Q:
Hvordan er logiske porte forløbere for AI og byggesten til neurale netværk?
EN:Logiske porte er de logiske konstruktioner, der udgør rammen for stegenerering i computerbehandling. Brugen af logiske porte i computere foregår før ethvert moderne arbejde med kunstig intelligens eller neurale netværk. De logiske porte giver imidlertid byggestenene til maskinlæring, kunstig intelligens og alt hvad der følger med det.
En logisk gate letter valg af output afhængigt af input i et computersystem. Tidligt førte dette til sammenligninger mellem en mikroprocessor og den menneskelige hjerne.
Efterhånden som arbejdet med neurale netværk begyndte at udvikle sig år senere, kom en filosofi kaldet "forbindelse" ind i spillet. Connectionism, som på nogle måder stammer tilbage til 1940'erne, er tanken om, at komplekse adfærdsmønstre genereres gennem det kombinerede arbejde i individuelle små enheder - for eksempel i hjernen, neuroner.
Alt dette førte til ideen om at bruge programmering og til gengæld de underliggende logiske porte til mere komplekse processer. En af definitionerne af maskinlæring er, at computerprogrammet udvikler sig ud over grænserne for, hvad det oprindeligt blev givet som input. Med andre ord lærer maskinen, som den går. Den bruger stadig de logiske porte til behandling af givne input og output, men brugen af de logiske porte til computing fungerer på en grundlæggende anderledes måde.
Ved at fortsætte med at studere den menneskelige hjerne, og præstationen af neuroner og synapser, kommer forskere tættere på at være i stand til at modellere noget af denne aktivitet med computersystemer. Her vil den logiske port gøre arbejdet med en menneskelig neuron.
Overvej dette uddrag fra en videnskabelig artikel om design af forskellige logiske porte i neurale netværk:
”Det er åbenlyst, at neuronet udfører ækvivalenten til en logisk OR-operation på de exciterende input - hvis tilstedeværelsen af pulser repræsenterer en logisk værdi på '1', kan opførelsen af en OR-gate muligvis realiseres af en neuron med to excitatoriske input og output returneret som en hæmmende input. Sidstnævnte sikrer, at neuronet vender tilbage til en afslappet tilstand, når excitationen ophører, svarende til en logisk værdi på '0.' OR-gate-neuronet udviser tydelige 'tænd-og' slukke-forsinkelser, der ændres, afhængigt af tidligere og nuværende input. «- Suryateja Yellamraju, et. al., "Design af forskellige logiske porte i neurale netværk"
Det fremgår af denne læsning, at der kan foretages tæt sammenhæng mellem ydeevnen i en OR-logikport og ydeevnen til en neuron, der arbejder på binære ophidsede eller afslappede input.
Med dette i tankerne inkluderer kunstigt intelligensarbejde ofte brugen af logiske porte i computersystemer til at modellere de typer adfærd, der udvises af neuroner i den menneskelige hjerne. Omfanget af denne modelleringssucces vil bestemme de fremtidige evner for stærk kunstig intelligens - hvad enten vi ved ekstremt avanceret modellering kan vi skabe levende teknologier, eller om det menneskelige sind viser sig at være tilstrækkeligt kompliceret og detaljeret til at begrænse eller begrænse denne form for teknologisk udvikling.
I en artikel om Medium taler VV Preetham om at undervise i logik til neurale netværk ved hjælp af anvendte logiske porte. Denne detaljerede tutorial viser, hvordan man repræsenterer brugen af logiske porte og kode på måder, der simulerer menneskets neurons arbejde.
På denne måde er logiske porte, som tidligt optrådte i udviklingen af gårsdagens computersystemer, fortsat de underliggende ressourcer til meget avanceret arbejde i neuronale netværk og vedtagelsen af stadig stærkere maskinlæring og kunstige intelligensværktøjer, der dramatisk vil ændre vores interaktioner med teknologi i de kommende år.
