ಜೀವವಿಜ್ಞಾನವು AI ನ ಅಡಿಪಾಯವಾಯಿತು ಹೇಗೆ
AI ಸಂಕೀರ್ಣವಾಗಿ ಕಾಣಿಸುತ್ತದೆ. ನೀವು ಪ್ರತಿದಿನ transformers ಮತ್ತು large language models ನಂತಹ ಪದಗಳನ್ನು ಕೇಳುತ್ತೀರಿ.
ಇದರ ಮೂಲ ಪರಿಕಲ್ಪನೆಯು ಸರಳವಾಗಿದೆ. ಇದು ಕೃತಕ ನ್ಯೂರಾನ್ನಿಂದ (artificial neuron) ಪ್ರಾರಂಭವಾಗುತ್ತದೆ.
ಜೀವವಿಜ್ಞಾನವು ಇದಕ್ಕೆ ಪ್ರೇರಣೆ ನೀಡಿದೆ. ಒಂದು ಜೈವಿಕ ನ್ಯೂರಾನ್ ಮೂರು ಹಂತಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ:
- ಡೆಂಡ್ರೈಟ್ಗಳು (Dendrites) ಸಂಕೇತಗಳನ್ನು ಸ್ವೀಕರಿಸುತ್ತವೆ.
- ಜೀವಕೋಶದ ದೇಹವು (cell body) ಅವುಗಳನ್ನು ಸಂಸ್ಕರಿಸುತ್ತದೆ.
- ಆಕ್ಸಾನ್ (axon) ಪ್ರೇರಣೆಯನ್ನು ಮುಂದೆ ಕಳುಹಿಸುತ್ತದೆ.
ಕೃತಕ ನ್ಯೂರಾನ್ಗಳು ಇದೇ ಕೆಲಸವನ್ನು ಮಾಡಲು ಗಣಿತವನ್ನು ಬಳಸುತ್ತವೆ. ಅವು ಜೈವಿಕ ಸಂಕೇತಗಳನ್ನು ಬಳಸುವುದಿಲ್ಲ. ಅವು ಸಂಖ್ಯೆಗಳನ್ನು ಬಳಸುತ್ತವೆ.
ಕೃತಕ ನ್ಯೂರಾನ್ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂಬುದು ಇಲ್ಲಿದೆ:
- ಇದು ಸಂಖ್ಯಾತ್ಮಕ ಇನ್ಪುಟ್ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.
- ಇದು ಪ್ರತಿ ಇನ್ಪುಟ್ ಅನ್ನು ಒಂದು ತೂಕದ (weight) ಮೂಲಕ ಗುಣಿಸುತ್ತದೆ.
- ಇದು ತೂಕದ ಇನ್ಪುಟ್ಗಳನ್ನು ಒಟ್ಟಾಗಿ ಕೂಡಿಸುತ್ತದೆ.
- ಇದು ಬಯಾಸ್ (bias) ಅನ್ನು ಸೇರಿಸುತ್ತದೆ.
- ಇದು ಫಲಿತಾಂಶವನ್ನು ಆಕ್ಟಿವೇಷನ್ ಫಂಕ್ಷನ್ (activation function) ಮೂಲಕ ಕಳುಹಿಸುತ್ತದೆ.
ಸೂತ್ರವು ಹೀಗಿರುತ್ತದೆ: z = w1x1 + w2x2 + ... + wn*xn + b
ಆಕ್ಟಿವೇಷನ್ ಫಂಕ್ಷನ್ ಬಹಳ ಮುಖ್ಯವಾದುದು. ಅದು ಇಲ್ಲದಿದ್ದರೆ, ನೆಟ್ವರ್ಕ್ ಕೇವಲ ಲೀನಿಯರ್ (linear) ಸಮಸ್ಯೆಗಳನ್ನು ಮಾತ್ರ ಪರಿಹರಿಸುತ್ತದೆ. ಆಕ್ಟಿವೇಷನ್ ಫಂಕ್ಷನ್ಗಳು ನೆಟ್ವರ್ಕ್ ಸಂಕೀರ್ಣ ಮಾದರಿಗಳನ್ನು ಕಲಿಯಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತವೆ.
ಒಂದು ಉದಾಹರಣೆಯೆಂದರೆ ಸಿಗ್ಮಾಯ್ಡ್ ಫಂಕ್ಷನ್ (sigmoid function). ಇದು 0 ಮತ್ತು 1 ರ ನಡುವಿನ ಮೌಲ್ಯವನ್ನು ನೀಡುತ್ತದೆ. ಈ ಮೌಲ್ಯವು ನ್ಯೂರಾನ್ ತನ್ನ ಫಲಿತಾಂಶದ ಮೇಲೆ ಎಷ್ಟು ವಿಶ್ವಾಸವನ್ನು ಹೊಂದಿದೆ ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ.
ಪರ್ಸೆಪ್ಟ್ರಾನ್ (perceptron) ಈ ತರ್ಕವನ್ನು ಬಳಸಿದ ಮೊದಲ ಮಾದರಿಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಇಂದು, AI ವ್ಯವಸ್ಥೆಗಳು ಇಂತಹ ಶತಕೋಟಿ ಸಂಪರ್ಕಗಳನ್ನು ಬಳಸುತ್ತವೆ.
ಆಧುನಿಕ AI ಕೆಲಸ ಮಾಡುವುದು ಸಣ್ಣ ಗಣಿತದ ಘಟಕಗಳು ಮಾಹಿತಿಯನ್ನು ಸಂಸ್ಕರಿಸಿ ಸಂಕೇತಗಳನ್ನು ಮುಂದೆ ಕಳುಹಿಸುವುದರಿಂದ.
AI ನ ಅಡಿಪಾಯ ಗಣಿತ. ಆ ಗಣಿತಕ್ಕೆ ಪ್ರೇರಣೆ ಜೀವವಿಜ್ಞಾನ.
Source: https://dev.to/khasky/how-biology-became-the-foundation-of-artificial-intelligence-2427
Optional learning community: https://t.me/GyaanSetuAi