NeuroStrategy FAQ

12. Was ist ein Mesh?

Ein Artificial Neural Mesh (ANM) ist eine Weiterentwicklung und Kombination der Elemente von künstlichen neuronalen Netzen (Artificial Neural Network, ANN). Diese Software-Bausteine bilden mit Mitteln des Computers eine Struktur, die der des Gehirns höherer Lebewesen ähnlich ist.

Wie ein Gehirn besteht auch ein neuronales Netz aus Nervenknoten (Neuronen oder Nodes), die über Synapsen (Links) miteinander verbunden sind. Im Gehirn werden Reize auf elektrischem Weg übertragen. Sie können dabei durch die Synapsen verzögert, verstärkt oder abgeschwächt werden, bevor sie das Ziel-Neuron erreichen. Auf diesem Neuron führt die zugeführte Energie zu einer Reaktion (Aktivierung). Das Neuron kann den Reiz beispielsweise blockieren oder aber über weitere Synapsen an andere Nodes weiterleiten.

In einem neuronalen Netz werden ebenfalls äussere Reize durch ein Geflecht von Links und Neuronen geleitet, um das System zu einer bestimmten Reaktion zu veranlassen. Hier erfolgt die Weiterleitung des Reizes jedoch mathematisch bestimmt. Art und Stärke des Reizes müssen in eine Zahl codiert werden. Diese wird über die Synapse zum Ziel-Neuron befördert, indem sie mit einem so genannten Gewicht (weight) multipliziert wird. Durch diese Multiplikation kann der Reiz beliebig verstärkt oder abgeschwächt werden. Auf einem Node können gleichzeitig viele Reize von verschiedenen Quellen eintreffen. Sie ergeben in ihrer Gesamtheit die Aktivierung des Neurons, also ein bestimmtes Mass an Aktivierungsenergie. Diese kann nun wieder über Synapsen weitergeleitet, verzögert, verstärkt, abgeschwächt oder auch blockiert werden.

Die Weiterleitung der Reize durch ein neuronales Netz erfolgt strukturiert und führt schliesslich zu einer Aktivierung an einem oder mehreren Ausgabe-Neuronen. Je nach Anwendung repräsentiert die Aktivierung an einem bestimmten Ausgabe-Neuron die codierte Reaktion des Netzes auf den äusseren Reiz. Der Anwender kann diese Reaktion auswerten und dem Netz ein Feedback über die Güte der Reaktion geben. Nach bestimmten Algorithmen werden daraufhin die Gewichte innerhalb des Netzes modifiziert. Das Netz reagiert dann auf den gleichen Reiz anders als zuvor. Auf diesem Weg sind neuronale Netze in der Lage zu lernen.

Es existieren sehr viele verschiedene Arten von neuronalen Netzen für unterschiedlichste Einsatzbereiche. Einige dieser Netze benötigen einen Lehrer (supervised learning). Andere lernen selbständig, da ihre Strukturen Möglichkeiten bereitstellen, die Güte der Reaktionen selbst zu bestimmen.

Die von Ivorix entwickelten Meshes kombinieren diverse dieser Typen zu universellen Software-Bausteinen, die selbstorganisierende Mechanismen und angeleitetes Training kombinieren können. Darüber hinaus sind sie mit Funktionen zur Selbstkontrolle ausgestattet. Diese sollen die Bildung intelligenter Strukturen befördern.

Die Meshes sind so angelegt, dass sie in Bauplänen ähnlich dem Genom eines Lebewesens codiert werden können. Sie verfügen auch über Kommunikationsschnittstellen, die es ihnen ermöglichen, mit anderen Meshes zusammenzuarbeiten, um beispielsweise ein Problem zu lösen, für das ihre alleinige Kapazität zu klein wäre. Dank dieser Eigenschaften können sie in Populationen trainiert und getestet, werden. Sie können sich "fortpflanzen", indem aus den Genomen der Eltern ein neues Mesh-Genom erzeugt wird, das Merkmale beider Elternteile trägt und zu einem einsatzfähigen Kind-Mesh decodiert werden kann.

Wie auch alle neuronalen Netze sind Meshes zunächst "dumm". Ihr Anwender - bzw. der Entwickler - muss das zu lösende Problem mathematisch formulieren, die Codierung von Reizen und Reaktionen festlegen und eine Evolutionsumgebung schaffen, in denen sich dann eine Population von Meshes entwickeln kann, die genau dieses und nur dieses Problem löst. Unser Ziel ist die Entwicklung von Anwendungen, die diese komplexen Prozesse vollständig für den Benutzer abwickelt. Aus den obigen Beschreibungen wird deutlich, dass Meshes leider ganz und gar nicht unsere Sprache sprechen. Auch die Umgebungen, in denen sie gedeihen können, ähneln unserer Umwelt kaum oder gar nicht. Die von Ivorix entwickelten Anwendungen sollen als Dolmetscher fungieren, so dass der Anwender in seiner Sprache das Problem formulieren kann und die Software ebenso verständlich antwortet.

Unsere Artificial Neural Meshes sind also eine universell einsetzbare Basistechnologie. Die Strategiebildung für den Handel mit Finanzinstrumenten ist nur eine von unzähligen Einsatzmöglichkeiten.