J:
Kā loģiskie vārti ir AI prekursori un neironu tīklu bloki?
A:Loģikas vārti ir loģiskas konstrukcijas, kas veido ietvaru ceļu ģenerēšanai datoru apstrādē. Loģisko vārtu izmantošana datoros notiek pirms jebkura mūsdienu darba ar mākslīgo intelektu vai neironu tīkliem. Tomēr loģikas vārti nodrošina mašīnmācības, mākslīgā intelekta un visa, kas ar to nāk, pamatus.
Loģikas vārti atvieglo izeju izvēli atkarībā no ievades skaitļošanas sistēmā. Sākumā tas ļāva salīdzināt mikroprocesoru un cilvēka smadzenes.
Tā kā darbs pie neironu tīkliem sāka attīstīties gadus vēlāk, sāka spēlēt filozofija, ko sauc par “savienojumu”. Connectionism, kas dažos veidos meklējams 1940. gados, ir ideja, ka sarežģīti uzvedības modeļi tiek ģenerēti, apvienojot atsevišķas mazas vienības - piemēram, smadzenēs, neironos.
Tas viss noveda pie idejas sarežģītākiem procesiem izmantot programmēšanu un, savukārt, pamatā esošos loģiskos vārtus. Viena no mašīnmācības definīcijām ir tāda, ka datorprogramma attīstās ārpus tā, kas tai sākotnēji tika dota kā ievads. Citiem vārdiem sakot, mašīna mācās, kā iet. Tas joprojām izmanto loģiskos vārtus, lai apstrādātu dotās ieejas un izejas, bet loģisko vārtu izmantošana skaitļošanai darbojas principiāli atšķirīgā veidā.
Turpinot pētīt cilvēka smadzenes, kā arī neironu un sinapses veiktspēju, zinātnieki arvien vairāk tuvojas tam, lai varētu daļu šīs darbības modelēt ar skaitļošanas sistēmām. Šeit loģikas vārti veiks cilvēka neirona darbu.
Apsveriet šo fragmentu no zinātniskā darba par dažādu loģisko vārtu dizainu neironu tīklos:
“Ir acīmredzams, ka neirons veic ekvivalentu loģiskai VAI operācijai uz ierosmes ievadiem - ja impulsu klātbūtne apzīmē loģisku vērtību“ 1 ”, tad VAI vārtu uzvedību var realizēt neirons ar diviem ierosmes ierosinājumiem. ieejas un izeja tiek atgriezta atpakaļ kā kavējoša ieeja. Pēdējais nodrošina neirona atgriešanos mierīgā stāvoklī, kad uzbudinājums beidzas, kas atbilst loģiskajai vērtībai “0”. OR vārtu neironam piemīt izteikta “ieslēgšanās” un “izslēgšanas” aizkavēšanās, kas mainās atkarībā no pagātnes un pašreizējās ieejas. ”- Suryateja Yellamraju, et. al., "Dažādu loģisko vārtu dizains neironu tīklos"
No šī lasījuma ir redzams, ka var būt cieša korelācija starp VAI loģikas vārtu darbību un neirona darbību, kas darbojas ar bināriem ierosinātiem vai atslābinātiem ievadiem.
Paturot to prātā, mākslīgā intelekta darbs bieži ietver loģikas vārtu izmantošanu datorsistēmās, lai modelētu uzvedības veidus, ko cilvēka smadzenēs demonstrē neironi. Šīs modelēšanas veiksmes apmērs noteiks spēcīgā mākslīgā intelekta nākotnes iespējas - neatkarīgi no tā, vai ar ārkārtīgi modernu modelēšanu mēs varam radīt jūtamas tehnoloģijas, vai arī cilvēka prāts izrādās pietiekami sarežģīts un izstrādāts, lai ierobežotu vai ierobežotu šāda veida tehnoloģisko attīstību.
Rakstā Medium VV Preetham runā par loģikas mācīšanu neironu tīkliem, izmantojot pielietotos loģiskos vārtus. Šī detalizētā apmācība parāda, kā loģisko vārtu un koda izmantošanu reprezentēt veidos, kas imitē cilvēka neironu darbu.
Tādā veidā loģikas vārti, kas jau agrīni parādījās vakardienas skaitļošanas sistēmu attīstībā, joprojām ir pamatā resursiem ļoti progresīvam darbam neironu tīklos un arvien spēcīgāku mašīnmācīšanās un mākslīgā intelekta rīku ieviešanai, kas dramatiski mainīs mūsu mijiedarbību. ar tehnoloģijām turpmākajos gados.
