Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Dem Computer beim Denken zuschauen

01.02.2017

Neuronale Netze werden heute häufig für die Analyse komplexer Daten eingesetzt – zum Beispiel um in genetischen Informationen Hinweise auf Krankheiten zu entdecken. Letztlich aber weiß niemand, wie diese Netzwerke eigentlich genau arbeiten. Fraunhofer-Forscher haben deshalb eine Software entwickelt, mit der sie in die Black Boxes hineinschauen und deren Arbeitsweise analysieren können. Auf der CeBIT in Hannover stellen die Forscher ihre Software vom 20. bis 24. März 2017 vor (Halle 6, Stand B 36).

Früher war es mühsam, im Computer Fotos zu sortieren. Heute klickt man auf die Gesichtserkennung – und flugs erscheint eine Bildauswahl der Tochter oder des Sohnes. Computer sind inzwischen gut darin, große Datenmengen zu analysieren und nach bestimmten Strukturen wie einem Gesicht auf Bildern zu fahnden. Möglich machen das Neuronale Netze, ein inzwischen etabliertes und ausgefeiltes informationstechnisches Analyseverfahren (siehe Kasten »Die Funktionsweise von Neuronalen Netzen«).


Die Analyse-Software des Fraunhofer HHI visualisiert mit Hilfe von Algorithmen komplexe Lernverfahren (schematische Darstellung).

© Fraunhofer HHI

Das Problem: Nicht nur Forscher wissen heute nicht genau, wie Neuronale Netze Schritt für Schritt arbeiten und wieso sie zu diesem oder jenem Ergebnis kommen. Neuronale Netze sind gewissermaßen Black Boxes, Computerprogramme, in die man Werte einspeist und die zuverlässig 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 füttert.

Wie ein kleines Kind, das langsam versteht, Katzen von Hunden zu unterscheiden, lernt auch das neuronale Netz automatisch. »In vielen Fällen aber interessieren sich Forscher weniger für das Ergebnis, sondern vielmehr dafür, was das neuronale Netz eigentlich tut, wie es zu Entscheidungen kommt«, sagt Dr. Wojciech Samek, Leiter der Forschungsgruppe für Maschinelles Lernen am Fraunhofer Heinrich-Hertz-Institut HHI in Berlin. Samek und seine Kollegen haben deshalb zusammen mit Kollegen von der Technischen Universität Berlin eine Methode entwickelt, mit der man einem neuronalen Netz beim Denken zuschauen kann.

Maßgeschneiderte Krebstherapien dank Maschinellem Lernen

Das ist beispielsweise für die Erkennung von Krankheiten wichtig. Heute kann man Computer beziehungsweise neuronale Netze bereits mit den Erbgut-Daten von Patienten füttern. Das Netzwerk analysiert dann, mit welcher Wahrscheinlichkeit der Patient eine bestimmte genetische Erkrankung hat. »Viel interessanter wäre es aber, wenn wir genau wüssten, an welchen Merkmalen das Programm seine Entscheidungen fest macht«, sagt Samek. Das könnten bestimmte Gendefekte sein, die bei dem Patienten vorliegen – und die wiederum könnten ein möglicher Angriffspunkt für eine individuell auf den Patienten zugeschnittene Krebstherapie sein.

Neuronale Netze im Rückwärtsgang

Mit ihrer Methode können die Forscher die Arbeit der neuronalen Netze rückwärts ablaufen lassen. Sie arbeiten sich damit vom Ergebniswert in umgekehrter Richtung durch das Programm. »Wir können genau sehen, an welcher Stelle eine bestimmte Gruppe von Neuronen eine bestimmte Entscheidung getroffen und wie stark diese zum Ergebnis beigetragen hat«, sagt Wojciech Samek. Dass das Verfahren funktioniert, konnten die Forscher schon mehrfach auf eindrucksvolle Weise zeigen. So haben sie zwei im Internet öffentlich verfügbare Programme verglichen, die beide in der Lage sind, Pferde auf Bildern zu erkennen. Das Ergebnis war verblüffend. Das erste Programm erkannte tatsächlich den Körper der Pferde. Das zweite aber orientierte sich an den Copyright-Zeichen der Fotos, welche Hinweise auf Foren für Pferdeliebhaber oder Reit- und Zuchtvereine gaben, sodass das Programm eine hohe Trefferquote erreichte, obwohl es gar nicht gelernt hatte, wie Pferde aussehen.

Anwendungsfeld Big Data

»Man sieht also, wie wichtig es ist, genau zu verstehen, wie ein solches Netzwerk arbeitet«, sagt Samek. Das sei vor allem auch für die Industrie interessant. »So ist es denkbar, aus den Betriebsdaten einer komplexen Produktionsanlage herauszulesen, welche Parameter die Qualität eines Produktes beeinflussen oder zu Schwankungen bei derselben führen«, sagt Samek. Auch für viele andere Applikationen, bei denen es um die neuronale Analyse großer oder komplexer Datenmengen geht, sei die Erfindung interessant. »In einem anderen Experiment konnten wir zeigen, anhand welcher Parameter ein Netzwerk entscheidet, ob ein Gesicht alt oder jung erscheint.«

Banken analysieren laut Samek seit geraumer Zeit mithilfe neuronaler Netze sogar die Kreditwürdigkeit von Bankkunden. Dafür werden große Mengen von Kundendaten gesammelt und von einem neuronalen Netz bewertet. »Wenn man wüsste, wie das Netz zu seiner Entscheidung kommt, könnte man von vornherein die Menge der Daten reduzieren, indem man die relevanten Parameter auswählt«, so der Experte. Das sei durchaus auch im Interesse der Kunden. Während der Messe CeBIT in Hannover vom 20. bis 24. März 2017 werden die Forscher um Samek zeigen, wie sie mit ihrer Software die Black Boxes neuronaler Netze analysieren – und wie diese aus Gesichtern das Alter oder Geschlecht der Person herauslesen oder Tiere erkennen.

