Hidden Markov Model (HMM)

Ein verdecktes Markow-Modell (HMM) ist ein statistischer Rahmen zur Modellierung von Systemen, deren interner Prozess nicht direkt sichtbar ist – daher „verdeckt“ –, sich jedoch anhand einer Folge beobachtbarer Ereignisse erschließen lässt. Während modernes Deep Learning inzwischen komplexe Sequenzen verarbeiten kann, bleibt das HMM ein grundlegendes Konzept in der statistischen KI und der Wahrscheinlichkeitstheorie. Es eignet sich besonders für die Analyse von Zeitreihendaten, bei denen die Reihenfolge der Ereignisse einen entscheidenden Kontext liefert. Dabei beruht es auf dem Grundprinzip, dass die Wahrscheinlichkeit eines zukünftigen Zustands ausschließlich vom aktuellen Zustand und nicht von der vorausgegangenen Historie abhängt.

Zentrale Mechanismen von HMMs#

Um zu verstehen, wie ein HMM funktioniert, musst du zwischen den beiden unterschiedlichen Ebenen des Modells unterscheiden: den unsichtbaren Zuständen und den sichtbaren Ausgaben. Das Modell geht davon aus, dass das System entsprechend bestimmten Wahrscheinlichkeiten zwischen verdeckten Zuständen wechselt und bei jedem Schritt eine Beobachtung ausgibt.

Ein HMM wird durch eine Reihe von Parametern definiert, die diese Zustandsübergänge und Ausgaben steuern:

• Verdeckte Zustände: Sie repräsentieren die zugrunde liegende Realität des Systems zu einem bestimmten Zeitpunkt. In einem Sprachmodell könnte ein verdeckter Zustand ein bestimmtes Phonem oder Wort darstellen.
• Beobachtbare Ereignisse: Dabei handelt es sich um die Datenpunkte, die tatsächlich von Sensoren oder Eingaben erfasst werden. Im Sprachbeispiel wäre die Beobachtung die Audio-Wellenform oder ein Spektrogramm.
• Übergangswahrscheinlichkeiten: Diese Matrix beschreibt die Wahrscheinlichkeit, von einem verdeckten Zustand in einen anderen zu wechseln, beispielsweise die Wahrscheinlichkeit, dass sich das Wetter von „regnerisch“ zu „sonnig“ ändert.
• Ausgabewahrscheinlichkeiten: Sie geben an, wie wahrscheinlich eine bestimmte Beobachtung bei einem gegebenen verdeckten Zustand ist.
• Anfangswahrscheinlichkeiten: Die Verteilung, die bestimmt, in welchem Zustand das System am wahrscheinlichsten beginnt.

Beim Trainieren eines HMM wird im Allgemeinen der Baum-Welch-Algorithmus verwendet, um diese Parameter anhand von Trainingsdaten zu schätzen. Nach dem Training wird häufig der Viterbi-Algorithmus eingesetzt, um aus einer neuen Menge von Beobachtungen die wahrscheinlichste Folge verdeckter Zustände zu bestimmen.

HMMs im Vergleich zu anderen Sequenzmodellen#

Obwohl HMMs Ähnlichkeiten mit anderen Werkzeugen zur Sequenzverarbeitung aufweisen, unterscheiden sie sich deutlich in Architektur und Anwendung:

• HMM im Vergleich zu rekurrenten neuronalen Netzen (RNN): RNNs und Netzwerke mit Langzeit-Kurzzeitgedächtnis (LSTM) sind Deep-Learning-Modelle, die Abhängigkeiten über große Distanzen und nichtlineare Muster erfassen können, während HMMs einfachere probabilistische Modelle sind, die durch die Markow-Annahme (Kurzzeitgedächtnis) eingeschränkt werden. HMMs benötigen jedoch deutlich weniger Daten und sind wesentlich besser interpretierbar.
• HMM im Vergleich zum Kalman-Filter (KF): Beide werden zur Zustandsschätzung verwendet. Kalman-Filter sind jedoch für kontinuierliche Zustände ausgelegt, etwa zur Verfolgung der genauen Position eines fahrenden Autos, während HMMs für diskrete Zustände verwendet werden, etwa zur Bestimmung, ob das Auto „parkt“, „fährt“ oder „steht“.

