Neuronale Netze Ein künstliches neuronales Netz besteht aus Schichten einfacher Recheneinheiten, die gewichtete Eingangssignale summieren und über eine Aktivierungsfunktion weitergeben. Beim Training werden die Gewichte so angepasst, dass die Ausgabe des Netzes den bekannten richtigen Werten möglichst nahekommt. Die Bezeichnung ist eine Anleihe bei der Biologie und kein Modell des Gehirns.
Angepasst werden die Gewichte durch Backpropagation und Gradientenabstieg
Ohne nichtlineare Aktivierung wäre ein Netz nur eine lineare Funktion
Die Zahl der Parameter reicht von Tausenden bis zu Billionen
Bedeutung in der Praxis
Der Vergleich mit dem Gehirn ist eine Erzählung, keine Beschreibung. Ein künstliches Neuron ist eine gewichtete Summe mit einer Kennlinie – biologische Nervenzellen arbeiten grundlegend anders.
Praktisch relevant ist vor allem, dass ein Netz nichts speichert, was man nachschlagen könnte. Wissen liegt verteilt in Millionen Zahlen; einzelne Angaben lassen sich weder gezielt löschen noch gezielt korrigieren.
Inhaber von SEO NW in Bertingen. Arbeitet an der Schnittstelle von Suchmaschinenoptimierung und angewandter künstlicher Intelligenz: Prompt Engineering, Retrieval-Augmented Generation und die Frage, unter welchen Bedingungen ein Sprachmodell einen Inhalt übernimmt und der richtigen Quelle zuschreibt.