F:
Hur är föregångare för logiska grindar för AI och byggstenar för nervnätverk?
A:Logiska grindar är de logiska konstruktionerna som utgör ramen för sökvägsgenerering i datorbehandling. Användningen av logiska grindar i datorer föregår alla moderna arbeten med konstgjord intelligens eller neurala nätverk. De logiska grindarna utgör dock byggstenarna för maskininlärning, konstgjord intelligens och allt som följer med det.
En logisk grind underlättar valet av utgångar beroende på ingång i ett datorsystem. Tidigt ledde detta till jämförelser mellan en mikroprocessor och den mänskliga hjärnan.
När arbetet med neurala nätverk började utvecklas år senare, kom en filosofi som kallas "samband" in i spelet. Connectionism, som på vissa sätt går tillbaka till 1940-talet, är idén att komplexa beteendemönster genereras genom det kombinerade arbetet med enskilda små enheter - till exempel i hjärnan, nervceller.
Allt detta ledde till idén att använda programmering, och i sin tur de underliggande logiska grindarna, för mer komplexa processer. En av definitionerna av maskininlärning är att datorprogrammet utvecklas utanför gränserna för vad det ursprungligen gavs som input. Med andra ord, maskinen lär sig som den går. Den använder fortfarande logikgrindarna för att bearbeta givna ingångar och utgångar, men användningen av logikgrindarna för beräkning fungerar på ett grundläggande annorlunda sätt.
Genom att fortsätta studera den mänskliga hjärnan och prestandan hos nervceller och synapser, närmar sig forskarna närmare att kunna modellera en del av denna aktivitet med datorsystem. Här kommer den logiska grinden att arbeta med en mänsklig neuron.
Tänk på detta utdrag från ett vetenskapligt dokument om utformningen av olika logiska grindar i neurala nätverk:
”Det är uppenbart att neuronet utför motsvarigheten till en logisk ELLER-operation på de exciterande ingångarna - om närvaron av pulser representerar ett logiskt värde på '1', kan beteendet hos en OR-grind realiseras av en neuron med två excitatoriska ingångar och utgången matas tillbaka som en hämmande ingång. Det senare säkerställer att neuronet återgår till ett avslappnat tillstånd när excitationen upphör, vilket motsvarar ett logiskt värde på '0.' OR-gate-neuronet uppvisar distinkta "tändning" och "avstängning" förseningar som förändras, beroende på tidigare och nuvarande insatser. ”- Suryateja Yellamraju, et. al., "Design av olika logiska grindar i nervnätverk"
Det framgår av denna avläsning att nära korrelationer kan göras mellan prestanda för en OR-logikport och prestanda för en neuron som arbetar med binära upphetsade eller avslappnade input.
Med detta i åtanke innefattar konstgjord intelligensarbete ofta användningen av logiska grindar i datorsystem för att modellera de typer av beteenden som visas av nervceller i den mänskliga hjärnan. Omfattningen av denna modelleringsframgång kommer att avgöra de framtida kapaciteterna för stark konstgjord intelligens - vare sig vi genom extremt avancerad modellering kan skapa känslig teknik, eller om det mänskliga sinnet visar sig vara tillräckligt komplicerat och utarbetat för att begränsa eller begränsa denna typ av teknisk utveckling.
I en artikel om Medium talar VV Preetham om att lära logik till neurala nätverk genom användning av tillämpade logikgrindar. Denna detaljerade handledning visar hur man representerar användningen av logiska grindar och kod på sätt som simulerar mänskliga neurons arbete.
På detta sätt fortsätter logikportar, som tidigt presenterades i utvecklingen av gårdagens datorsystem, de underliggande resurserna för mycket avancerat arbete i neuronala nätverk och antagandet av allt starkare maskininlärnings- och artificiella intelligensverktyg som dramatiskt kommer att förändra våra interaktioner med teknik under de kommande åren.
