Neural Nets & Raspberry Pi — Lerne neuronale Netzwerke, indem du beobachtest, wie eines trainiert wird, und führe es anschließend auf einem simulierten Pi aus

Über Gewichte und Gradient Descent zu lesen, bringt dich nur bis zu einem gewissen Punkt; erst wenn du siehst, wie der Loss eines Modells tatsächlich sinkt, schließt sich die Lücke. AI Lab erklärt zuerst Neuronen, Gewichte, Bias und Aktivierung. Danach stellt das Loss Valley-Lab Gradient Descent als 3-D-Landschaft dar, die du mit der Lernrate neigst, während Decision Surface in Echtzeit zeigt, wie sich eine gelernte Grenze um eine Spirale legt. Kostenlos auf iOS und Android.

Gradient Descent beschreibt, wie ein Netzwerk seinen eigenen Fehler reduziert: In jedem Schritt berechnet es, in welche Richtung der Loss am schnellsten sinkt, und bewegt jedes Gewicht ein kleines Stück dorthin – wie eine Kugel, die bergab auf ein Tal zurollt. Die Lernrate legt fest, wie groß jeder Schritt ist. Ist sie zu klein, kommt das Training nur langsam voran; ist sie zu groß, kann die Kugel das Tal verfehlen und zurückprallen oder auseinanderlaufen, statt sich einzupendeln. Im Loss Valley-Lab von AI Lab kannst du diesen Regler ziehen und den Unterschied bei einem echten Trainingslauf beobachten.

Ein frisch trainiertes Netzwerk speichert seine Gewichte als 32-Bit-Gleitkommazahlen – mit mehr Präzision und mehr Speicherbedarf, als kleine Hardware verkraften kann. Bei der Quantisierung werden diese Gewichte auf deutlich kleinere Zahlen gerundet, üblicherweise auf 8-Bit-Ganzzahlen. Dadurch schrumpft das Modell auf ungefähr ein Viertel seiner Größe, im Austausch gegen etwas Genauigkeit. Das Shrinker-Lab von AI Lab führt diesen Vorgang an einem echten trainierten Modell durch. So siehst du das Verhältnis von Größe und Genauigkeit selbst, statt nur darüber zu lesen.

TinyML ist Machine Learning auf kleiner Hardware mit geringem Energieverbrauch – etwa einem Mikrocontroller oder Einplatinencomputer – statt auf einem Server oder Smartphone. Deshalb muss das Modell zuerst verkleinert werden. Die Shrinker- und Chip-Labs von AI Lab zeigen genau diese Pipeline: ein trainiertes Netzwerk quantisieren und anschließend echte int8-Inferenz mit dem Ergebnis ausführen, bevor die Raspberry Pi Workbench der App zur physischen Verkabelung eingebetteter Projekte übergeht.

Ja. Die Raspberry Pi Workbench von AI Lab ist eine detaillierte 3-D-Simulation eines Pi Pico: Du fügst virtuelle Komponenten hinzu, verkabelst sie und schreibst echtes Python mit der gpiozero-Bibliothek in einem integrierten Editor – ganz ohne Board, das du kaufen oder riskieren musst. Fünf Einstiegsprojekte reichen von einer erstmals blinkenden LED über eine per Taste gesteuerte LED bis zu einem Knight-Rider-Lauflicht mit fünf LEDs. Das von dir geschriebene Python kannst du direkt übernehmen, wenn du anschließend mit einem echten Raspberry Pi arbeitest.

gpiozero ist eine Python-Bibliothek, die die GPIO-Pins eines Raspberry Pi in einfache Objekte und Methoden verpackt. Eine LED einzuschalten, braucht dadurch nur eine Zeile statt eines hardwarenahen Registerzugriffs – deshalb ist gpiozero der übliche Einstieg in die Pi-Elektronik. AI Lab verwendet dieselbe Bibliothek in seiner Simulation. So funktioniert die Verkabelung einer LED, einer Taste oder eines Summers in der App genauso wie auf echter Hardware.

Ja. AI Lab kannst du kostenlos im App Store und bei Google Play herunterladen. Die ersten drei Welten mit Lektionen – von einem einzelnen Neuron über Gradient Descent bis zu mehrschichtigen Netzwerken – sowie jedes 3-D-Lab und die vollständige Raspberry Pi Workbench kannst du kostenlos nutzen. AI Lab Pro schaltet den restlichen Lehrplan frei und entfernt die Werbung. Die App ist ab 4 Jahren freigegeben und die aktuelle Version ist 1.2.0.

Nein. AI Lab beginnt mit der Erklärung, was ein Neuron ist – einige mit Gewichten multiplizierte Zahlen, die mit einem Bias addiert und durch eine Aktivierung geleitet werden – bevor überhaupt Code erscheint. Anschließend wird jede Idee einzeln aufgebaut, wobei jede kurze Lektion mit einem Quiz abschließt. Die Raspberry Pi Workbench führt dich schrittweise und Projekt für Projekt über gpiozero an Python heran, ohne Programmiererfahrung vorauszusetzen.

Nein, und die App macht das ausdrücklich klar. Die Trainings-Engine von AI Lab ist eine kleine, deterministische Implementierung, die speziell für sofortiges Training und vollständige Verständlichkeit beim Lernen und Visualisieren von Grund auf entwickelt wurde – sie ist kein Machine-Learning-Framework für den Produktionseinsatz. Die vermittelten Konzepte – Neuronen, Gewichte, Loss, Gradient Descent und Quantisierung – sind dieselben, die TensorFlow oder PyTorch in wesentlich größerem Maßstab verwenden.

Neural Nets & Raspberry Pi läuft auf iOS über den App Store und auf Android über Google Play. Die Benutzeroberfläche ist in 10 Sprachen verfügbar und die App hat eine Altersfreigabe ab 4 Jahren. Auf den Bildschirmen und dem Symbol nennt sich die App AI Lab; im App Store ist sie als AI Lab: Neural Networks & IoT aufgeführt und bei Google Play als Neural Nets & Raspberry Pi. Auf beiden Plattformen handelt es sich um dieselbe App.