KI-Spielwiese SmileKI: Die KI erlernt eine Licht-Steuerung
Ein einfaches künstliches neuronales Netz soll lernen, eine Lichtsteuerung aus ein paar Beobachtungen richtig zu berechnen.
Dieser Artikel bezieht sich auf das Tool SmileKI aus der KursBegleiter-Tool-Sammlung. Damit kannst du ein kleines neuronales Netz bauen, es mit verschiedenen Input-Arten ansteuern und das Ergebnis mit unterschiedlichen Output-Modulen anzeigen lassen.
Eine Steuerung lernen
Ich nehme eine einfache Situation einer Steuerung, bei der die gewünschten Steuersignale bekannt sind und eine KI lernen soll, diese zu berechnen. Es handelt sich um ein super einfaches Beispiel, soll aber die Funktion eines solchen Lernprozesses demonstrieren.
Das Licht soll an sein wenn es dunkel ist und ich zuhause bin.
Schritt 1: Input einstellen
Für die Steuerung werden zwei Inputs benötigt: Die Helligkeit und ob ich zuhause bin oder nicht. Ich verwende Zahlen (Slider) und stelle über den Stift den Wertebereich 0-1 ein. Der erste Input gibt die Helligkeit zwischen 0 (dunkel) und 1 (hell) an, der zweite die Anwesenheit: 0=weg, 1=da.
Schritt 2: Output einstellen
Ich benötige einen Ausgang für die Steuerung des Lichts: 0=AUS, 1=AN. Dazu stelle ich einen Output und Zahlen (Balken) ein. So kann ich den genauen Wert des Ausgangs beobachten und mir vorstellen, dass das Licht ab einem bestimmten Grenzwert angeschaltet würde.
Schritt 3: Neuronales Netz einrichten
Ich belasse die Einstellungen zunächst so wie sie sind mit einer versteckten Schicht.
Schritt 4: Trainings-Daten aufzeichnen
Ich wechsle auf der rechten Seite auf den Tab Daten und achte darauf, dass hier Training aktiviert ist. Hier ist eine leere Liste von Trainingsdaten zu sehen, die ich jetzt füllen werde.
Wenn es sehr hell ist, soll das Licht aus sein, egal ob ich zuhause bin oder nicht. Ich brauche also Datensätze, bei denen `"Input"_2 = 0` und solche, bei denen `"Input"_2 = 1` ist. Sehr hell könnte vielleicht `"Input"_1 > 0,7` heißen. Jetzt stelle ich auf der linken Seite einige solcher Werte ein und achte darauf, dass Input und Output in der gewünschten Logik zusammenpassen. Um einen Datensatz zum Trainieren zu erfassen, klicke ich auf das +.
Meine Daten ansehen
Wenn es allerdings zu dunkel ist (z.B. `"Input"_1 < 0,6`), soll das Licht nur angehen, wenn ich zuhause bin.
Meine Daten ansehen
Schritt 5: Test-Daten aufzeichnen
Ich wechsle jetzt in den Abschnitt Testing. Auch dort sehe ich eine leere Daten-Liste. Ich stelle nochmals für jede Kombination ein paar Werte ein und füge den Datensatz jeweils mit + hinzu. Diese Datensätze sind zum Testen, nachdem das Modell trainiert wurde.
Meine Daten ansehen
Schritt 6: Das Modell trainieren
Ich wechsle wieder auf den Tab neuronales Netz. Dann klicke ich auf Trainieren. Ich setze Wiederholungen auf 1000 und belasse Lern-Rate und Fehlergrenze. Dann starte ich das Lernen.
Ich kann beobachten, wie der Fehler i.d.R. schnell runter geht. Ich kann auch etwas mit den Einstellungen experimentieren.
Schritt 7: Das Modell testen
Ich kann nun mit den Reglern selbst testen, ob das Modell richtige Ergebnisse liefert. Oder ich klicke Testing und lasse die zuvor erfassten Test-Daten durchlaufen. Ich bekomme dann eine Zusammenfassung, wie gut das Modell gearbeitet hat.
Zusammenfassung
Ohne zu wissen, welche logischen Zusammenhänge zwischen Helligkeit, Anwesenheit und Lichtschaltung bestehen, kann die KI eine Zeit lang »beobachten«, wann ich das Licht einschalte und wann es aus ist. Aus diesen Daten kann das System lernen und für jede Situation ein Verhalten berechnen.