KI-Theater
Über diese App
Wie ein neuronales Netz Ziffern erkennt und lernt — als Erklärtheater in vier Akten, die bestehende 3D-Apps als Bühnen kombinieren (Neuron-Playground → Handschrifterkennung → 3D-Training → Backpropagation). Der KI-Tutor inszeniert je nach Frage einen Weg durch die Akte (FlexPlot).
Worum es geht
Ein neuronales Netz besteht aus vielen einfachen Neuronen. Jedes bildet eine gewichtete Summe seiner Eingaben, addiert einen Bias und schickt das Ergebnis durch eine Aktivierungsfunktion. In Schichten hintereinander geschaltet, können solche Neuronen Muster wie handgeschriebene Ziffern erkennen. Gelernt wird, indem man die Gewichte so verändert, dass ein Fehlermaß sinkt. Die Backpropagation berechnet dazu effizient, wie stark jedes Gewicht zum Fehler beiträgt, und das Gradientenverfahren verschiebt die Gewichte in die Gegenrichtung.
Was die App zeigt
Das KI-Theater verbindet vier bestehende 3D-Apps zu einer Erzählung in vier Akten: „Neuron“ (ein einzelnes künstliches Neuron), „Erkennung“ (eine gezeichnete Ziffer fließt durch ein trainiertes Netz), „Training“ (ein Netz lernt Ziffern im 3D-Labor) und „Fehler“ (Backpropagation mit echten Zahlen). Über eine Leiste oben wechselst du zwischen den Akten, jeder Akt ist die vollständige, bedienbare App.
Mit dem KI-Tutor
Der KI-Tutor kann die Akte inszenieren: Je nach Frage wählt er einen Weg durch die Bühnen, wechselt den Akt und steuert die jeweilige App mit Sprechblasen, Zeiger und Kamerafahrten. Ohne Tutor gehst du die Akte selbst durch. Eine sinnvolle Reihenfolge ist die vorgegebene: erst verstehen, was ein Neuron rechnet, dann sehen, wie ein fertiges Netz entscheidet, und erst danach, wie es lernt.
Häufige Fragen
- Wie erkennt ein neuronales Netz handgeschriebene Ziffern?
- Das Bild der Ziffer wird in Pixelwerte zerlegt, die als Eingabe in die erste Schicht gehen. Jede Schicht berechnet gewichtete Summen und Aktivierungen und reicht sie weiter. Die Ausgabeschicht liefert für jede Ziffer 0 bis 9 einen Wert; nach einer Softmax-Funktion lassen sich diese als Wahrscheinlichkeiten lesen.
- Wie lernt ein neuronales Netz?
- Das Netz macht Vorhersagen auf Trainingsbeispielen und vergleicht sie mit den richtigen Antworten. Ein Verlustmaß fasst den Fehler zusammen, die Backpropagation berechnet seine Ableitung nach jedem Gewicht. Ein Optimierer wie das Gradientenverfahren passt die Gewichte in kleinen Schritten so an, dass der Verlust sinkt.
- Was macht Backpropagation?
- Backpropagation wendet die Kettenregel rückwärts durch das Netz an. Ausgehend vom Fehler am Ausgang berechnet sie Schicht für Schicht, wie stark jedes Gewicht zum Fehler beigetragen hat. Diese Gradienten nutzt dann das Optimierungsverfahren für das Update.
- Was kann ich in dieser App ausprobieren?
- Du wechselst über die Akt-Leiste zwischen den vier Bühnen Neuron, Erkennung, Training und Fehler und bedienst jede wie die zugrunde liegende App. Mit dem KI-Tutor kannst du dir den Weg durch die Akte erklären lassen.
Fach: Machine Learning
Mehr aus Machine Learning
- AdaBoost
- Anatomie eines Prompts
- Datenschutz-Ampel
- Decision Tree (Entscheidungsbaum)
- Ensemble: Bagging vs. Boosting
- Gesichter finden: Masken gegen Lernen aus Beispielen
- k-Means
- k-Nächste-Nachbarn (kNN)
Eine VisuApp von heyprof: interaktiv, kostenlos im Browser, ohne Anmeldung. Was ist eine VisuApp? · Alle Apps