Weitere Informationen:

https://www.fraunhofer.de/de/presse/presseinformationen/2017/februar/dem-compute...

Anne Rommel | Fraunhofer Forschung Kompakt

Weitere Nachrichten aus der Kategorie CeBIT 2017:

nachricht Schnell und einfach: Edge Datacenter fürs Internet of Things
24.03.2017 | Rittal GmbH & Co. KG

nachricht Lifecycle IT: Erfolgsstory für Datacenter
22.03.2017 | Rittal GmbH & Co. KG

Alle Nachrichten aus der Kategorie: CeBIT 2017 >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Ultrakalte chemische Prozesse: Physikern gelingt beispiellose Vermessung auf Quantenniveau

Wissenschaftler um den Ulmer Physikprofessor Johannes Hecker Denschlag haben chemische Prozesse mit einer beispiellosen Auflösung auf Quantenniveau vermessen. Bei ihrer wissenschaftlichen Arbeit kombinierten die Forscher Theorie und Experiment und können so erstmals die Produktzustandsverteilung über alle Quantenzustände hinweg - unmittelbar nach der Molekülbildung - nachvollziehen. Die Forscher haben ihre Erkenntnisse in der renommierten Fachzeitschrift "Science" publiziert. Durch die Ergebnisse wird ein tieferes Verständnis zunehmend komplexer chemischer Reaktionen möglich, das zukünftig genutzt werden kann, um Reaktionsprozesse auf Quantenniveau zu steuern.

Einer deutsch-amerikanischen Forschergruppe ist es gelungen, chemische Prozesse mit einer nie dagewesenen Auflösung auf Quantenniveau zu vermessen. Dadurch...

Im Focus: Leoniden 2017: Sternschnuppen im Anflug?

Gemeinsame Pressemitteilung der Vereinigung der Sternfreunde und des Hauses der Astronomie in Heidelberg

Die Sternschnuppen der Leoniden sind in diesem Jahr gut zu beobachten, da kein Mondlicht stört. Experten sagen für die Nächte vom 16. auf den 17. und vom 17....

Im Focus: «Kosmische Schlange» lässt die Struktur von fernen Galaxien erkennen

Die Entstehung von Sternen in fernen Galaxien ist noch weitgehend unerforscht. Astronomen der Universität Genf konnten nun erstmals ein sechs Milliarden Lichtjahre entferntes Sternensystem genauer beobachten – und damit frühere Simulationen der Universität Zürich stützen. Ein spezieller Effekt ermöglicht mehrfach reflektierte Bilder, die sich wie eine Schlange durch den Kosmos ziehen.

Heute wissen Astronomen ziemlich genau, wie sich Sterne in der jüngsten kosmischen Vergangenheit gebildet haben. Aber gelten diese Gesetzmässigkeiten auch für...

Im Focus: A “cosmic snake” reveals the structure of remote galaxies

The formation of stars in distant galaxies is still largely unexplored. For the first time, astron-omers at the University of Geneva have now been able to closely observe a star system six billion light-years away. In doing so, they are confirming earlier simulations made by the University of Zurich. One special effect is made possible by the multiple reflections of images that run through the cosmos like a snake.

Today, astronomers have a pretty accurate idea of how stars were formed in the recent cosmic past. But do these laws also apply to older galaxies? For around a...

Im Focus: Pflanzenvielfalt von Wäldern aus der Luft abbilden

Produktivität und Stabilität von Waldökosystemen hängen stark von der funktionalen Vielfalt der Pflanzengemeinschaften ab. UZH-Forschenden gelang es, die Pflanzenvielfalt von Wäldern durch Fernerkundung mit Flugzeugen in verschiedenen Massstäben zu messen und zu kartieren – von einzelnen Bäumen bis hin zu ganzen Artengemeinschaften. Die neue Methode ebnet den Weg, um zukünftig die globale Pflanzendiversität aus der Luft und aus dem All zu überwachen.

Ökologische Studien zeigen, dass die Pflanzenvielfalt zentral ist für das Funktionieren von Ökosys-temen. Wälder mit einer höheren funktionalen Vielfalt –...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics
Veranstaltungen

Technologievorsprung durch Textiltechnik

17.11.2017 | Veranstaltungen

Roboter für ein gesundes Altern: „European Robotics Week 2017“ an der Frankfurt UAS

17.11.2017 | Veranstaltungen

Börse für Zukunftstechnologien – Leichtbautag Stade bringt Unternehmen branchenübergreifend zusammen

17.11.2017 | Veranstaltungen

 
VideoLinks
B2B-VideoLinks
Weitere VideoLinks >>>
Aktuelle Beiträge

Technologievorsprung durch Textiltechnik

17.11.2017 | Veranstaltungsnachrichten

IHP präsentiert sich auf der productronica 2017

17.11.2017 | Messenachrichten

Roboter schafft den Salto rückwärts

17.11.2017 | Innovative Produkte