Wirtschaft Lexikon der ArgumenteHome
| |||
|
| |||
| Neuronale Netze: Neuronale Netze sind Rechenmodelle nach dem Vorbild des menschlichen Gehirns, die Muster erkennen und komplexe Probleme lösen sollen. Sie bestehen aus Schichten miteinander verbundener Knoten (analog zu Neuronen), die Eingabedaten verarbeiten und lernen, Aufgaben zu erfüllen, indem sie die Stärke der Verbindungen auf der Grundlage von Rückmeldungen anpassen. Sie werden häufig beim maschinellen Lernen eingesetzt und ermöglichen Anwendungen wie Bilderkennung, Sprachverarbeitung und Vorhersageanalysen. Siehe auch Künstliche Neuronale Netze, Konnektionismus, Computermodelle, Computation, Künstliche Intelligenz, Maschinenlernen._____________Anmerkung: Die obigen Begriffscharakterisierungen verstehen sich weder als Definitionen noch als erschöpfende Problemdarstellungen. Sie sollen lediglich den Zugang zu den unten angefügten Quellen erleichtern. - Lexikon der Argumente. | |||
| Autor | Begriff | Zusammenfassung/Zitate | Quellen |
|---|---|---|---|
|
Chris Anderson über Neuronale Netze – Lexikon der Argumente
Brockman I 148 Neuronale Netze/Chris Anderson: [Die Optimierung innerhalb des Netzwerks] besteht aus den folgenden Schritten: 1. Definiere eine Kostenfunktion, die bestimmt, wie gut das Netzwerk das Problem gelöst hat. 2. Lasse das Netzwerk einmal laufen und sehe, wie es mit dieser Kostenfunktion funktioniert. 3. Ändere die Werte der Verbindungen und lasse es erneut laufen. Der Unterschied zwischen diesen beiden Ergebnissen ist die Richtung oder "Steigung", in der sich das Netzwerk zwischen den beiden Versuchen bewegt hat. 4. Wenn der Hang "bergab" ausgerichtet ist, ändere die Verbindungen mehr in diese Richtung. Wenn er "bergauf" geht, ändere sie in die entgegengesetzte Richtung. 5. Wiederhole dies, bis sich keine Verbesserung in irgendeiner Richtung einstellt. Das bedeutet, dass man in einem Minimum ist. Problem: Das kann nur ein lokales Minimum sein. >Lokales Minimum/Anderson, >Universum/Anderson. Brockman I 149 Lösung: Radnom walk (zufällige Bewegung). Im Gegensatz zu Menschen und den meisten anderen Lebensformen, die oft in lokalen Minima stecken geblieben sind, Brockman I 150 können KI-Systeme viele Schritte in die Zukunft planen. KI kann in wenigen Jahren Lösungen finden, die 7 Millionen Jahre Evolution nie gefunden haben. Anderson, Chris “Gradient Descent” in: Brockman, John (ed.) 2019. Twenty-Five Ways of Looking at AI. New York: Penguin Press._____________ Zeichenerklärung: Römische Ziffern geben die Quelle an, arabische Ziffern die Seitenzahl. Die entsprechenden Titel sind rechts unter Metadaten angegeben. ((s)…): Kommentar des Einsenders. Übersetzungen: Lexikon der ArgumenteDer Hinweis [Begriff/Autor], [Autor1]Vs[Autor2] bzw. [Autor]Vs[Begriff] bzw. "Problem:"/"Lösung", "alt:"/"neu:" und "These:" ist eine Hinzufügung des Lexikons der Argumente. |
Ander I Chris Anderson The Long Tail: Why the Future of Business is Selling Less of More New York 2006 Brockman I John Brockman Possible Minds: Twenty-Five Ways of Looking at AI New York 2019 |
||
> Gegenargumente gegen Anderson
> Gegenargumente zu Neuronale Netze
