Aus Beispielen schnell lernen

11. September 2007, 20:25
3 Postings

Der Bioinformatiker Ulrich Bodenhofer im STANDARD-Interview über Vor- und Nachteile dieser Form von künstlichen neuronalen Netzen

Der Bioinformatiker Ulrich Bodenhofer arbeitet mit künstlichen neuronalen Netzen daran, DNA-Sequenzen zu analysieren. Denis Dilba sprach mit ihm über Vor- und Nachteile dieser Form von Intelligenz.

STANDARD: Was genau ist ein künstliches neuronales Netz (KNN)?

Bodenhofer: Der Ursprung liegt in der Biologie: Die Idee bei KNNs ist, die Funktionsweise von Gehirnzellen für maschinelles Lernen zu nutzen. Mithilfe von künstlichen Neuronen werden dann größere Netzwerkstrukturen aufgebaut. Die ersten Arbeiten zu KNN hat man bereits vor vierzig bis fünfzig Jahren gemacht.

STANDARD: Und warum sieht man die KNNs erst heute im industriellen Einsatz?

Bodenhofer: Die mathematischen Eigenschaften der ersten KNNs waren nicht optimal. Erst mit der Erfindung des so genannten Back-Propagation-Algorithmus kamen die KNNs zur richtigen Blüte - Mitte der Achtzigerjahre. Dann setzte ein Boom an, der Mitte der Neunzigerjahre wieder abebbte. Heute ist die Technologie sehr ausgereift und gehört zum Standardrepertoire.

STANDARD: KNNs sind aber nicht für jedes Vorhersageproblem geeignet. Unter welchen Voraussetzungen kann man die Methode einsetzen?

Bodenhofer: Eine grundlegende Bedingung für den Einsatz von KNNs ist, dass eine entsprechend große Menge verlässlicher Daten vorhanden ist. Im Fall der Pegelstandsprognose etwa die histori-schen Daten der Wasserstände. Erst aus solchen Datensätzen ist es möglich, maschinell zu lernen und Zusammenhänge zu erkennen. Dann wird es möglich, ein Stück weit in die Zukunft zu schauen.

STANDARD: Sind solche Prognosen nur mit KNNs möglich?

Bodenhofer: Nein, es gibt noch eine ganze Reihe von anderen mathematischen Methodenklassen. Für die KNNs spricht vor allem, dass sie einfach anzuwenden sind - und dass es bereits entsprechende Softwarewerkzeuge gibt, die ihre Anwendung unterstützen.

STANDARD: Das hört sich so an, als gäbe es kaum etwas, was gegen KNNs spricht?

Bodenhofer: KNNs liefern unter den angesprochenen Voraussetzungen zwar sehr gute Prognosen - wie das Ergebnis zustande kommt, ist aber schwer interpretierbar. Will man einen Prozess zur Papiererzeugung optimieren, möchte man genau wissen, wie die Eingabegrößen die Qualität des Papiers beeinflussen. Wenn man Prozesse verbessern möchte, sind KNNs oft nicht die richtige Wahl.

STANDARD: In welchen Bereichen werden KNNs eingesetzt?

Bodenhofer: Zum Beispiel in der Bioinformatik. Bei der DNA-Sequenzanalyse werden sie häufig eingesetzt. Oder bei der Schrifterkennung. Allgemein lässt sich wieder sagen: Überall dort, wo man aus Beispielen schnell lernen kann und kein explizites Formelwissen vorhanden ist. (DER STANDARD, Printausgabe, 12.9.2007)

Zur Person
Ulrich Bodenhofer (35), geboren in Braunau am Inn, ist Associate Professor am Institut für Bioinformatik der Kepler Uni Linz. Zuvor arbeitete er mehrere Jahre am Software Competence Center Hagenberg.
  • Artikelbild
    foto: der standard
Share if you care.