Convolutional Neural Network
Ein Convolutional Neural Network, kurz CNN, ist ein Rechenverfahren, das aus Bildern selbstständig Muster herausliest. Es prüft ein Bild in vielen kleinen Ausschnitten und setzt aus einfachen Formen nach und nach ganze Objekte zusammen.
Ein Convolutional Neural Network ist ein Programm, das aus Beispielen lernt, statt festen Regeln zu folgen. Man zeigt ihm sehr viele Bilder mit der richtigen Antwort dazu, etwa tausende Fotos, die mit « Hund » oder « Katze » beschriftet sind. Das Programm passt sich dabei so lange an, bis es die Beschriftungen selbst richtig vorhersagt. Das Besondere daran ist die Art, wie es ein Bild anschaut: Es betrachtet nie das ganze Bild auf einmal. Stattdessen schiebt es ein kleines Suchfenster über das Bild und prüft jeden Ausschnitt einzeln. Diese Technik des Abtastens in kleinen Fenstern heißt Faltung, auf Englisch convolution, und gab dem Verfahren seinen Namen.
Der Durchbruch beim Bildverstehen
Vor dieser Technik musste man Computern von Hand beschreiben, woran man ein Objekt erkennt. Programmierer schrieben etwa Regeln für Kanten, Farbflächen oder Rundungen. Das funktionierte in Laborbildern, versagte aber bei echten Fotos mit Schatten, Unschärfe und ungewöhnlichen Blickwinkeln. Faltungsnetze machten diese Handarbeit überflüssig. Sie finden die nützlichen Merkmale während des Trainings von allein.
Der bekannte Wendepunkt war ein Bilderkennungs-Wettbewerb im Jahr 2012. Ein Netz namens AlexNet senkte die Fehlerquote gegenüber der bisherigen Bestleistung um rund zehn Prozentpunkte. Für die Forschung war das ein enormer Sprung in einem einzigen Jahr. Danach stellten fast alle Teams auf diese Bauweise um. Viele sehen darin den Start des heutigen KI-Booms.
Wichtig ist die Abgrenzung zu heutigen Chatbots. Die arbeiten mit einer anderen Bauweise, dem Transformer, der besser mit Text und langen Zusammenhängen umgeht. Für Bilder sind Faltungsnetze aber weiterhin im Einsatz, gerade wenn Rechenleistung knapp ist. In Kameras, Autos und Medizingeräten laufen sie millionenfach.
Vom Kantenstrich zum Gesicht
Ein Bild ist für den Computer nur eine Tabelle aus Zahlen. Jede Zahl gibt die Helligkeit eines Bildpunkts an. Das Suchfenster, im Fachjargon Filter genannt, ist eine winzige Zahlentabelle, oft nur drei mal drei Felder groß. Es wandert Schritt für Schritt über das Bild und berechnet an jeder Stelle einen Wert. Passt der Ausschnitt zum Muster des Filters, ist der Wert hoch, sonst niedrig.
Ein Netz hat viele solcher Filter nebeneinander und mehrere Schichten hintereinander. Die erste Schicht findet meist nur einfache Dinge: senkrechte Striche, Ecken, Hell-Dunkel-Übergänge. Die nächste Schicht arbeitet mit diesen Ergebnissen weiter und erkennt daraus Kreise oder Gitter. Noch weiter hinten entstehen Augen, Räder oder Schriftzeichen. Die letzte Schicht setzt alles zu einer Antwort zusammen, etwa « Katze, 94 Prozent sicher ».
Zwischen den Schichten wird das Bild regelmäßig verkleinert. Aus vier benachbarten Werten behält das Netz nur den größten. Dadurch sinkt die Datenmenge, und die Erkennung wird unempfindlich gegen kleine Verschiebungen. Ein Gesicht wird so auch dann erkannt, wenn es nicht genau in der Bildmitte sitzt. Ein häufiger Irrtum ist, das Netz würde Objekte « verstehen ». Es misst nur, wie gut gelernte Muster zu den Zahlen im Bild passen.
Faltungsnetze im Alltag
Die Gesichtserkennung, die dein Smartphone entsperrt, beruht auf dieser Technik. Ebenso die Foto-App, die Bilder automatisch nach Personen oder Orten sortiert. Auch die Übersetzungs-App, die Text aus einem Foto ausliest, nutzt ein Faltungsnetz für den ersten Schritt. In Autos werten solche Netze die Kamerabilder aus und melden Fußgänger oder Tempolimits.
In der Medizin prüfen Faltungsnetze Röntgenbilder und Gewebeproben auf auffällige Stellen. Sie ersetzen keine Ärztin, sondern markieren Bereiche, die genauer angeschaut werden sollten. In Wirtschaftsmeldungen tauchen sie oft indirekt auf, etwa wenn ein Hersteller mit « KI-Bildverarbeitung » für Qualitätskontrolle in der Fabrik wirbt. Dahinter steckt fast immer ein Netz dieser Bauart.
Bemerkenswert ist, wo diese Netze rechnen. Sie sind klein genug, um direkt auf dem Handy oder in einer Kamera zu laufen, ohne Internetverbindung. Das spart Kosten und schützt Daten, weil die Bilder das Gerät nicht verlassen. Genau deshalb sind Faltungsnetze trotz neuerer Verfahren nicht verschwunden.