Musik und KI
Zurück zum Dashboard
0 Fähigkeitspunkte
0 Neuro-Netz Punkte
0 Web-Creator Punkte
0 Daten-Detektiv Punkte

Kursabschnitte

Abschnitt 1
Musik und KI
1
Teil 0: Einführung
2
Teil 1: Anwendungsbeispiele
3
Teil 2: Museum 1 - Überblick
4
Teil 3: Museum 2 - Überblick
5
Teil 4: Besuch in der Musikschule
6
Teil 5: Informatikzentrum 1
7
Teil 6: Informatikzentrum 2
8
Teil 7: Informatikzentrum 3
9
Teil 8: Am Strand

Musik und KI

Teil 6: Informatikzentrum 2

Ein Besuch an der Universität

Künstliche Computer-Gehirne

Teil 2 - Vorlesung: "Künstliche neuronale Netze"
lili_walking

“Das ganze Thema ist mir schon etwas klarer geworden. Noch reicht das Wissen natürlich nicht, um eine eigene Klavier-KI zu entwickeln.

Wir werden uns als nächstes anschauen, welche Art von KI wir für unsere Klavier-KI benutzen werden und was während dem Training genau passiert.”

Nach der Einsteiger-Vorlesung sind wir bereit, noch eine Ebene tiefer in das Themengebiet einzusteigen.
Jetzt werden wir zu Experten! Lasst uns im folgenden einen Blick auf die Methode werfen, die wir gleich für die Entwicklung einer Klavier-KI einsetzen werden.

university3

Ein Blick auf das Fachgebiet

Künstliche Intelligenz ist eigentlich nur ein Überbegriff. In der Praxis spricht man unter anderem von maschinellem Lernen. Vieles was man heutzutage künstliche Intelligenz nennt, wird mit Methoden aus dem Bereich des maschinellen Lernens in die Praxis umgesetzt.

Teil des maschinellen Lernens ist das tiefe Lernen. Dabei handelt es sich um eine Untergruppe der Methoden des maschinellen Lernens. Das tiefe Lernen nutzt sogenannte künstliche neuronale Netze, die zur leistungsfähigsten Methode im Bereich der künstlichen Intelligenz gehören. Diese künstlichen neuronalen Netze werde oft für komplexere Aufgaben genutzt.
Diese künstlichen neuronalen Netze werden wir für unsere Klavier-KI nutzen!

Tiefes Lernen

Wir werden also künstliche neuronale Netze aus dem Bereich des “tiefen Lernens” nutzen. Diese sind ähnlich aufgebaut wie das menschliche Gehirn – einem natürlichen neuronalen Netz aus Neuronen (Knotenpunkten) und Neuronenverbindungen.

natural_neural_net
Das menschliche Gehirn kann auch als neuronales Netz bezeichnet werden.
neuron
Dieses neuronale Netz besteht aus unzähligen Neuronen, die Informationen verarbeiten.
© cosmin4000/ iStock
Die Neuronen sind miteinander verbunden und leiten Signale an andere Neuronen weiter.

Künstliche neuronale Netze

Im Unterschied zu unserem natürlichen neuronalen Netz, ist das künstliche neuronale Netz in Schichten eingeteilt. Es besteht aus mindestens drei Schichten. Einer Eingabeschicht, mindestens einer verborgenen Schicht und einer Ausgabeschicht. Die Schichten bestehen, wie das menschliche Gehirn, aus einzelnen Neuronen, welche über alle Schichten hinweg miteinander verbunden sind.

An die Eingabeschicht werden die Eingabedaten übergeben. In der verborgenen Schicht werden Berechnungen durchgeführt. Dabei kann es auch mehrere hintereinander gereihte verborgene Schichten geben. Die Ergebnisse der Berechnungen werden in der Ausgabeschicht ausgegeben.

Was wird trainiert?

Jede Verbindung zwischen den Neuronen hat ein Gewicht, das angibt, wie wichtig die Eingabe eines Neurons für das Ergebnis eines anderen Neurons ist. Die Gewichte werden zu Beginn zufällig festgelegt und während des Trainingsprozesses angepasst.

Beispielhafte Gewichte der Verbindungen eines Eingabeneurons zu nachfolgenden Neuronen der versteckten Schicht. Zu beachten ist, dass alle Verbindungen entsprechende Gewichte haben.

Jedes Neuron der verborgenen Schicht, kann zusätzlich die eingehenden Werte weiterverarbeiten. Dafür gibt es unterschiedliche Möglichkeiten, die ein menschlicher Entwickler bestimmen muss. Beispielsweise können Neuronen in der Lage sein, nur positive Werte an nachfolgende Neuronen weiterzuleiten und negative Werte zu blockieren. 

Beispielhaft ein Neuron in der versteckten Schicht, das nur positive Werte weiterleitet. Beachte, dass Gewichte auch negativ sein können. Die Ausgabeneuronen können dann beispielsweise anzeigen, welche Noten vorhergesagt wurde.

Während dem Training werden die Gewichte angepasst, um das Ergebnis der Berechnungen der verborgenen Schicht(en) an das erwartete Ergebnis anzupassen.
Wichtig ist sonst nur, dass jedes Ein- und Aufgabeneuron für eine fest definierte Art von Information steht – beispielsweise einer bestimmten Note. Der höchste Wert in der Ausgabeschicht zeigt dann das Ergebnis der Berechnungen einer KI an. Das zweite Ausgabeneuron mit dem Wert ‘0.7′ steht hier beispielsweise für die vorhergesagte Note ‘a’.

Das Zusammenspiel aus Gewichten und dem veränderten Weiterleiten von Werten gibt dem Netzwerk die Möglichkeit für komplexe Aufgaben eine Lösung zu errechnen. In den Gewichten ist sozusagen die Intelligenz eines künstlichen neuronalen Netzes gespeichert.

Musik und KI Teil 5: Informatikzentrum 1
Vollständig
Musik und KI Teil 7: Informatikzentrum 3