Ein künstliches neuronales Netz besteht aus miteinander verbundenen und interagierenden Prozessoren, die als künstliche Neuronen fungieren. Die Aufgabe dieser spezialisierten Prozessoren besteht darin, Informationen (Signale) zu empfangen, zu verarbeiten und an andere Neuronen zu übermitteln. Dank neuronaler Netze kann die künstliche Intelligenz (KI) Informationen analysieren, Wissen ansammeln und selbst lernen.
Neuronale Netze sind aus der KI-Forschung hervorgegangen. Die Forscher machten sich zur Aufgabe, die Lern-, Selbstoptimierungs- und Fehlerkorrekturfähigkeiten biologischer Nervensysteme nachzubilden. Ziel dieser Arbeiten war es, die Grundstruktur des Gehirns und den Denkprozess selbst zu modellieren.
Typische Anwendungsfelder
Neuronale Netze simulieren menschliche Gehirnprozesse und ermöglichen es Computersystemen, Muster zu finden sowie komplexe Probleme und analytische Aufgaben unter anderem in den folgenden Bereichen der KI zu lösen:
- Klassifizierung von Informationen nach bestimmten Kriterien;
- Verhaltensanalyse und -vorhersage;
- Entwicklungsprognose;
- Visuelle Mustererkennung;
- Intelligente Sprachverarbeitung.
Eine der wichtigsten Entwicklungen sind die lernenden Tensor-Prozessoren (TPUs). Das auf der TPU-Technologie basierte neuronale Netz AlphaZero schlug bereits nach vier Stunden Training den Computer-Schachweltmeister Stockfish. Nachdem AlphaZero nur ein Einstiegswissen über die Schachregeln erlangt und ein Selbsttraining durchgeführt hatte, bei dem das neuronale Netzwerk mit sich selbst spielte, entwickelte es eine Strategie, mit der es sowohl menschliche Schachmeister als auch die besten Computerprogramme von heute schlagen konnte. Dies spricht für die rasante Entwicklung und Steigerung der Intelligenz neuronaler Netze, denn das Schachspiel ist bekanntlich ein klassisches Beispiel für intellektuelle Aktivität.
Neuronale Netze und KI dominieren weiterhin die strategische Entwicklung der IT und führen zu einer technologischen Revolution in den Bereichen des maschinellen Lernens. Die gemeinsamen Anstrengungen von Mathematikern, Physikern, Ingenieuren, Programmierern, Neurophysiologen, Medizinern und Philosophen sind erforderlich, um Probleme der Neurotechnologie und des maschinellen Lernens zu lösen. Ein solcher integrierter Ansatz ist am effektivsten für die Entwicklung neuer KI-Technologien zur Bewältigung aktueller Herausforderungen in den Bereichen Umwelt- und Klimaschutz, Gesundheitswesen, Bildung, Computerlinguistik, assoziativ-semantisches Lernen, Entwicklung neuer Medikamente und vielen anderen Anwendungsbereichen.