P:
Kako su logički pretvarači AI i gradivni blokovi za neuronske mreže?
A:Logička vrata su logični konstrukti koji čine okvir za stvaranje puta u računalnoj obradi. Upotreba logičkih vrata u računalima prethodi svakom suvremenom radu na umjetnoj inteligenciji ili neuronskim mrežama. Međutim, logička vrata pružaju građevne blokove za strojno učenje, umjetnu inteligenciju i sve što dolazi uz to.
Logička vrata olakšavaju izbor rezultata ovisno o ulazu u računalni sustav. Rano je to dovelo do usporedbe mikroprocesora i ljudskog mozga.
Kako se rad na neuronskim mrežama počeo razvijati godinama kasnije, ušla je filozofija nazvana „konecionizam“. Konekcionizam, koji na neki način datira iz četrdesetih godina 20. stoljeća, ideja je da se složeni obrasci ponašanja generiraju kombiniranim radom pojedinih malih jedinica - na primjer, u mozgu, neuronima.
Sve je to dovelo do ideje o korištenju programiranja, a zauzvrat, logičkim vratima za složenije procese. Jedna od definicija strojnog učenja jest da se računalni program razvija izvan granica onoga što je izvorno bio dan kao ulaz. Drugim riječima, stroj uči kako ide. I dalje koristi logička vrata za obradu danih ulaza i izlaza, ali upotreba logičkih vrata za računanje radi na bitno drugačiji način.
Nastavljajući proučavanje ljudskog mozga i performanse neurona i sinapsi, znanstvenici su sve bliži mogućnosti da se dio ove aktivnosti modelira računalnim sustavima. Ovdje će logička vrata učiniti djelo ljudskog neurona.
Pogledajte ovaj odlomak iz znanstvenog rada o dizajnu različitih logičkih vrata u neuronskim mrežama:
„Očito je da neuron izvodi ekvivalent logičke OR operacije na ekscitacijskim ulazima - ako prisutnost impulsa predstavlja logičku vrijednost„ 1 “, tada neuro IL vrata može realizirati neuron s dva pobuđivača ulaza i izlaza koji se vraćaju kao inhibicijski ulaz. Potonji osigurava da se neuron vrati u opušteno stanje kad prestaje pobuđenje, što odgovara logičkoj vrijednosti '0.' OR-neuronski vrat pokazuje različita „uključivanja“ i „isključivanja“ kašnjenja koja se mijenjaju, ovisno o prošlim i sadašnjim ulazima. “- Suryateja Yellamraju, et. al., "Dizajn različitih logičkih vrata u neuronskim mrežama"
Iz ovog čitanja je vidljivo da se tijesna povezanost može stvoriti između izvedbe logičkih vrata ILI izvedbe neurona koji radi na binarno uzbuđenim ili opuštenim ulazima.
Imajući to u vidu, umjetna inteligencija često uključuje korištenje logičkih vrata u računalnim sustavima za modeliranje vrsta ponašanja koje izlažu neuroni u ljudskom mozgu. Opseg ovog uspjeha modeliranja odredit će buduće sposobnosti snažne umjetne inteligencije - bilo da ćemo pomoću izuzetno naprednog modeliranja stvoriti osjetljive tehnologije ili se pokaže da je ljudski um dovoljno složen i razrađen da ograniči ili ograniči ovu vrstu tehnološkog razvoja.
U članku o časopisu Medium, VV Preetham govori o podučavanju logike neuronskim mrežama pomoću primijenjenih logičkih vrata. Ovaj detaljni vodič pokazuje kako predstaviti upotrebu logičkih vrata i koda na načine koji simuliraju rad ljudskih neurona.
Na taj način, logička vrata, koja su se rano pojavila u razvoju jučerašnjih računalnih sustava, i dalje su temeljni resursi za vrlo napredan rad u neuronskim mrežama i prihvaćanje sve jačih strojnih učenja i alata za umjetnu inteligenciju koji će dramatično promijeniti naše interakcije s tehnologijom u godinama koje dolaze.
