Deep Learning ist maschinelles Lernen mit neuronalen Netzen, die viele verborgene Schichten zwischen Eingabe- und Ausgabeschicht haben — diese Tiefe lässt das System zunehmend abstraktere Merkmale selbst lernen.
„Tief" meint die Zahl der verborgenen Schichten (englisch hidden layers) — der Schichten zwischen Eingabe- und Ausgabeschicht eines neuronalen Netzes. Das frühe Perzeptron hatte gar keine: Die Eingaben waren direkt mit der Ausgabe verbunden. Die mehrschichtigen Netze der 1980er- und 1990er-Jahre kamen meist mit einer einzigen verborgenen Schicht aus und gelten als flach. Als tief bezeichnet man Netze mit vielen verborgenen Schichten — eine feste Mindestzahl ist nicht definiert; moderne Architekturen stapeln Dutzende bis Hunderte. Jede Schicht baut auf der vorigen auf und erkennt etwas Abstrakteres.
Bei der Bilderkennung lernt die erste Schicht einfache Kanten, die nächste Formen, die übernächste Objektteile (Augen, Räder) und ganz oben ganze Objekte (Gesicht, Auto). Niemand programmiert diese Stufen — das Netz findet sie beim Training selbst.
Erst ausreichende Rechenleistung (GPUs) und große Datenmengen machten tiefe Netze praktikabel. Seither tragen sie die größten KI-Fortschritte: Bild- und Spracherkennung, Übersetzung und schließlich die Transformer hinter heutigen Sprachmodellen.
Deep Learning ist eine Teilmenge des maschinellen Lernens — die mit tiefen neuronalen Netzen. Nicht jedes maschinelle Lernen ist tief: Verfahren wie Entscheidungsbäume kommen ohne Schichten aus.
Hallo! Ich bin dein KI-Tutor.
Melde dich an, um mit mir zu chatten — ich erinnere mich dann auch an eure letzten Gespräche.
