Zu Inhalt springen Zu Fußbereich springen

KI | Neuronale Netze

Im Folgenden erhalten Sie einige kurze Informationen über künstliche neuronale Netze sowie Hinweise, wie sie im Unterricht behandelt werden können.

Künstliche Neuronale Netze in aller Kürze

Sie möchten wissen, was neuronale Netze eigentlich sind und wie sie funktionieren? Erfahren Sie, wieso ihr Aufbau von der Natur inspiriert ist, was sie mit maschinellem Lernen zu tun haben und warum sie so vielfältige Aufgaben erfüllen können wie z. B. Gesichter zu erkennen, Texte zu übersetzen oder Hochwasser-Pegelstände vorherzusagen.

Training

Ein menschliches Gehirn lernt, indem es auf die Reize seiner Umwelt reagiert und im Laufe der Zeit die optimale Reaktion darauf lernt. Das so erlernte Reaktionsverhalten wird als Verbindungsmuster zwischen den Neuronen gespeichert (Kinnebrock, S. 13).

Wie das natürliche Gehirn kann auch das künstliche neuronale Netz lernen. Seine Struktur ist unabhängig vom Einsatzzweck und daher nach seiner Lernphase, die als „Trainingsphase” bezeichnet wird, flexibel einsetzbar. So kann man ein künstliches neuronales Netz für ganz unterschiedliche Zwecke trainieren und nutzen: zur Klassifizierung von Bildern, zum Übersetzen von Texten, zur Bestimmung von Hochwasser-Pegelständen oder zur Gesichtserkennung u. v. m.

Der Vorgang aus Eingabe verarbeiten, Ausgabewert bestimmen, Vergleich mit korrektem Wert und Korrektur der Gewichte wird mit allen Bildern aus dem Trainingsmaterial wiederholt. Bei jedem Durchlauf dieses Vorgangs wird das künstliche neuronale Netz etwas verbessert. Je geeigneter und umfangreicher das Trainingsmaterial ist, desto besser wird das künstliche neuronale Netz nach der Trainingsphase in der Lage sein, ein unbekanntes Bild richtig zu klassifizieren.

Sie sehen an dieser Stelle schon, welch wichtige Rolle die Trainingsdaten für die Entscheidungen spielen, die das neuronale Netz trifft: Das neuronale Netz kann nur so gut sein wie die Daten, anhand derer es trainiert wurde.

Werden als Trainingsdaten Wörter und ihre korrekte Übersetzung, Hochwasserpegelstände und ihre Folgen, Personenfotos und Namen der abgebildeten Personen verwendet, dann kann ein künstliches neuronales Netz auch trainiert werden, entsprechende Vorhersagen bei weiteren Wörtern, Hochwasserpegelständen und Personenfotos zu treffen.

Unterrichts- und Selbstlernmaterial

Falls Sie tiefer einsteigen oder mit Ihren Schülerinnen und Schülern das Thema künstliche neuronale Netze bearbeiten wollen, finden Sie hier geeignetes Material:

Icon Webseite

Unravel – Bilderkennung mit neuronalen Netzen

Christoph Gräßl stellt Unravel als eine Webanwendung vor, mit der die Lernenden mit Hilfe einer Kamera und einem Rechner ein neuronales Netz trainieren können, Früchte zu klassifizieren.

Zielgruppe: Informatikunterricht ab 11. Jahrgangsstufe

Art des Materials: Unterrichtsentwurf

Icon Textdokument

#deeplearning Erkennen von Bildern mit neuronalen Netzen

Dieses Unterrichtmaterial von aiunplugged enthält auf den Seiten 8-11 einen möglichen Ablauf einer Unterrichtseinheit sowie einen allgemeinverständlichen Hintergrund-Text für Lehrkräfte, mit dem am Beispiel der Bilderkennung neuronale Netze vorgestellt werden.

Zielgruppe: ab 5. Jahrgangsstufe

Art des Materials: Unterrichtsmaterial

Icon Video

So lernen Maschinen: #6 Neuronale Netze

acatech (Deutsche Akademie der Technikwissenschaften e.V.) stellt auf seiner Plattform „Lernende Systeme - die Plattform für künstliche Intelligenz” unter anderem Videos zur Verfügung, die Grundlagen und Anwendungen des maschinellen Lernens leicht verständlich erklären sollen. Video #6 gibt in knapp 6 min einen Überblick über Aufbau und Funktionsweise künstlicher neuronaler Netze.

Zielgruppe: ab Sekundarstufe 2

Art des Materials: Video

Icon Webseite

PIANO GENIE

Ein künstliches neuronales Netz wurde trainiert, „richtig” klingende Musik zu erzeugen - tatsächlich wird versucht, aus den vom Nutzer gespielten Tasten eine Improvisation zu rekonstruieren.

Zielgruppe: ab Jahrgangsstufe 9

Art des Materials: Webseite

Icon Webseite

GRADIENT DESCENT

Spielerisch und anschaulich wird der Gradientenabstieg allgemein verständlich dargestellt.

Zielgruppe: ab Jahrgangsstufe 11

Art des Materials: Selbstlernmaterial

Weitere Beiträge

Alle ansehen (12)

KI | Starke KI

Erfahren Sie mehr über das Potenzial starker Künstlicher Intelligenz (KI), die ähnlich einem menschlichen Gehirn eigenständig denken und lernen kann.

Über mebis