Neuronale Netzwerke und abstrakte Videokunst

Die Visualisierung von Daten und Prozessen spielt eine grosse Rolle für den Erkenntnisprozess der Menschen. Es gibt eine Vielzahl von Visualisierungmöglichkeiten mittels Säulen, Linien, Kreise, Balken, Punkte und andere. Im Kontext der Datenvisualisierung  symbolisieren diese grafischen Elemente meist Zahlen. Für die Darstellung von Prozessen bedient man sich oft „Flowcharts“ bzw. Programmablaufpläne, bei denen ein Prozess in mehreren aufeinander folgenden Schritten dargestellt wird. Grafisch bestehen Flowcharts meist aus einfacheren geometrischen Figuren, Text und Pfeile.

Im obigen Video wird auch ein Prozess visualisiert. Es wird der Prozess in einem neuronalen Netzwerk dargestellt.

In diesem Kontext sind neuronale Netzwerke als künstliche neuronale Netzwerke zu verstehen. Künstliche neuronale Netzwerke sind eine Gruppe statistischer Lernmodelle aus den Bereichen des Maschinellen Lernens und der Kognitionswissenschaft, die eingesetzt werden um das Ergebnis (Output) einer mathematischen Funktion zu schätzen. Das Ergebnis muss geschätzt werden, da es meist von einer grosse Anzahl von unbekannten Einflüssen (Inputs) abhängt.

Neuronale Netzwerke haben viele praktische Anwendungsmöglichkeiten, u.a. das Erkennen von Handschrift. Das Erkennen von Handschrift geschieht für uns Menschen meist ohne Probleme. Das Erkennen von Handschrift von einem Computer ist gar nicht so einfach, weil ein Computer klar definierte Anweisungen für das Ausführen eines Prozesses braucht. Da jedoch kein Handschriftzeichen dem anderen zu 100% gleich ist, ist es nicht möglich, klare und allgemeingültige Eigenschaften eines bestimmten Handschriftzeichens zu definieren. An dieser Stelle können neuronale Netzwerke eingesetzt werden. Sie sind in der Lage aus einer grossen Anzahl Handschriftzeichen, ein System zu entwickeln, welches als Basis für Erkennung von weiteren Handschriftzeichen benutzt werden kann. Mittels einem neuronalen Netzwerk, kann also der Computer aus „Erfahrung“ (grosse Anzahl an Handschriftzeichen) lernen und diese „Erfahrung“ für das Erkennen weiterer Handschriftzeichen benutzen. Das besondere an den neuronalen Netzwerken ist, dass der Computer auch für Variationen und kleinen Veränderungen zwischen den Hanfschriftzeichen „sensibilisiert“ werden kann.

Neuronale Netzwerke die geleehrt wurden zwischen verschiedenen Bildern bzw. Handschriftzeichen zu unterscheiden, können auch selber Bilder generieren.

Wie bereits oben erwähnt, wird im obigen Video die Ausführung des Prozesses eines neuronalen Netzwerks visualisiert. Anstatt die Visualisierung mit klassischen Mitteln umzusetzen, wurde dafür eine Aussenaufnahme eingesetzt. Das allererste Bild das wir sehen ist sozusagen die grosse Anzahl an Handschriftzeichen, die der Computer zum lernen benutzt. Alles was danach kommt sind Variationen des jeweils vorherigen Bildes.  Im Video handelt es sich konkret um „feedforward neural networks“. D.h. dass das neuronale Netzwerk ein Input-Bild bekommt, woraus es lernt und danach ein Output-Bild mit einer kleinen Veränderung (Variation) generiert. Das neuronale Netzwerk benutzt nun das generierte Output-Bild wieder als Input-Bild um daraus zu lernen und ein neues Output-Bild mit einer kleinen Veränderung (Variation) zu generieren. Dieses Output-Bild dient nun wieder als Input-Bild, welches das neuronale Netzwerk zum lernen benutzt um ein weiterer Output-Bild mit einer gewissen Variation generiert. Dieser Prozess wiederholt sich im Video ca 20 Sekunden lang. Das Resultat ist abstrakte Videokunst.

Quellen und weiterführende Informationen:

http://neuralnetworksanddeeplearning.com/chap1.html

http://meltyourmind.com/2015/09/12/melting-the-dog/

http://googleresearch.blogspot.ch/2015/06/inceptionism-going-deeper-into-neural.html