Ein handelsroboter basierend auf neuronalen netzen. Künstliches neuronales Netz

Ein Forscherteam entwickelt ein KI-System, das auf weniger komplexen neuronalen Netzen basiert und damit interpretierbar wird.
- Nina Schaaf
- Neuronale Netze: Ein Blick in die Black Box | Informatik Aktuell
- Neues KI-System basiert auf neuronalen Netzen winziger Tiere
Die Vorteile gegenüber bisherigen Modellen des Deep Learnings: Es kommt viel besser mit gestörten Eingaben zurecht und aufgrund seiner Einfachheit kann seine Funktionsweise im Detail erklärt werden. Das sogenannte künstliche neuronale Netz verwendetet zahlreiche künstliche Neuronen, um besser mit Alltagssituationen umzugehen.
Wie genau ein Deep-Learning-Algorithmus dann jedoch auf die Ergebnisse kommt, bleibt unklar — und der Algorithmus damit eine Black Box. Künstliche neuronale Netze verstehen Ähnlich wie lebende Gehirne bestehen künstliche neuronale Netzwerke aus vielen einzelnen Zellen. Wenn eine Zelle aktiv ist, sendet sie ein Signal an andere Zellen.
Alle von der nächsten Zelle empfangenen Signale werden kombiniert, um zu entscheiden, ob auch diese Zelle aktiv wird. Diese Parameter werden in einem automatischen Lernprozess so lange angepasst, bis das neuronale Netz eine bestimmte Aufgabe lösen kann.
Mit dieser Grundlage haben die Forscher die Komplexität neuronaler Netze massiv reduziert und sie interpretierbar gemacht.
\
Die Verarbeitung der Signale innerhalb der einzelnen Zellen folgt anderen mathematischen Prinzipien als frühere Modelle für Deep Learning. Die Netzwerke sind sehr lose verbunden — nicht jede Zelle ist mit jeder anderen Zelle verbunden.
Das macht das Netzwerk einfacher. Das System verwendet Seit Jahren erforschen wir, was wir von der Natur lernen können, um Deep Learning zu verbessern. Radu Grosu, TU Wien Das System besteht aus zwei Teilen: Der Kameraeingang wird zunächst von einem sogenannten faltenden neuronalen Netzwerk verarbeitet, das nur die visuellen Daten wahrnimmt, um strukturelle Merkmale aus den eingehenden Pixeln zu erfassen.
Dieses Netzwerk entscheidet, welche Teile des Ein handelsroboter basierend auf neuronalen netzen interessant und wichtig sind, und leitet dann Signale an den entscheidenden Teil des Netzwerks weiter — ein Kontrollsystem, das dann das Fahrzeug lenkt. Beide Subsysteme sind hintereinander geschalten und werden gleichzeitig trainiert.
Das Training umfasste viele Stunden Verkehrsvideos zusammen mit Informationen, wie das Fahrzeug in einer bestimmten Situation zu lenken ist.
Die Forscher testeten auch, wie fehleranfällig das neue Modell ist. Das ermöglicht es, die Funktion der einzelnen Zellen und ihr Verhalten zu verstehen.
Das KI-System kann in relativ einfachen Systemen implementiert werden und könnte für die automatisierte Arbeit im Lager bis hin zur Fortbewegung von Robotern genutzt werden.