జీవశాస్త్రం AI కి పునాదిగా ఎలా మారింది
AI సంక్లిష్టంగా కనిపిస్తుంది. మీరు ప్రతిరోజూ transformers మరియు large language models వంటి పదాలను వింటూ ఉంటారు.
దీని వెనుక ఉన్న ప్రధాన ఆలోచన సరళమైనది. ఇది artificial neuron తో మొదలవుతుంది.
జీవశాస్త్రం దీనికి ప్రేరణనిచ్చింది. ఒక జీవసంబంధిత న్యూరాన్ (biological neuron) మూడు దశల్లో పనిచేస్తుంది:
- Dendrites సంకేతాలను స్వీకరిస్తాయి.
- Cell body వాటిని ప్రాసెస్ చేస్తుంది.
- Axon ఒక ఇంపల్స్ను ముందుకు పంపిస్తుంది.
Artificial neurons కూడా అదే పనిని చేయడానికి గణితాన్ని ఉపయోగిస్తాయి. అవి జీవసంబంధిత సంకేతాలను ఉపయోగించవు. అవి సంఖ్యలను ఉపయోగిస్తాయి.
ఒక artificial neuron ఎలా పనిచేస్తుందో ఇక్కడ ఉంది:
- ఇది సంఖ్యాపరమైన ఇన్పుట్లను తీసుకుంటుంది.
- ఇది ప్రతి ఇన్పుట్ను ఒక weight తో గుణిస్తుంది.
- ఇది weight చేయబడిన ఇన్పుట్లన్నింటినీ కలిపి కూడుతుంది.
- ఇది ఒక bias ని జోడిస్తుంది.
- ఇది ఫలితాన్ని ఒక activation function ద్వారా పంపిస్తుంది.
ఈ ఫార్ములా ఇలా ఉంటుంది: z = w1x1 + w2x2 + ... + wn*xn + b
Activation function చాలా కీలకం. అది లేకపోతే, నెట్వర్క్ కేవలం లీనియర్ (linear) సమస్యలను మాత్రమే పరిష్కరించగలదు. Activation functions నెట్వర్క్ సంక్లిష్టమైన నమూనాలను (complex patterns) నేర్చుకోవడానికి అనుమతిస్తాయి.
దీనికి ఒక ఉదాహరణ sigmoid function. ఇది 0 మరియు 1 మధ్య విలువను ఇస్తుంది. ఈ విలువ న్యూరాన్ తన అవుట్పుట్పై ఎంత నమ్మకాన్ని కలిగి ఉందో చూపుతుంది.
ఈ లాజిక్ను ఉపయోగించిన మొదటి మోడల్స్లో perceptron ఒకటి. నేడు, AI వ్యవస్థలు ఇటువంటి బిలియన్ల కొద్దీ కనెక్షన్లను ఉపయోగిస్తున్నాయి.
చిన్న గణిత యూనిట్లు సమాచారాన్ని ప్రాసెస్ చేసి, సంకేతాలను ముందుకు పంపడం వల్ల ఆధునిక AI పనిచేస్తుంది.
AI కి పునాది గణితం. ఆ గణితానికి ప్రేరణ జీవశాస్త్రం.
Source: https://dev.to/khasky/how-biology-became-the-foundation-of-artificial-intelligence-2427
ఐచ్ఛిక లెర్నింగ్ కమ్యూనిటీ: https://t.me/GyaanSetuAi