Die Epoche läuft auf lernenden Maschinen, doch das Lernen selbst bleibt hinter einer API verborgen. Hier liegt es offen, jeder Schritt auf dem Bildschirm und vollständig in Ihrem Browser laufend: ein neuronales Netz, das in Echtzeit eine Entscheidungsgrenze herausarbeitet, ein Agent, der zufällig auf eine Belohnung stößt, Attention, die entscheidet, welches Wort sie betrachtet, Rauschen, das sich unter einem Diffusionsmodell zu Struktur klärt. Keine Cloud, keine Schlüssel — nur Gradienten, Strategien und Wahrscheinlichkeit, gezeichnet in dem Moment, in dem sie geschehen.
Ein Kohonen-Gitter, das sich knittert, dehnt und über jede beliebige Datenverteilung legt — Topologieentdeckung, sichtbar gemacht.
Beobachten Sie, wie ein tabellarischer RL-Agent von Grund auf eine Navigationsstrategie aufbaut — durch Fallen stolpernd, Belohnung entdeckend und optimale Pfeile in jede Zelle des Gitters einätzend.
Beobachten Sie, wie das Rosenblatt-Neuron von 1958 eine Entscheidungslinie durch Ihre Daten zieht, eine Korrektur nach der anderen.
Beobachten Sie, wie ein selbstgebautes neuronales Netz seine Entscheidungsgrenze in Echtzeit biegt, während es per Backpropagation lernt, 2D-Punktwolken zu trennen.
Der Urahn von GPT — sagen Sie das nächste Token aus den letzten wenigen voraus und beobachten Sie, wie Kohärenz entsteht, je höher die Ordnung wird.
Beobachten Sie, wie Lloyds Algorithmus ein Streudiagramm in lebendige Voronoi-Gebiete zerschneidet, während die Zentroide in Echtzeit ihre Cluster aufspüren.
Beobachten Sie, wie ein verrauschtes oder halb gelöschtes Muster zu einer gespeicherten Erinnerung zurückschnappt, während ein Netz aus Neuronen bergab in einen Attraktor rollt.
Fünf gradientenbasierte Optimierer rasen gleichzeitig dieselbe Verlustlandschaft hinab und zeigen, warum Adam das schlichte SGD in Geschwindigkeit, Stabilität und der Flucht aus Sattelpunkten überflügelt.
Durchstreifen Sie einen handgefertigten semantischen Raum, in dem König − Mann + Frau exakt auf Königin einrastet und Bedeutungscluster in Neonfarben aufblühen.
Beobachten Sie, wie ein CART-Klassifikator Ihre 2-D-Daten in achsenparallele Regionen zerlegt — einen informationsmaximierenden Split nach dem anderen.
Sehen Sie zu, wie ε-greedy, UCB1 und Thompson Sampling um den besten Arm des Spielautomaten wetteifern — der kumulierte Regret live geplottet, während die Algorithmen erkunden und ausnutzen.
Beobachten Sie, wie ein Transformer entscheidet, worauf er blickt — softmax(QKᵀ/√d), greifbar gemacht durch Live-Heatmaps und bipartite Attention-Flüsse.