← Zurück zu allen Fragen
Wie lernt ein neuronales Netz aus seinen Fehlern?
Ein neuronales Netz vergleicht seine Vorhersage mit dem gewünschten Ergebnis und misst den Fehler mit einer sogenannten Loss Function (Verlustfunktion). Über den Algorithmus Backpropagation wird dieser Fehler rückwärts durch das Netz geleitet, um herauszufinden, wie jeder einzelne Parameter angepasst werden muss, damit der Fehler beim nächsten Mal kleiner wird. Dieser Prozess wiederholt sich millionenfach, bis das Modell gute Vorhersagen trifft.
Das erfährst du in der Folge zusätzlich:
- Das Perzeptron als einfachstes neuronales Netz
- Anschauliches Beispiel anhand vom Dart-Spielen
Mehr dazu in Folge 43: Wie lernen neuronale Netze? - Backpropagation, Loss und Perzeptron erklärt →
Verwandte Fragen
- Was ist das Context Window eines Sprachmodells?
- Was sind Halluzinationen bei KI und warum passieren sie?
- Was sind Parameter bei einem KI-Modell?
- Wie viel Arbeitsspeicher (RAM/VRAM) braucht man für ein KI-Modell?
- Was sind Reasoning-Modelle und was ist Chain of Thought?
- Wie funktioniert die Transformer-Architektur hinter ChatGPT & Co.?
- Was ist der Unterschied zwischen Künstlicher Intelligenz, Machine Learning und Deep Learning?
- Was ist der Unterschied zwischen Google und ChatGPT?
- Was ist ein Token bei einem Sprachmodell?
- Was ist Quantisierung bei KI-Modellen?
- Was ist RAG (Retrieval Augmented Generation)?
- Was sind Embeddings und wozu braucht man sie?