Wie funktioniert ein neuronales Netz einfach erklärt?

Die biologische Analogie

Unser Gehirn besteht aus Neuronen (Nervenzellen) und Synapsen (Verbindungen). Wenn wir etwas Neues lernen, werden bestimmte Verbindungen verstärkt. Was wir lange nicht nutzen, verkümmert. Künstliche neuronale Netze orientieren sich an diesem Prinzip, sind aber technisch etwas grundsätzlich anderes. Die Analogie hilft beim Verstehen, sollte aber nicht zur Verwechslung führen.

Schichten und Gewichte

Ein neuronales Netz hat eine Eingabeschicht, mindestens eine versteckte Schicht und eine Ausgabeschicht. Stellst du ChatGPT eine Frage, ist die Frage die Eingabe, die Antwort die Ausgabe. Dazwischen wandert das Signal durch viele Knoten. Jede Verbindung hat ein Gewicht: Je stärker das Gewicht, desto wahrscheinlicher fließt das Signal in diese Richtung. Beim Training werden Gewichte automatisch angepasst, bis das Modell auf Trainingsdaten die richtigen Ergebnisse liefert.

Lernen durch Wiederholung

Wie bei uns festigt Wiederholung das Wissen. Wenn ein Netz wiederholt Katzen-Fotos als Katzen erkennen soll, werden die Gewichte auf den Pfaden, die zur richtigen Klassifikation führen, schrittweise stärker. Falsche Pfade werden schwächer. Nach Millionen Beispielen kann das Netz dann auch unbekannte Katzen-Fotos zuverlässig zuordnen.