![\"Bild:](\"https:\/\/ifit.ch\/wp-content\/uploads\/2017\/02\/apmbild-10153584-600x600-480427-zugeschnitten.jpg\")
Nicht nur Forscher wissen heute nicht genau, wie Neuronale Netze Schritt f\u00fcr Schritt arbeiten und wieso sie zu diesem oder jenem Ergebnis kommen. Sie\u00a0waren bisher\u00a0geheimnisvolle Black Boxes, Computerprogramme, in die man Werte einspeist und die zuverl\u00e4ssig Ergebnisse liefern. Will man einem neuronalen Netz etwa beibringen, Katzen zu erkennen, dann lernt man das System an, indem man es mit Tausenden von Katzenbildern f\u00fcttert. Wie ein kleines Kind, das langsam versteht, Katzen von Hunden zu unterscheiden, lernt auch das neuronale Netz automatisch.<\/p>\n
\u00abIn vielen F\u00e4llen aber interessieren sich Forscher weniger f\u00fcr das Ergebnis, sondern vielmehr daf\u00fcr, was das neuronale Netz eigentlich tut, wie es zu Entscheidungen kommt\u00bb,<\/p><\/blockquote>\n
sagt Dr. Wojciech Samek, Leiter der Forschungsgruppe f\u00fcr Maschinelles Lernen am Fraunhofer Heinrich-Hertz-Institut HHI <\/a>in Berlin. Samek und seine Kollegen haben deshalb zusammen mit Kollegen von der Technischen Universit\u00e4t Berlin eine Methode entwickelt, mit der man einem neuronalen Netz beim Denken zuschauen kann.<\/p>\n
Ma\u00dfgeschneiderte Krebstherapien dank Maschinellem Lernen<\/h3>\n
Das ist beispielsweise f\u00fcr die Erkennung von Krankheiten wichtig. Heute kann man Computer beziehungsweise neuronale Netze bereits mit den Erbgut-Daten von Patienten f\u00fcttern. Das Netzwerk analysiert dann, mit welcher Wahrscheinlichkeit der Patient eine bestimmte genetische Erkrankung hat.<\/p>\n
\u00abViel interessanter w\u00e4re es aber, wenn wir genau w\u00fcssten, an welchen Merkmalen das Programm seine Entscheidungen fest macht\u00bb,<\/p><\/blockquote>\n
sagt Samek. Das k\u00f6nnten bestimmte Gendefekte sein, die bei dem Patienten vorliegen \u2013 und die wiederum k\u00f6nnten ein m\u00f6glicher Angriffspunkt f\u00fcr eine individuell auf den Patienten zugeschnittene Krebstherapie sein.<\/p>\n
Neuronale Netze im R\u00fcckw\u00e4rtsgang<\/h3>\n
Mit ihrer Methode k\u00f6nnen die Forscher die Arbeit der neuronalen Netze r\u00fcckw\u00e4rts ablaufen lassen. Sie arbeiten sich damit vom Ergebniswert in umgekehrter Richtung durch das Programm.<\/p>\n
\u00abWir k\u00f6nnen genau sehen, an welcher Stelle eine bestimmte Gruppe von Neuronen eine bestimmte Entscheidung getroffen und wie stark diese zum Ergebnis beigetragen hat\u00bb,<\/p><\/blockquote>\n
sagt Wojciech Samek. Dass das Verfahren funktioniert, konnten die Forscher schon mehrfach auf eindrucksvolle Weise zeigen. So haben sie zwei im Internet \u00f6ffentlich verf\u00fcgbare Programme verglichen, die beide in der Lage sind, Pferde auf Bildern zu erkennen. Das Ergebnis war verbl\u00fcffend. Das erste Programm erkannte tats\u00e4chlich den K\u00f6rper der Pferde. Das zweite aber orientierte sich an den Copyright-Zeichen der Fotos, welche Hinweise auf Foren f\u00fcr Pferdeliebhaber oder Reit- und Zuchtvereine gaben, sodass das Programm eine hohe Trefferquote erreichte, obwohl es gar nicht gelernt hatte, wie Pferde aussehen.<\/p>\n
Neuronale Netze im Anwendungsfeld Big Data<\/a><\/h3>\n
\u00abMan sieht also, wie wichtig es ist, genau zu verstehen, wie ein solches Netzwerk arbeitet\u00bb,<\/p><\/blockquote>\n
sagt Samek. Das sei vor allem auch f\u00fcr die Industrie interessant.<\/p>\n
\u00abSo ist es denkbar, aus den Betriebsdaten einer komplexen Produktionsanlage herauszulesen, welche Parameter die Qualit\u00e4t eines Produktes beeinflussen oder zu Schwankungen bei derselben f\u00fchren\u00bb,<\/p><\/blockquote>\n
sagt Samek. Auch f\u00fcr viele andere Applikationen, bei denen es um die neuronale Analyse gro\u00dfer oder komplexer Datenmengen geht, sei die Erfindung interessant.<\/p>\n
\u00abIn einem anderen Experiment konnten wir zeigen, anhand welcher Parameter ein Netzwerk entscheidet, ob ein Gesicht alt oder jung erscheint.\u00bb<\/p><\/blockquote>\n
Banken analysieren laut Samek seit geraumer Zeit mithilfe neuronaler Netze sogar die Kreditw\u00fcrdigkeit von Bankkunden. Daf\u00fcr werden gro\u00dfe Mengen von Kundendaten gesammelt und von einem neuronalen Netz bewertet.<\/p>\n
\u00abWenn man w\u00fcsste, wie das Netz zu seiner Entscheidung kommt, k\u00f6nnte man von vornherein die Menge der Daten reduzieren, indem man die relevanten Parameter ausw\u00e4hlt\u00bb,<\/p><\/blockquote>\n