Q:
Bagaimana gerbang logika prekursor untuk AI dan blok bangunan untuk jaringan saraf?
SEBUAH:Gerbang logika adalah konstruksi logis yang membentuk kerangka kerja untuk pembuatan jalur dalam pemrosesan komputer. Penggunaan gerbang logika di komputer mendahului pekerjaan modern apa pun pada kecerdasan buatan atau jaringan saraf. Namun, gerbang logika menyediakan blok bangunan untuk pembelajaran mesin, kecerdasan buatan dan segala sesuatu yang menyertainya.
Gerbang logika memfasilitasi pilihan output tergantung pada input dalam sistem komputasi. Awalnya, ini menyebabkan perbandingan antara mikroprosesor dan otak manusia.
Ketika pekerjaan pada jaringan saraf mulai berkembang bertahun-tahun kemudian, sebuah filosofi yang disebut "connectionism" mulai berlaku. Connectionism, yang dalam beberapa hal berasal dari tahun 1940-an, adalah gagasan bahwa pola perilaku yang kompleks dihasilkan melalui kerja gabungan unit-unit kecil individu - misalnya, di otak, neuron.
Semua ini mengarah pada gagasan menggunakan pemrograman, dan pada gilirannya gerbang logika yang mendasari, untuk proses yang lebih kompleks. Salah satu definisi pembelajaran mesin adalah bahwa program komputer berkembang melampaui batas dari apa yang semula diberikan sebagai input. Dengan kata lain, mesin belajar seiring berjalannya waktu. Masih menggunakan gerbang logika untuk memproses input dan output yang diberikan, tetapi penggunaan gerbang logika untuk komputasi bekerja dengan cara yang berbeda secara fundamental.
Dengan terus mempelajari otak manusia, dan kinerja neuron dan sinapsis, para ilmuwan semakin dekat untuk dapat memodelkan beberapa kegiatan ini dengan sistem komputasi. Di sini, gerbang logika akan melakukan pekerjaan neuron manusia.
Pertimbangkan kutipan ini dari makalah ilmiah tentang desain berbagai gerbang logis dalam jaringan saraf:
“Jelas bahwa neuron melakukan operasi yang setara dengan logika ATAU pada input rangsang - jika keberadaan pulsa mewakili nilai logis dari '1, ' maka perilaku gerbang OR dapat direalisasikan oleh neuron dengan dua eksitasi. input dan output diumpankan sebagai input penghambat. Yang terakhir memastikan bahwa neuron kembali ke keadaan santai ketika eksitasi berhenti, sesuai dengan nilai logis dari '0.' Neuron OR-gate menunjukkan penundaan 'turn-on' dan 'turn-off' yang berbeda yang berubah, tergantung pada input masa lalu dan saat ini. "- Suryateja Yellamraju, et. al., "Desain Berbagai Gerbang Logika di Jaringan Saraf Tiruan"
Terbukti dari bacaan ini bahwa korelasi dekat dapat dibuat antara kinerja gerbang logika OR dan kinerja neuron yang bekerja pada input biner tereksitasi atau santai.
Dengan pemikiran ini, karya kecerdasan buatan sering mencakup penggunaan gerbang logika dalam sistem komputasi untuk memodelkan jenis perilaku yang diperlihatkan oleh neuron di otak manusia. Sejauh mana keberhasilan pemodelan ini akan menentukan kemampuan masa depan dari kecerdasan buatan yang kuat - apakah dengan pemodelan yang sangat canggih, kita dapat menciptakan teknologi yang hidup, atau apakah pikiran manusia terbukti cukup kompleks dan rumit untuk membatasi atau membatasi pengembangan teknologi semacam ini.
Dalam sebuah artikel di Medium, VV Preetham berbicara tentang pengajaran logika ke jaringan saraf melalui penggunaan gerbang logika terapan. Tutorial terperinci ini menunjukkan bagaimana cara mewakili penggunaan gerbang logika, dan kode, dengan cara yang mensimulasikan kerja neuron manusia.
Dengan cara ini, gerbang logika, yang muncul sejak awal dalam pengembangan sistem komputasi kemarin, terus menjadi sumber daya yang mendasari untuk pekerjaan yang sangat maju dalam jaringan saraf dan adopsi pembelajaran mesin yang lebih kuat dan alat kecerdasan buatan yang secara dramatis akan mengubah interaksi kita dengan teknologi di tahun-tahun mendatang.
