. Mit evolutionären Algorithmen hingegen können auch neue Lösungen geschaffen werden.

Die Evolution als Grundlage für die Entwicklung

Doch wie funktioniert das Ganze? Als grundlegender Gedanke dient die Evolution. Diese funktioniert, indem verschiedene Individuen eine Art Überlebenskampf führen. Dabei setzt sich die stärkere Art durch und gibt ihre Merkmale an die nächste Generation weiter. Dadurch werden im Laufe der Zeit Eigenschaften von Lebenswesen optimiert – auch der Mensch blickt auf eine lange Entwicklung in der Evolution zurück. Das ist allerdings kein manuell gesteuerter Prozess. Individuen kämpfen dabei um Ressourcen und manche sind besser angepasst als andere.

Dieser Prozess lässt sich auch auf die Entwicklung von evolutionären Algorithmen bei Künstlicher Intelligenz übertragen. Das können Sie sich ungefähr so vorstellen: In einer Simulation werden Individuen erschaffen, welche durch die Berechnung in Form einer sogenannten Fitnessfunktion einen Tauglichkeitswerte (oder auch Fitnesswert) erhalten. Dieser gibt Aufschluss darüber, wie gut das Individuum das vorgegeben Problem löst.

Webinar: Künstliche Intelligenz – Grundlagen und Best Practices

Sie möchten gerne mehr zum Thema Künstliche Intelligenz erfahren und wie Ihr Unternehmen davon profitieren kann? In unserem Webinar fassen wir Ihnen die wichtigsten Aspekte zusammen!

Survival of the Fittest

Daraufhin wird selektiert, sodass die am besten angepassten Individuen „überleben“. Zwei weitere wichtige Elemente der Evolution sind die Rekombination und die Mutation. Die Population der Individuen wird also durch zufälligen Austausch von Individuen und zufällige Mutation von Individuen weiterentwickelt. Es ist also wie bei uns Menschen, wo ein Kind die Eigenschaften seiner beiden Elternteile kombiniert.

Durch diesen Prozess werden die stärksten Eigenschaften gesichert und weitergegeben, wodurch die KI immer näher an die optimale Lösung gelangt. Die Veränderungen werden dabei immer kleiner und hören sogar ganz auf, wenn das Maximum erreicht ist. Man kann die Evolution allerdings auch schon vorher manuell unterbrechen und so dem Problem der Überanpassung entgehen.

Welche Vorteile hat die Methode?

Die evolutionären Algorithmen bringen dabei einige Vorteile mit sich, von denen ich ein paar hier einmal für Sie auflisten möchte:

Die Algorithmen können gut mit fehlerhaften oder unvollständigen Daten umgehen. Es ist also nicht so viel Vorbereitungszeit nötig.
Sie funktionieren sehr gut im Zusammenhang mit anderen KI-Formen, beispielsweise neuronalen Netzen.
Sie bieten oftmals Lösungen, mit denen Sie vorher gar nicht rechnen können und eignen sich daher gut für komplexe Probleme.

So werden evolutionäre Algorithmen beim Deep Learning genutzt

Die evolutionären Algorithmen kommen vor allem beim Deep Learning zum Einsatz. Dort werden neuronale Netze gebildet, bei denen das Training daraus besteht, die Gewichtung der Neuronen anzupassen, die dessen Output für das Endergebnis beeinflusst. Hier setzen evolutionäre Algorithmen an:

Dafür wird eine Population aus neuronalen Netzen mit zufälliger Gewichtung der einzelnen Neuronen erstellt. Diese Netze werden dann getestet und die Ergebnisse werden ausgewertet. Wie oben beschrieben, werden daraus dann die besten behalten und die Neuronen durchlaufen dann die Phasen der Rekombination und Mutation. Es geht also um die Anpassung der Gewichtung der Neuronen.

Noch Fragen?

Wenn Sie noch weitere Fragen zu den Anbietern oder zu weiteren KI-Themen haben, schreiben Sie mich gerne per Mail an (info-ki@mindsquare.de). Ich freue mich auf die Kontaktaufnahme!