Deep Learning

Deep Learning ist eine Methode der künstlichen Intelligenz, bei der Computer aus Beispielen lernen – ganz ähnlich wie wir Menschen. Dadurch kann ein Computer zum Beispiel erkennen, ob auf einem Foto ein Hund oder eine Katze zu sehen ist, oder verstehen, was jemand sagt.

Damit das funktioniert, nutzt man sogenannte künstliche neuronale Netzwerke. Diese bestehen aus vielen kleinen Recheneinheiten, die einfach gesagt so arbeiten wie Nervenzellen im menschlichen Gehirn. Wenn viele dieser «künstlichen Neuronen» in mehreren Schichten hintereinander angeordnet sind, spricht man von Deep Learning.

Begriffserklärung

Deep Learning heisst wörtlich übersetzt tiefes Lernen. Gemeint ist damit, dass ein System mit vielen Verarbeitungsschichten schrittweise lernt, komplexe Muster in grossen Datenmengen zu erkennen – sei es ein Gesicht auf einem Foto oder die Bedeutung eines gesprochenen Satzes. Deep steht dabei für die vielen Schichten, durch die die Informationen im Netzwerk fliessen. Jede Schicht lernt etwas anderes: Die erste erkennt vielleicht einfache Formen wie Linien, die nächste Farben oder Kanten – und ganz am Ende versteht das System zum Beispiel, dass es ein Gesicht sieht.

Wie funktioniert Deep Learning?

Ein Deep-Learning-Modell verarbeitet Informationen in drei Schritten:

• Eingabe: Zum Beispiel ein Bild oder eine Tonaufnahme.
• Verarbeitung: Das System analysiert die Daten Schicht für Schicht und sucht nach Mustern.
• Ausgabe: Das System entscheidet, was es sieht oder hört – z. B. „Hund“, „Katze“ oder ein bestimmtes Wort.

Das System wird mit so vielen Beispielen trainiert, bis es zuverlässig erkennt, was was ist – ähnlich wie ein Mensch durch Übung lernt.

Anwendungsbereiche von Deep Learning

Deep Learning steckt heute in vielen Technologien, die wir täglich nutzen:

• Bilderkennung: Zum Beispiel bei Gesichtserkennung, medizinischen Untersuchungen oder bei der Qualitätskontrolle in Fabriken.
• Spracherkennung: Sprachassistenten wie Siri oder Alexa, automatische Übersetzungen.
• Autonomes Fahren: Fahrzeuge erkennen Strassenschilder, Fussgänger oder andere Autos.
• Empfehlungen: Online-Shops und Streamingdienste schlagen uns passende Produkte oder Filme vor.

Was sind die Herausforderungen und Risiken?

So beeindruckend die Technologie auch ist, bringt sie auch einige Herausforderungen mit sich. Ein grosses Problem ist die sogenannte «Black Box»: Oft lässt sich nicht genau nachvollziehen, wie ein Deep-Learning-System zu seiner Entscheidung kommt. Das kann vor allem in wichtigen Bereichen wie der Medizin kritisch sein. Zudem benötigt es riesige Datenmengen, um gut zu funktionieren. Dies wirft Fragen des Datenschutzes und der Privatsphäre auf. Ein weiteres Risiko besteht darin, dass die Systeme aus den Daten lernen, die man ihnen gibt – und wenn diese Daten Vorurteile oder Ungleichheiten enthalten, übernimmt das System diese ungewollt. Daher ist es wichtig, Deep Learning mit Bedacht und Verantwortung einzusetzen.

Ähnliche Begriffe