Schriftgröße: 

Seit dem Beginn des Computerzeitalter träumen Menschen davon, die menschliche Intelligenz durch computergestützte Systeme nachzubilden und eine ebenbürtige „künstliche“ Intelligenz zu schaffen.

Der Bereich des „Deep Learning“ als Unterbereich des Machine Learning versucht diesem Ziel über die Simulation menschlicher Gehirnstrukturen in künstlichen neuronalen Netzen einen Schritt näher zu kommen. Dabei steht der menschliche Lernprozess im Vordergrund: „Deep Learning“-Algorithmen verarbeiten große Datenmenge in einer Trainingsphase und können die darin enthaltene versteckten Muster aktiv erlernen sowie in einem Model speichern. Die auf diese Weise erlernten Zusammenhänge und Muster können durch das Modell über den ursprünglichen Datensatz hinaus auf unbekannte Daten zur Analyse oder Verarbeitung angewendet oder zutreffende Prognosen über diese erstellt werden.

Durch die rasante Forschung der letzten Jahre in diesem Bereich konnte Deep Learning die Leistung vieler traditioneller Algorithmen übertreffen und einige bislang schwierige Herausforderungen der künstlichen Intelligenz lösen.

Doch was macht Deep Learning so anders als traditionelle Algorithmen und welche Chancen bietet es? Dieser Vortrag erklärt das grundlegende Konzept des Deep Learning an Beispielen und zeigt die Möglichkeiten des Deep Learning auf.