{"title":"Neural Networks","date":{"date":"2017-07-26 11:47:00.000000","timezone_type":1,"timezone":"+02:00"},"content":"

Zu den am hei\u00dfesten diskutierten Themen geh\u00f6ren derzeit die Begriffe k\u00fcnstliche neuronale Netze (KNN) und Artificial Intelligence (kurz AI). Warum eigentlich gerade jetzt, wenn die ersten theoretischen Anf\u00e4nge dieser Technologien bis in die 1950er Jahre zur\u00fcckreichen?
 
Zun\u00e4chst ist ein grobes Verst\u00e4ndnis des Prinzips notwendig: In Anlehnung an die Funktionsweise des menschlichen Gehirns ist ein k\u00fcnstliches neuronales Netz je nach Komplexit\u00e4t dazu in der Lage, nach einer Lernphase Muster zu erkennen. Der Mechanismus ist dabei f\u00e4hig, aktiv zu lernen und die Erkennungsrate fortw\u00e4hrend zu verbessern - vereinfacht ausgedr\u00fcckt, kann dieser, je l\u00e4nger er lernt und je mehr Quelldaten er zur Verf\u00fcgung hat, auch ohne strikt programmierte Anweisungen Daten zunehmend besser klassifizieren und Zusammenh\u00e4nge besser erkennen. 
 
Oft werden Anwendungsfelder von KNN in einem Atemzug mit Artificial Intelligence genannt, da die KNN einen der prominentesten Vertreter der im Hintergrund verwendeten Technologien darstellen. Kaum eine aktuelle Mensch-Maschinen-Schnittstelle wie Siri oder auch Alexa kommt ohne KNN aus. Neben solchen Voice-Interfaces nutzen aber auch die optischen Erkennungssysteme (Automotion) oder generell multisensorische Anwendungsfelder (beispielsweise im Kontext Industrie 4.0) vermehrt KNN.
 
Hoffnungen sch\u00fcren sich auch aus der Art und Weise, wie diese Netze lernen. So besteht das Potenzial der Netze auch darin, dass sie Muster erkennen, die sich menschlicher Wahrnehmung gar nicht unmittelbar erschlie\u00dfen. Im Zusammenhang mit BigData-Anwendungen sind hier bereits erstaunliche Erfolge bekannt, z.B. die Vorhersage von Grippeepidemien in bestimmten Ballungszentren oder das Targeting von Zielgruppen, die sich \u00fcber ihr Einkaufsverhalten definieren - sich ein Kausalzusammenhang allerdings einem Menschen nicht unmittelbar logisch erschlie\u00dfen.
 
Gr\u00fcnde f\u00fcr den neu aufgekommenen Enthusiasmus gibt es dabei mehrere: So verf\u00fcgen neue Mittelklassewagen bereits \u00fcber mehr Rechenleistung als ein High-End PC und teilweise \u00fcber hochaufl\u00f6sende Kameras. Hinzu kommt auch, dass besonders rechenintensive Anwendungen immer weiter in die Cloud verlagert werden k\u00f6nnen und lediglich Eingabe und Ergebnis ausgetauscht werden, um Effizienz von unmittelbarem Kundenerlebnis und performanter Ressourcennutzung zu optimieren. Eine wichtige Rolle spielen aber auch die j\u00fcngsten Entwicklungen in den Bereichen IoT und Industrie 4.0, die immer mehr sensorische Daten liefern und einen Interpretationsbedarf erwecken.\r<\/p>\n

Am relevantesten ist aber, dass sich dank neuer Frameworks wie Google Tensorflow<\/b> und Keras<\/b> k\u00fcnstliche neuronale Netze nicht mehr ausschlie\u00dflich von Experten einsetzen lassen, sondern auch von durchschnittlichen  Anwendungsentwicklern benutzt werden k\u00f6nnen. Damit sind selbige in der Lage, unter Verwendung von KNN beispielsweise neue St\u00fccke im Stile von Johann Sebastian Bach zu generieren.<\/a> Auch die Project Partners arbeiten derzeit intensiv an konkreten Use Cases f\u00fcr die Bedarfe von Kunden verschiedener Branchen, um so geartete Technologien wertsch\u00f6pfend einzusetzen.<\/p>

<\/div>\r\n","uid":69}