Worum geht es?
Stell dir vor:Dein Hirn besteht aus 86 Mrd Neuronen, jedes verbunden mit tausenden anderen. Eine künstliche "Zelle" macht etwas Ähnliches: Inputs gewichten, addieren, durch eine Funktion schicken. Tausende dieser Zellen schaffen ChatGPT, AlphaGo, Tesla Autopilot.
Neuronale Netze sind das Rückgrat moderner KI. Vom einzelnen Perzeptron (1957) bis zum Transformer (2017): die Idee blieb ähnlich, die Skala explodierte. Heute hat ein LLM Hunderte Milliarden Parameter — alles trainiert mit Gradient Descent.
Vier BausteinePerzeptron — die Zelle. Aktivierung — Nichtlinearität. Backpropagation — wie Lernen funktioniert. Architekturen — CNN, RNN, Transformer.
Was du am Ende kannst
- Aufbau eines neuronalen Netzes erklären — Layer, Gewichte, Bias.
- Aktivierungsfunktionen vergleichen (ReLU, Sigmoid, Tanh, Softmax).
- Backpropagation und Gradient Descent verstehen.
- CNN für Bilder, RNN für Sequenzen, Transformer für alles wählen.