MNIST

MNIST ist eine öffentlich verfügbare Sammlung von Bildern. Auf jedem Bild ist eine handgeschriebene Ziffer zwischen 0 und 9 zu sehen. Insgesamt sind es 70.000 Bilder, geschrieben von Schülern und Angestellten einer US-Behörde. Jedes Bild ist winzig: 28 mal 28 Bildpunkte, nur Grautöne, kein Farbbild. Zu jedem Bild ist außerdem notiert, welche Ziffer tatsächlich gemeint war. Genau diese Notiz macht die Sammlung wertvoll: Ein Computerprogramm kann raten und danach sofort prüfen, ob es richtig geraten hat. Der Name ist eine Abkürzung und geht auf die Behörde zurück, aus deren Formularen die Handschriften stammen.

Der Übungsplatz des maschinellen Lernens

In der KI-Forschung braucht man Vergleichsmaßstäbe. Wenn zwei Gruppen behaupten, ihr Verfahren erkenne Handschrift besonders gut, muss man beide an derselben Aufgabe messen. Sonst vergleicht man Äpfel mit Birnen. MNIST wurde ab 1998 dieser gemeinsame Maßstab und ist es teilweise bis heute geblieben. Die Sammlung ist klein, frei verfügbar und in wenigen Sekunden heruntergeladen.

Historisch hat MNIST eine wichtige Rolle gespielt. An dieser Aufgabe zeigte sich früh, dass eine bestimmte Bauweise künstlicher neuronaler Netze besonders gut mit Bildern umgehen kann. Neuronale Netze sind Programme, die aus vielen Beispielen selbst Regeln ableiten, statt sie vorgeschrieben zu bekommen. Die damals erreichten Fehlerquoten von unter einem Prozent waren ein starkes Argument für diesen Ansatz.

Heute ist MNIST als Forschungsaufgabe gelöst. Gute Programme liegen bei etwa 0,2 Prozent Fehlern und damit besser als viele Menschen. Wer ein neues Verfahren vorstellt, beweist mit MNIST also nichts mehr. Als erste Übung für Lernende bleibt die Sammlung trotzdem unschlagbar praktisch.

Von 784 Bildpunkten zur Ziffer

Für den Computer ist ein MNIST-Bild einfach eine Liste aus 784 Zahlen. Jede Zahl gibt an, wie hell ein einzelner Bildpunkt ist, von 0 für schwarz bis 255 für weiß. Das Programm bekommt diese Zahlen und soll eine von zehn möglichen Antworten ausgeben. Am Anfang antwortet es zufällig und liegt fast immer daneben.

Dann beginnt das Training. Das Programm sieht ein Bild, gibt eine Antwort und erfährt die richtige Lösung. Bei jedem Fehler werden seine internen Zahlenwerte ein kleines Stück in die Richtung verschoben, die den Fehler verkleinert. Nach einigen Zehntausend Beispielen sitzt die Sache. Das Bemerkenswerte daran: Niemand hat dem Programm gesagt, wie eine Sieben aussieht.

Die Sammlung ist bewusst zweigeteilt. 60.000 Bilder dienen dem Training, 10.000 sind zurückgehalten und werden erst am Ende zum Prüfen benutzt. Das ist wichtig, weil ein Programm sonst einfach die Trainingsbilder auswendig lernen könnte. Bei bekannten Bildern wäre es dann perfekt, bei neuen Handschriften nutzlos. Diese Trennung in Trainings- und Testdaten ist ein Grundprinzip, das man an MNIST gut begreift.

Wo die Ziffernbilder auftauchen

In jedem Einstiegskurs zu maschinellem Lernen ist MNIST die erste praktische Aufgabe. Die gängigen Programmbibliotheken liefern die Sammlung direkt mit, oft in einer einzigen Codezeile. Ein einfaches Modell trainiert man damit auf einem normalen Laptop in wenigen Minuten. Man muss also nicht auf teure Spezialhardware warten, um das Prinzip einmal selbst zu sehen.

Die eigentliche Anwendung hinter MNIST gibt es tatsächlich. Post-Sortieranlagen lesen handgeschriebene Postleitzahlen, Banken lasen früher Beträge auf Schecks. Ähnliche Technik steckt heute in Apps, die eine Rechnung oder ein Formular fotografieren und die Zahlen darin auslesen.

In Nachrichten und Fachtexten dient MNIST oft als Vergleichspunkt. Sätze wie „das ist nicht mehr als MNIST“ bedeuten, dass eine Aufgabe leicht und längst erledigt ist. Ein verbreiteter Irrtum dabei: Wer MNIST löst, hat nicht Bilderkennung gelöst. Reale Fotos haben Farben, Schatten und störende Hintergründe. Für solche Fälle gibt es schwerere Sammlungen wie CIFAR-10 oder ImageNet, die Millionen echter Fotos enthalten.