Ein „neuronales Netz" in der KI ist lose nachgebildet wem?

Künstliche neuronale Netze leihen sich ihre Grundstruktur von biologischen Gehirnen. Echte Neuronen empfangen Signale von anderen Neuronen, und wenn genug Signal zusammenkommt, feuern sie und geben es weiter; Verbindungen, die gemeinsam genutzt werden, verstärken sich tendenziell. Künstliche Netze ahmen das lose nach, mit Schichten einfacher mathematischer Einheiten, die Zahlen austauschen und beim Training die Stärke ihrer Verbindungen anpassen, sodass das Netz schrittweise besser in einer Aufgabe wird, etwa beim Erkennen von Bildern oder Vorhersagen von Wörtern.

Spinnennetze und Stromnetze sind schlicht physische Netzwerke aus Fäden oder Drähten; sie lernen nicht, passen ihre Verbindungen nicht an und verarbeiten keine Informationen wie Neuronen, sodass keines von beiden ein echtes Vorbild für die Funktionsweise neuronaler Netze ist.

Der Vergleich ist bewusst locker gemeint: Ein echtes Gehirn besitzt rund 86 Milliarden Neuronen, verschaltet auf erstaunlich komplexe, energieeffiziente Weise, während selbst riesige KI-Modelle nur eine viel simplere, gröbere Annäherung sind, die auf stromhungrigen Chips läuft.