Deep Learning ist eines der großen Buzzwords zum Thema KI und Big Data. Meistens fällt dieser Begriff im Zusammenhang mit hervorragenden Ergebnissen von Künstliche Intelligenz, sei es in der Bilderkennung oder zum Beispiel beim Verstehen und Erzeugen von menschlicher Sprache (Siri, Alexa und Co.). Doch was steckt genau hinter Deep Learning?
Deep Learning lehrt Maschinen das Lernen
Deep Learning bedeutet auf Deutsch „tiefgehendes Lernen“ und bezeichnet einen Teilbereich des maschinellen Lernens (Machine Learning). Zur Herstellung Künstlicher Intelligenz (KI) werden verschiedene Trainingsmethoden genutzt, die in großem Umfang Daten analysieren und Entscheidungen treffen. Das Erlernte wird immer wieder mit neuen Inhalten verknüpft und dadurch erneut erlernt. Dabei eignen sich besonders gut sehr große Datenbestände, aus denen sich Muster und Modelle ableiten lassen.
Die Maschine ist dann z.B. in der Lage, selbstständig und ohne menschlichen Einfluss ihre Fähigkeiten zu verbessern. Aus vorhandenen Informationen und Daten werden Muster extrahiert und klassifiziert. Die gewonnen Erkenntnisse lassen sich in neuen Zusammenhängen verknüpfen. Demnach kann die Maschine auf Basis dieser Verknüpfungen Entscheidungen treffen – und auch hinterfragen. Durch das Hinterfragen der Entscheidungen erhalten die Informationsverknüpfungen bestimmte Gewichtungen. Bestätigen sich Entscheidungen, so erhöht sich die Gewichtung und auch andersherum: Werden Entscheidungen revidiert, verringert sich die Gewichtung.
Grundlage für das Deep Learning: Neuronale Netze
Die Funktionsweise ist an das menschliche Gehirn angelehnt. Das neuronale Netz ist – abstrakt betrachtet – ein Modell aus künstlichen Neuronen. Es verfügt über Ein- und Ausgangsneuronen sowie Zwischenneuronen. Die Eingangsneuronen lassen sich auf verschiedene Art und Weise über die Zwischenneuronen mit den Ausgangsneuronen verknüpfen. Je mehr Neuronen bestehen, desto komplexere Sachverhalte können sich abbilden lassen.
Unterschied zwischen Deep Learning und Machine Learning
Deep Learning ist ein Teilbereich des maschinellen Lernens. Es ist jedoch eine spezialisierte Form und unterscheidet sich in der Funktionsweise. Der größte Unterscheid besteht darin, dass beim maschinellen Lernen der Mensch eine größere Rolle spielt: Er greift in die Analysen der Daten und den Entscheidungsprozess ein. Beim Deep Learning sorgt der Mensch für die Bereitstellung der Informationen und dokumentiert die Prozesse – eigentliche Entscheidungsfindung sowie das Ableiten von Prognosen liegen bei der Maschine. Im Nachhinein lässt sich nicht mehr zurückverfolgen, auf Basis welcher Daten welche Entscheidungen getroffen wurden – die Entscheidungsregeln optimiert die Maschine automatisiert und eigenständig.
Anwendungsbeispiele
Deep Learning eignet sich besonders gut dort, wo große Datenmengen und Informationen anfallen. Dies ist beispielsweise bei Gesichts-, Sprach- und Objekterkennung der Fall:
- Spracherkennung: Bei der Spracherkennung wie Amazons Alexa oder Siri von Apple ist es mithilfe von Deep Learning möglich, dass das System den Wortschatz selbstständig um neue Wörter oder Redewendungen erweitert.
- Automobilbranche: Deep Learning ist eine wichtige Technologie in fahrerlosen Autos. Die Lernmethode ermöglicht es, Stoppschilder zu erkennen oder einen Fußgänger von einer Straßenlaterne zu unterscheiden.
- Medizinische Forschung: Krebsforscher verwenden Deep Learning, um Krebszellen automatisch zu erkennen. Mithilfe eines innovativen Mikroskops und viel Training können Krebszellen präzise identifiziert werden.
- Verbesserung von Sicherheitsarchitekturen: Deep Learning kann dabei helfen, Sicherheitslücken in Systemen zu schließen. Aufgrund der besonders guten Lernfähigkeit kann Deep Learning normale Tätigkeiten von Angriffen und anderen Unregelmäßigkeiten unterscheiden.
Fazit
Auch wenn es bereits viele Anwendungsbeispiele und Erfolge mit Deep Learning gibt, steckt die Lernmethode noch in den Kinderschuhen und hat viel Potenzial. Ich bin der Meinung, dass Deep Learning noch viel mehr kann. Themen wie die Sprachtechnologie sowie selbstfahrende Autos bleiben spannend.
Du interessierst dich für den Bereich KI und kannst dir vorstellen, dich beruflich in diese Richtung zu bewegen? Dann schau dir doch hier unser Traineeprogramm zum Thema an.
