உயிரியல் எவ்வாறு AI-ன் அடித்தளமானது
AI சிக்கலானதாகத் தோன்றலாம். நீங்கள் ஒவ்வொரு நாளும் transformers மற்றும் large language models போன்ற வார்த்தைகளைக் கேள்விப்படுகிறீர்கள்.
இதன் அடிப்படை யோசனை எளிமையானது. இது artificial neuron-லிருந்து தொடங்குகிறது.
உயிரியல் இதற்குத் தூண்டுதலாக இருந்தது. ஒரு உயிரியல் நியூரானானது (biological neuron) மூன்று நிலைகளில் செயல்படுகிறது:
- Dendrites சிக்னல்களைப் பெறுகின்றன.
- Cell body அவற்றைச் செயலாக்குகிறது.
- Axon ஒரு தூண்டுதலை (impulse) முன்னோக்கி அனுப்புகிறது.
Artificial neurons இதையே செய்ய கணிதத்தைப் பயன்படுத்துகின்றன. அவை உயிரியல் சிக்னல்களைப் பயன்படுத்துவதில்லை. அவை எண்களைப் பயன்படுத்துகின்றன.
ஒரு artificial neuron எவ்வாறு செயல்படுகிறது என்பது இதோ:
- இது எண் சார்ந்த உள்ளீடுகளைப் (numerical inputs) பெறுகிறது.
- ஒவ்வொரு உள்ளீட்டையும் ஒரு weight-ஆல் பெருக்குகிறது.
- அந்த weight செய்யப்பட்ட உள்ளீடுகளை ஒன்றாகக் கூட்டுகிறது.
- ஒரு bias-ஐச் சேர்க்கிறது.
- அதன் முடிவை ஒரு activation function வழியாகச் செலுத்துகிறது.
சூத்திரம் இவ்வாறு இருக்கும்: z = w1x1 + w2x2 + ... + wn*xn + b
Activation function மிகவும் முக்கியமானது. அது இல்லையென்றால், அந்த நெட்வொர்க் நேரியல் (linear) சிக்கல்களை மட்டுமே தீர்க்கும். Activation functions நெட்வொர்க் சிக்கலான வடிவங்களைக் (complex patterns) கற்றுக்கொள்ள அனுமதிக்கின்றன.
இதற்கு ஒரு உதாரணம் sigmoid function. இது 0 மற்றும் 1-க்கு இடையில் ஒரு மதிப்பை உருவாக்குகிறது. இந்த மதிப்பு அந்த நியூரானின் வெளியீட்டின் (output) மீது அது எவ்வளவு நம்பிக்கையைக் கொண்டுள்ளது என்பதைக் காட்டுகிறது.
இந்த தர்க்கத்தைப் பயன்படுத்திய முதல் மாடல்களில் ஒன்று perceptron ஆகும். இன்று, AI அமைப்புகள் இத்தகைய பில்லியன் கணக்கான இணைப்புகளைப் பயன்படுத்துகின்றன.
சிறிய கணித அலகுகள் தகவல்களைச் செயலாக்கி சிக்னல்களை முன்னோக்கி அனுப்புவதால் நவீன AI செயல்படுகிறது.
AI-ன் அடித்தளம் கணிதம். அந்த கணிதத்திற்கான தூண்டுதல் உயிரியல்.
Source: https://dev.to/khasky/how-biology-became-the-foundation-of-artificial-intelligence-2427
Optional learning community: https://t.me/GyaanSetuAi