Anwendungen in der Praxis#

Trotz des Aufstiegs von Deep Learning (DL) werden verdeckte Markow-Modelle weiterhin häufig in Szenarien eingesetzt, die probabilistische Schlussfolgerungen über Sequenzen erfordern.

Sprach- und Handschrifterkennung#

Historisch bildeten HMMs das Rückgrat von Systemen zur Spracherkennung. In diesem Zusammenhang sind die gesprochenen Wörter die „verdeckten“ Zustände, während die vom Mikrofon aufgezeichneten Audiosignale die Beobachtungen darstellen. HMMs helfen dabei, die wahrscheinlichste Wortfolge zu bestimmen, die das Audiosignal erzeugt hat. Ebenso unterstützen sie die Entzifferung von Schreibschrift, indem sie die Übergänge zwischen Buchstabenstrichen modellieren.

Analyse biologischer Sequenzen#

Im Bereich der Bioinformatik sind HMMs für die Genprädiktion und das Alignment von Proteinen von entscheidender Bedeutung. Sie analysieren Sequenzen aus DNA oder Aminosäuren, um funktionale Bereiche wie Gene innerhalb eines Genoms zu identifizieren. Die „verdeckten“ Zustände können kodierende oder nicht kodierende Bereiche darstellen, während die einzelnen Nukleotide (A, C, G, T) als Beobachtungen dienen.

Aktionserkennung in der Bildverarbeitung#

In der modernen Bildverarbeitung können HMMs mit Modellen wie YOLO26 kombiniert werden, um Aktionen zu erkennen. Während YOLO Objekte oder Posen in einzelnen Bildern erkennt, kann ein HMM die zeitliche Folge dieser Posen analysieren, um eine Aktion wie „Gehen“, „Laufen“ oder „Fallen“ zu klassifizieren.

Kombination von Bildverarbeitung und Zustandsanalyse#

Für Entwickler, die die Ultralytics Platform zur Verwaltung von Datensätzen und Modellen verwenden, ist das Verständnis sequenzieller Logik entscheidend. Ein Bildverarbeitungsmodell liefert die rohen Beobachtungen (Erkennungen), die anschließend einem Zustandsraummodell wie einem HMM zugeführt werden können, um den zeitlichen Kontext zu erschließen.

Das folgende Beispiel zeigt, wie du mithilfe der Posenschätzung von YOLO26 eine Folge von Beobachtungen erzeugst. Diese Schlüsselpunkte können als Eingabe der „beobachtbaren Ereignisse“ für ein nachgelagertes HMM oder eine ähnliche Logik dienen, um Verhaltensweisen im Zeitverlauf zu klassifizieren.

from ultralytics import YOLO

# Load the YOLO26n-pose model for efficient keypoint detection
model = YOLO("yolo26n-pose.pt")

# Run inference on a video source (the 'observable' sequence)
# stream=True creates a generator for memory efficiency
results = model.predict(source="path/to/video.mp4", stream=True)

# Iterate through frames to extract observations
for result in results:
    # Each 'keypoints' object is an observation for a potential HMM
    keypoints = result.keypoints.xyn.cpu().numpy()

    if keypoints.size > 0:
        print(f"Observation (Normalized Keypoints): {keypoints[0][:5]}...")
        # In a full pipeline, these points would be fed into an HMM decoder

Bedeutung für moderne KI#

Obwohl Transformer und große Sprachmodelle (LLMs) HMMs bei Aufgaben wie der Verarbeitung natürlicher Sprache (NLP) überholt haben, bleiben HMMs im Edge Computing und in Umgebungen mit niedriger Latenz relevant. Ihre Recheneffizienz macht sie ideal für Systeme mit begrenzten Ressourcen, in denen eine intensive Nutzung der GPU nicht praktikabel ist. Da sie außerdem auf transparenten Wahrscheinlichkeitsmatrizen basieren, bieten sie eine bessere Beobachtbarkeit als die „Black-Box“-Struktur vieler neuronaler Netze.