Künstliches Neuron

Was ist eine Neuronale Zelle?

Ein biologisches, natürliches Neuron ist eine Nervenzelle, die Informationen verarbeiten kann. Das menschliche Gehirn weist besonders viele solche Neuronen auf. Diese Zellen sind auf Erregungsleitung und Erregungsübertragung spezialisiert. Alle Nervenzellen zusammen bilden das Nervensystem. Die Nervenzelle besitzt einen Zellkörper und Zellfortsätze, die Dendriten und Neuriten mit dem Axon. Dendriten können Erregungen anderer Zellen aufnehmen. Spannungsänderungen können durch kurzzeitige Ionenströme erzielt werden, durch besondere Kanäle, die in der Zellmembran zugelassen werden. Axonenden stehen über den Synapsen, die mittels Botenstoffe chemisch kommunizieren. Das menschliche Gehirn besteht aus nahezu 90.000.000.000 Nervenzellen.

Was ist ein künstliches Neuron?

Künstliche neuronale Zellen bilden hingegen die Basis für ein Modell der künstlichen neuronalen Netze. Dieses Modell der Neuroinformatik, das sich an biologischen Netzen orientiert, ermöglicht intelligentes Verhalten. Ein künstliches Neuron kann mehrere Eingaben verarbeiten und über seine Aktivierung zielgerichtet reagieren. Gewichtete Eingaben werden an eine Ausgabefunktion übergeben. Diese berechnet die Neuronenaktivierung. Das Verhalten wird allgemein durch Einlernen unter der Verwendung eines Lernverfahrens gegeben.

Angefangen hat die Modellierung von künstlichen Neuronennetzen mit Warren McCulloch und Walter Pitts im Jahre 1943. Es konnte gezeigt werden, dass mit einem vereinfachten Modell solcher Neuronennetze logische und arithmetische Funktionen berechnet werden können. Im Jahre 1949 wurde die Hebbsche Lernregel von Donald Hebb beschrieben. Beim Lernen werden wiederholt aktive Verbindungen zwischen Nervenzellen verstärkt. Die Verallgemeinerung solch einer Regel kann auch in heutigen Lernverfahren eingesetzt werden.

Wichtig war zudem das Konvergenztheorem aus dem Jahr 1958 über das Perzeptron. Frank Rosenblatt bewies, dass mit einem angegebenen Lernverfahren tatsächlich alle Lösungen erlernbar sind, die mit dem Modell repräsentiert werden können. Im Jahre 1985 wurde von John Hopfield gezeigt, dass Hopfield-Netze in der Lage sind Optimierungsprobleme zu lösen. So konnte sogar das Problem des Handlungsreisenden behandelt werden. Einen Schub an Forschung erhielt die Erarbeitung zum Backpropagations-Verfahren. Heute werden in vielen Forschungsbereichen neuronale Netze eingesetzt.

Was ist das Ziel künstlicher Neuronaler Netze?

Auf Basis des Verständnisses von biologischen Neuronen werden seit den 1950er Jahren künstliche neuronale Netze modelliert. So werden Input-Signale in das künstliche Neuron im neuronalen Netz linear summiert und es werden durch eine entsprechende Aktivierungsfunktion bestimmte Werte ausgegeben.

Schon einzelne Neuronen bestehen aus ganz komplexen Strukturen. Diese erfüllen unterschiedliche lokale Input-Output-Funktionen. Das Ziel der Forschung an Künstlicher Intelligenz ist es, diese natürlichen Neuronen im Gehirn nachzubilden. So sollen die elektrischen Prozesse simuliert werden, mit dem Ziel, die Bedeutung von Sprache zu erlernen und künstliche neuronale Netz zur Objekterkennung zu entwickeln. Die große Vision besteht darin, die Funktionalität, Fähigkeit und Vielfalt des Gehirns in jeglicher Hinsicht nachzuahmen.

Data Navigator Newsletter