Wie die Welt in den Kopf kommt

Die Grafik veranschaulicht die Idee am Beispiel der Buchstabenerkennung, die mit
solchen Netzen bewältigt wurde (Mehr dazu Schaub 2002). Damit die A ktivitätso
durch das Netzwerk fließt, dass sie in Summe hauptsächlich am richtigen Ort an-
kommt, also bei dem Neuron, das für den Buchstaben steht, muss das Ne tztrainiert
werden. Dabei werden die Verbindungen unterschiedlich gewichtet (verstä rkt). Die
schnellste Methode die Gewichtung zu setzen besteht darin sie vom Sollwert (dem
Aktivitätsmaximum am erkannten Buchstaben) zurückzurechnen, genannt Backpro-
pagation (Hinton 1993, S.99). Eine naturnähere Variante besteht dar in die Gewich-
tungen durch Mutations-Selektions-Mechanismen von Verbindungsgruppen zu finden
(Edelmann 1993, S.28f.) Aber wie auch immer, beeinträchtigt die Veränderung der
Gewichte zugunsten der Erkennung eines bestimmten Buchstabens, immer die Er-
kennung der bereits erlernten anderen Buchstaben zu einem geringen Grad.
Die wesentlichen Nachteile dieses Netzwerktypus sind: 1.   Das Netzwerk bedarf der Definition eines bestimmten Bildausschnittes, in dem sich das zu erkennende Objekt befindet. In realen Situationen sind Objekte aber immer von ver-
schiedensten Hintergründen umgeben. Da das Netzwerk keine Regel kennt, um die
Grenze zwischen Figur und Grund finden zu können, nimmt es den Hinter grundin den
Erkennungsprozess mit, und erhält unterschiedliche Ergebnisse, bei gleichen Objekten.     2.   Das Netzwerk soll, in Anwendung auf das Gehirn, die Verbindung von Reizen mi t Reakti-         onen erklären. Auf den Wahrnehmungsreiz „G“ folgt sozusagen die Reaktion, also der
        Druck auf die Taste „G“. Aber unser Gehirn verbindet nicht nur Reize mit Reaktionen. Es
        verbindet auch Reize mit Reizen (Wenn wir uns z.B. Reizfolgen merken, um beim
        nächsten mal Zukunft vorauszuahnen.). Es verbindet ebenfalls Reaktionen miteinander
        zu fertigen Handlungsabläufen, und es verbindet sogar Reaktionen mit Reizen (Wenn
        wir zum Beispiel die Wirkung unseres Verhaltens vorausahnen lernen). Das Netz müss-
        te also in alle Richtungen durchlässig sein. Ist es aber nicht!
3.   Das eigentliche Problem aber ist, dass ein natürliches Gehirn keinen Lehrmeister hat! Ihm wird nicht sofort mitgeteilt welches Ergebnis ideal ist, was also z.B. die Taste für „G“
ist. Mehrschichtennetzwerke brauchen einen Trainer, der das Ziel vorgibt (Hinton 1993,
S.101) Zwar wurden auch Netze konstruiert, deren Ziel eine möglichst datenreduzierte
Repräsentation von Information ist, aber auch das ist ein vorgegebenes Ziel. Gehirne
hingegen trainiert das Leben. Sie reagieren eher wie statistische Netze. 14