Der "Godfather" der KI

Sie haben erklärt, wie eine Maschine mithilfe Künstlicher Neuronaler Netzwerke lernen kann zu erkennen, ob ein Bild eine Katze oder einen Hund zeigt.

Damit eine Maschine durch Künstliche Neuronale Netzwerke lernen kann, braucht sie zuerst viele Daten.

Zu Beginn der Trainingsphase weiß das Künstliche Neuronale Netzwerk (KNN) noch nichts. Jeder Knoten erhält Eingaben, zum Beispiel Teile eines Bildes, zusammen mit Gewichtswerten. Die Gewichtswerte werden zunächst zufällig geraten – das heißt, die Werte sind zufällig und noch nicht gelernt.

Dann lernt das KNN während der Trainingsphase passende Gewichtswerte durch Forward- und Backpropagation:

• Bei der Forwardpropagation werden die Eingabedaten durch das neuronale Netzwerk geleitet, um eine Ausgabe zu erzeugen. Nachdem das Netzwerk eine Ausgabe erzeugt hat, wird diese mit dem tatsächlichen Ergebnis verglichen und ein Fehler berechnet. Wenn das KNN zum Beispiel „Katze“ geraten hat, es sich aber in Wirklichkeit um einen Hund handelt, ist der Fehler groß.
• Bei der Backpropagation wird dieser Fehler als Feedback verwendet, und die Gewichte im Netzwerk werden angepasst.

Wenn dieser Prozess mit vielen Bildern immer wieder wiederholt wird, lernt das KNN bessere Gewichtswerte, macht weniger Fehler und wird besser darin, Katzen und Hunde zu unterscheiden.

Geoffrey Hinton war einer der Wissenschaftler, die den Backpropagation-Algorithmus einführten, den wir zuvor kennengelernt haben. Heute gilt er als „Pate der KI“, weil er maßgeblich zur Entwicklung des Deep Learning beigetragen hat – jenes Teilgebiet des maschinellen Lernens, das die Grundlage für viele der leistungsstärksten KI-Modelle bildet. Zu seinen wichtigsten wissenschaftlichen Leistungen zählen neben dem Backpropagation-Algorithmus auch die Entwicklung von Boltzmann-Maschinen sowie bedeutende Beiträge zum Deep Learning.

Im Jahr 2024 wurde Hinton von der Königlich Schwedischen Akademie der Wissenschaften mit dem Nobelpreis für Physik ausgezeichnet. Er erhielt die Auszeichnung gemeinsam mit dem Informatiker John Hopfield, der ein spezielles neuronales Netzwerk zur Mustererkennung entwickelte, das in der Lage ist, Daten zu speichern und wiederherzustellen. Dieses sogenannte Hopfield-Netzwerk diente Hinton als Grundlage für die Weiterentwicklung seiner eigenen Arbeiten, insbesondere für die Entwicklung des Backpropagation-Algorithmus.