Wo lernt KI? Informationsflüsse in neuronalen Netzen sichtbar machen

In Kooperation mit dem Unibund Würzburg

Vortrag mit Diskussion

Das enorme Potenzial moderner Methoden des maschinellen Lernens steht im deutlichen Kontrast zu unserem noch begrenzten theoretischen Verständnis. Insbesondere ist bislang nur unzureichend geklärt, unter welchen Bedingungen neuronale Netze stabil, gut trainierbar und ihre Vorhersagen verlässlich generalisierbar sind. Der Vortrag stellt eine physikalisch inspirierte Perspektive vor. Ausgehend von Analogien zur statistischen Physik wird gezeigt, dass neuronale Netze einen kritischen Punkt besitzen, an dem Informationen besonders effizient durch das Netzwerk fließen. Anhand einer neu entwickelten Methode werden diese Informationsflüsse messbar und mithilfe mathematischer Strukturen aus der Quantenphysik analysiert.