Deep Learning
Tiefes Lernen (auch als tiefes strukturiertes Lernen oder hierarchisches Lernen bezeichnet) ist eine Art maschinelles Lernen, das meist bei bestimmten Arten von neuronalen Netzen eingesetzt wird. Wie bei anderen Arten des maschinellen Lernens können die Lernsitzungen unbeaufsichtigt, halbbeaufsichtigt oder beaufsichtigt sein. In vielen Fällen sind die Strukturen so organisiert, dass es mindestens eine Zwischenschicht (oder verborgene Schicht) zwischen der Eingabe- und der Ausgabeschicht gibt.
Bestimmte Aufgaben, wie das Erkennen und Verstehen von Sprache, Bildern oder Handschrift, sind für Menschen leicht zu bewältigen. Für einen Computer sind diese Aufgaben jedoch sehr schwierig zu erledigen. In einem mehrschichtigen neuronalen Netzwerk (mit mehr als zwei Schichten) werden die verarbeiteten Informationen mit jeder zusätzlichen Schicht abstrakter.
Modelle des Tiefenlernens sind von Informationsverarbeitungs- und Kommunikationsmustern in biologischen Nervensystemen inspiriert; sie unterscheiden sich in vielerlei Hinsicht von den strukturellen und funktionellen Eigenschaften biologischer Gehirne (insbesondere des menschlichen Gehirns), was sie mit neurowissenschaftlichen Erkenntnissen inkompatibel macht.
Ein mehrschichtiges neuronales Netzwerk.
Fragen und Antworten
F: Was ist Deep Learning?
A: Deep Learning ist eine Art des maschinellen Lernens, bei dem neuronale Netze zur Verarbeitung von Informationen eingesetzt werden. Sie sind häufig mit mindestens einer Zwischenschicht (versteckten Schicht) zwischen den Eingabe- und Ausgabeschichten organisiert.
F: Welche verschiedenen Arten von Lernsitzungen werden beim Deep Learning verwendet?
A: Deep Learning kann in unbeaufsichtigte, halb-überwachte und überwachte Lernsitzungen eingeteilt werden.
F: Welche Aufgaben sind für Menschen leicht, für Computer aber schwer zu bewältigen?
A: Aufgaben wie das Erkennen und Verstehen von Sprache, Bildern oder Handschrift sind für Menschen leicht, für Computer jedoch schwer zu bewältigen.
F: Was geschieht mit den Informationen, wenn sie in einem mehrschichtigen neuronalen Netzwerk verarbeitet werden?
A: In einem mehrschichtigen neuronalen Netzwerk werden die verarbeiteten Informationen mit jeder zusätzlichen Schicht abstrakter.
F: Wovon lassen sich Deep-Learning-Modelle inspirieren?
A: Deep Learning-Modelle sind von der Informationsverarbeitung und den Kommunikationsmustern in biologischen Nervensystemen inspiriert.
F: Wie unterscheiden sich Deep-Learning-Modelle von den Eigenschaften biologischer Gehirne?
A: Deep-Learning-Modelle unterscheiden sich in vielerlei Hinsicht von den strukturellen und funktionellen Eigenschaften biologischer Gehirne, insbesondere des menschlichen Gehirns, was sie mit neurowissenschaftlichen Erkenntnissen unvereinbar macht.
F: Was ist ein anderer Begriff für Deep Learning?
A: Deep Learning ist auch als tiefes strukturiertes Lernen oder hierarchisches Lernen bekannt.
