Q:
Hvordan er logiske porter forløpere for AI og byggesteiner for nevrale nettverk?
EN:Logiske porter er de logiske konstruksjonene som utgjør rammene for banegenerering i databehandling. Bruken av logiske porter i datamaskiner går foran alt moderne arbeid med kunstig intelligens eller nevrale nettverk. De logiske portene gir imidlertid byggesteinene for maskinlæring, kunstig intelligens og alt som følger med det.
En logisk port letter valg av utganger avhengig av inngang i et datasystem. Tidlig førte dette til sammenligninger mellom en mikroprosessor og den menneskelige hjernen.
Ettersom arbeidet med nevrale nettverk begynte å utvikle seg år senere, kom en filosofi som ble kalt "tilkoblingsmessighet" i spill. Connectionism, som på noen måter går tilbake til 1940-tallet, er ideen om at komplekse atferdsmønstre genereres gjennom det kombinerte arbeidet til individuelle små enheter - for eksempel i hjernen, nevroner.
Alt dette førte til ideen om å bruke programmering, og i sin tur de underliggende logikkportene, for mer komplekse prosesser. En av definisjonene av maskinlæring er at dataprogrammet utvikler seg utover grensene for hva det opprinnelig ble gitt som input. Med andre ord lærer maskinen seg som den går. Den bruker fremdeles logikkportene for å behandle gitte innganger og utganger, men bruken av logikkportene for databehandling fungerer på en grunnleggende annen måte.
Ved å fortsette å studere den menneskelige hjernen, og ytelsen til nevronene og synapsen, kommer forskere nærmere å kunne modellere noe av denne aktiviteten med datasystemer. Her vil logikkporten gjøre arbeidet med en menneskelig nevron.
Tenk på dette utdraget fra en vitenskapelig artikkel om utforming av forskjellige logiske porter i nevrale nettverk:
"Det er tydelig at nevronen utfører ekvivalent med en logisk OR-operasjon på de eksitatoriske inngangene - hvis tilstedeværelsen av pulser representerer en logisk verdi på '1', kan oppførselen til en OR-port realiseres av en nevron med to eksitatoriske innganger og utgangen matet tilbake som en hemmende inngang. Det siste sikrer at nevronen går tilbake i en avslappet tilstand når eksitasjonen opphører, tilsvarende en logisk verdi på '0.' OR-gate-neuronet viser tydelige 'slå-på' og 'slå-av' forsinkelser som endres, avhengig av tidligere og nåværende innspill. ”- Suryateja Yellamraju, et. al., "Design av forskjellige logiske porter i nevrale nettverk"
Det er tydelig fra denne lesningen at det kan gjøres nære korrelasjoner mellom ytelsen til en OR-logikkport og ytelsen til et nevron som arbeider på binære spente eller avslappede innganger.
Med dette i bakhodet inkluderer kunstig intelligensarbeid ofte bruken av logiske porter i datasystemer for å modellere hvilke typer oppførsel som vises av nevroner i den menneskelige hjernen. Omfanget av denne modelleringssuksessen vil avgjøre fremtidige evner til sterk kunstig intelligens - enten vi ved ekstremt avansert modellering kan skape vakre teknologier, eller om menneskesinnet viser seg å være tilstrekkelig sammensatt og forseggjort til å begrense eller begrense denne typen teknologisk utvikling.
I en artikkel om Medium snakker VV Preetham om å undervise logikk til nevrale nettverk ved bruk av anvendte logiske porter. Denne detaljerte opplæringen viser hvordan du kan representere bruken av logiske porter og kode på måter som simulerer arbeidet med menneskelige nevroner.
På denne måten fortsetter logiske porter, som tidlig inneholdt utviklingen av gårsdagens datasystemer, å være de underliggende ressursene for veldig avansert arbeid i nevronale nettverk og bruk av stadig sterkere maskinlæring og kunstig intelligensverktøy som dramatisk vil endre interaksjonene våre med teknologi i årene som kommer.
