© StonePictures/Shutterstock.com
Teil 6: AI mit Python

Wissbegierige Maschinen


Die Realisierung von KI-Systemen ist die Paradeanwendung von Python. Die vergleichsweise einfache Syntax, gepaart mit der simplen Bibliothekseinbindung prädestiniert die Sprache geradezu als „Klempnerwerkzeug“ für Algorithmen.

Die Anzahl an Bibliotheken ist im Fall der künstlichen Intelligenz noch größer als in anderen Wissensbereichen. Aus dieser Fülle wählen wir zuerst NumPy – der Begriff steht für Numerical Python. Es handelt sich dabei um eine Bibliothek, die auf nichtsymbolische Berechnungen spezialisiert ist.

Experimente mit NumPy

Im KI-Bereich setzt man zwar gern auf die Web-App Jupyter Notebooks, wir wollen hier aber mit konventionellen Werkzeugen arbeiten. Starten Sie also Visual Studio 2019, und erstellen Sie eine neue Applikation auf Basis der Vorlage Python-Anwendung. Da Visual Studio bei Python-Projekten nicht automatisch von einem ML-Anwendungsfall ausgeht, müssen wir NumPy von Hand laden. Hierzu erweitern wir den Ordner Python-Umgebungen und klicken die fett hervorgehobene Runtime rechts an. Im daraufhin erscheinenden Kontextmenü entscheiden wir uns für die Option Python-Pakete verwalten. Führen Sie danach pip install numpy aus, um die Bibliothek zu beschaffen. Dabei müssen Sie der Aktivierung der Administratorrechte zustimmen.

Ein neuronales Netz arbeitet grundsätzlich nach dem in Abbildung 1 gezeigten Schema. Die Eingabedaten werden vom System verbunden, um danach einen oder mehrere Vorhersagewerte zu ermitteln.

hanna_python6_1.tif_fmt1.jpgAbb. 1: Neuronale Netzwerke sind im Grunde genommen schlicht

Wie so oft steckt der Teufel auch hier im Detail. Die Ermittlung der Gewichtswerte, die in den nach dem menschlichen Gehirn benannten Neuronen gespeichert sind, ist eine Wissenschaft für sich. Im Moment gehen wir dem durch folgendes Codebeispiel aus dem Weg:

import numpy as np weights = np.array([0.1, 0.2, 0]) def neuro_func (input, weight): return input.dot(weight) # Hat Rado, Nimmt Steroide, Intelligenzquotient input = np.array((1,1,200)) print(neuro_func(input, weights))

Die e...

Neugierig geworden?

Angebote für Teams

Für Firmen haben wir individuelle Teamlizenzen. Wir erstellen Ihnen gerne ein passendes Angebot.

Das Library-Modell:
IP-Zugang

Das Company-Modell:
Domain-Zugang