Huis audio Hoe zijn logische poorten voorlopers van ai en bouwstenen voor neurale netwerken?

Hoe zijn logische poorten voorlopers van ai en bouwstenen voor neurale netwerken?

Anonim

Q:

Hoe zijn logische poorten voorlopers van AI en bouwstenen voor neurale netwerken?

EEN:

Logische poorten zijn de logische constructies die het raamwerk vormen voor padgeneratie bij computerverwerking. Het gebruik van logische poorten in computers dateert van vóór modern werk op kunstmatige intelligentie of neurale netwerken. De logische poorten bieden echter de bouwstenen voor machine learning, kunstmatige intelligentie en alles wat daarbij hoort.

Een logische poort vergemakkelijkt de keuze van de uitgangen, afhankelijk van de invoer in een computersysteem. Al vroeg leidde dit tot vergelijkingen tussen een microprocessor en het menselijk brein.

Toen het werk aan neurale netwerken jaren later begon te evolueren, kwam een ​​filosofie genaamd 'connectionisme' in het spel. Connectionism, dat in sommige opzichten dateert uit de jaren 1940, is het idee dat complexe gedragspatronen worden gegenereerd door het gecombineerde werk van individuele kleine eenheden - bijvoorbeeld in de hersenen, neuronen.

Dit alles leidde tot het idee om programmering te gebruiken, en op zijn beurt de onderliggende logische poorten, voor complexere processen. Een van de definities van machine learning is dat het computerprogramma zich ontwikkelt voorbij de grenzen van wat het oorspronkelijk als input werd gegeven. Met andere woorden, de machine leert als het gaat. Het gebruikt nog steeds de logische poorten voor het verwerken van gegeven in- en uitgangen, maar het gebruik van de logische poorten voor computing werkt op een fundamenteel andere manier.

Door het menselijk brein en de prestaties van de neuronen en synapsen te blijven bestuderen, komen wetenschappers dichter bij het kunnen modelleren van een deel van deze activiteit met computersystemen. Hier zal de logische poort het werk van een menselijk neuron doen.

Beschouw dit fragment uit een wetenschappelijk artikel over het ontwerp van verschillende logische poorten in neurale netwerken:

“Het is duidelijk dat het neuron het equivalent van een logische OF-bewerking op de excitatoire ingangen uitvoert - als de aanwezigheid van pulsen een logische waarde van '1' vertegenwoordigt, kan het gedrag van een OF-poort worden gerealiseerd door een neuron met twee excitatoire ingangen en de uitgang teruggekoppeld als een remmende ingang. De laatste zorgt ervoor dat het neuron terugkeert naar een ontspannen toestand wanneer de excitatie stopt, wat overeenkomt met een logische waarde van '0.' Het neuron van de OF-poort vertoont verschillende vertragingen bij het inschakelen en uitschakelen die veranderen, afhankelijk van eerdere en huidige invoer. ”- Suryateja Yellamraju, et. al., "Ontwerp van verschillende logische poorten in neurale netwerken"

Het is duidelijk uit deze lezing dat nauwe correlaties kunnen worden gelegd tussen de prestaties van een OF-logische poort en de prestaties van een neuron dat werkt op binaire opgewekte of ontspannen ingangen.

Met dit in gedachten, omvat kunstmatige intelligentie vaak het gebruik van logische poorten in computersystemen om het soort gedrag te modelleren dat neuronen in het menselijk brein vertonen. De omvang van dit modelleringssucces zal de toekomstige mogelijkheden van sterke kunstmatige intelligentie bepalen - of we door extreem geavanceerde modellering gevoelige technologieën kunnen creëren, of dat de menselijke geest voldoende complex en uitgebreid blijkt te zijn om dit soort technologische ontwikkeling te beperken of te beperken.

In een artikel over medium spreekt VV Preetham over het onderwijzen van logica aan neurale netwerken door het gebruik van toegepaste logische poorten. Deze gedetailleerde tutorial laat zien hoe het gebruik van logische poorten en code kan worden weergegeven op manieren die het werk van menselijke neuronen simuleren.

Op deze manier blijven logische poorten, die al vroeg in de ontwikkeling van de computersystemen van gisteren aanwezig waren, de onderliggende bronnen voor zeer geavanceerd werk in neuronale netwerken en de acceptatie van steeds sterkere machine learning en kunstmatige intelligentiehulpmiddelen die onze interacties dramatisch zullen veranderen met technologie in de komende jaren.

Hoe zijn logische poorten voorlopers van ai en bouwstenen voor neurale netwerken?