Teil 1: Training des neuronalen Netzes
Künstliche Intelligenz wird bereits in vielen Applikationen eingesetzt. Bei der automatischen Detektion von Schimmelbildung an Kulturgütern wird in diesem Forschungsprojekt versucht, Schimmelent-stehung durch bildgebende Verfahren mit anschließender Analyse durch (Convolutional) neuronale Netze im frühen Stadium zu entdecken und den Nutzer zu warnen.
Wie neuronale Netze funktionieren, ist nicht einfach zu erklären. Hier soll nun versucht werden, dies anhand von Beispielen aus dem Leben etwas näher zu bringen:
Sehen und Verstehen
Wenn ein Baby das erste Mal die Augen aufmacht, sieht es viele verschiedene Gegenstände.
|
Training neuronaler Netze Baby (aus Pixabay)
|
Die Netzhaut mit über einer Millionen Pixeln überträgt diese Bilder über den Sehnerv zum Sehzentrum in der Großhirnrinde:
|
Training neuronaler Netze Netzhaut (aus Pixabay) |
Erst durch überwachtes Lernen von den Eltern ergibt sich eine Verknüpfung von dem Gesehenen mit verstandenen Begriffen:
|
Training neuronaler Netze überwachtes Lernen (aus Pixabay)
|
Erst nach sehr langem Lernen versteht das Kind den Satz: Gehe zum Tisch, setze Dich auf den Stuhl und trink ein Glas Milch.
Ermöglicht wird dies durch Neuronen im Gehirn (im Bild grün gezeichnet). Neuronen sind Schaltzentralen zur Weiterleitung von Informationen. Unser Gehirn besteht aus ca. 100 Milliarden Nervenzellen, die mit über einer Trillion Synapsen miteinander verbunden sind.
|
aus Ertl: Grundkurs künstlicher Intelligenz: von der Biologie zur Simulation
|
Die Verbindung zwischen 2 Neuronen sind die Synapsen (im folgenden Bild als rote Rechtecke dargestellt). Die Übertragung der Spannungsimpulse von einem Neuron zum anderen kann in den Synapsen mehr oder weniger gut erfolgen (also die Leitfähigkeit ändern). Synapsen, die viel benutzt werden, haben eine höhere Leitfähigkeit. Synapsen, die wenig oder gar nicht benutzt werden, können sogar sterben:
|
Aus Ertel: Grundkurs künstlicher Intelligenz: Synapsen
|
Zur Formalisierung der Darstellung benutzt man Blockschaltbilder:
Neuron i erhält von Neuronen x(1) .... x(n) Spannungimpulse. Jeder hereinkommende Impuls wird mit der Übertragungsgewichtung der Synapsen w(i,j) multipliziert. Alle Spannungswerte werden aufaddiert. Ist die Summe größer als ein bestimmter Schwellwert, feuert das Neuron i. Ansonsten feuert es nicht:
|
aus Ertel: Grundkurs künstlicher Intelligenz: Blockschaltbild Neuron
|
Von der Biologie zum Blockschaltbild für "Sehen und Verstehen":
Das Auge erfasst das Bild eines Gegenstandes. Dieses Bild wird auf der Netzhaut mit 1 Millionen Neuronen abgebildet. Im Blockschaltbild wird dies durch Schicht 1 als Eingangsschicht dargestellt. Die Weiterleitung der Impulse über die Synapsen im Gehirn wird im Blockschaltbild mit den Übertragungswahrscheinlichkeiten w(i,j) zur Schicht 2 dargestellt. Die erneute Weiterleitung wird auch im Blockschaltbild dargestellt. Durch überwachtes Lernen wird im Gehirn ein Begriff für das gesehene gebildet. Im Blockschaltbild wird dies dargestellt durch die Begriffe Tisch, Stuhl, Glas, welche als wahr oder falsch bewertet werden.
Danksagung:
Diese Arbeiten werden von der DBU gefördert unter Aktenzeichen 35604/01 "Entwicklung und modellhafte Anwendung einer Systemplattform zur automatischen Detektion von durch anthropogene Umwelteinflüsse verursachter Schimmelbildung an Kulturgütern mittels künstlicher Intelligenz". Wir bedanken uns an dieser Stelle nochmals herzlich für die Förderung des Projektes.
Ansprechpartner:
Michael Robrecht und Markus Böger, iXtronics GmbH, Paderborn
Hans Daams, Hajuveda Heritage, Monschau
Direktkontakt:
hans.daams@hajuvda.solutions
michael.robrecht@ixtronics.com
markus.boeger@ixtronics.com
Webadressen:
https://www.hajuveda.solutions
https://ix.ixtronics.com/de/
Blog:
https://custosaeris-d.blogspot.com
Kommentare
Kommentar veröffentlichen