Jaringan Saraf Biologis: Pentingnya, Komponen & Perbandingan
Diterbitkan: 2021-02-09Manusia telah melakukan beberapa upaya untuk meniru sistem biologis, dan salah satunya adalah jaringan saraf tiruan yang terinspirasi oleh jaringan saraf biologis pada organisme hidup. Namun, mereka sangat jauh berbeda dalam beberapa hal. Misalnya, burung telah mengilhami manusia untuk membuat pesawat terbang, dan hewan berkaki empat mengilhami kita untuk mengembangkan mobil.
Rekan-rekan buatan pasti lebih kuat dan membuat hidup kita lebih baik. Perceptron, yang merupakan pendahulu neuron buatan, diciptakan untuk meniru bagian tertentu dari neuron biologis seperti dendrit, akson, dan badan sel menggunakan model matematika, elektronik, dan informasi terbatas apa pun yang kita miliki tentang jaringan saraf biologis .
Lihat: Ide Proyek Kecerdasan Buatan
Daftar isi
Komponen dan Cara Kerja Jaringan Saraf Biologis
Keterangan gambar: Bagian dari jaringan saraf biologis
Sumber gambar
Pada organisme hidup, otak adalah unit kontrol jaringan saraf, dan memiliki subunit berbeda yang menangani penglihatan, indera, gerakan, dan pendengaran. Otak terhubung dengan jaringan saraf yang padat ke seluruh sensor dan aktor tubuh. Ada sekitar 10ªª neuron di otak, dan ini adalah blok bangunan dari sistem saraf pusat lengkap dari tubuh yang hidup.
Neuron adalah blok bangunan fundamental dari jaringan saraf. Dalam sistem biologis, neuron adalah sel seperti sel tubuh lainnya, yang memiliki kode DNA dan dihasilkan dengan cara yang sama seperti sel lainnya. Meskipun mungkin memiliki DNA yang berbeda, fungsinya serupa di semua organisme. Neuron terdiri dari tiga bagian utama: badan sel (juga disebut Soma), dendrit, dan akson. Dendrit seperti serat bercabang ke arah yang berbeda dan terhubung ke banyak sel di cluster itu.
Dendrit menerima sinyal dari neuron sekitarnya, dan akson mengirimkan sinyal ke neuron lain. Di terminal akhir akson, kontak dengan dendrit dilakukan melalui sinapsis. Akson adalah serat panjang yang mengangkut sinyal keluaran sebagai impuls listrik sepanjang panjangnya. Setiap neuron memiliki satu akson. Akson meneruskan impuls dari satu neuron ke neuron lain seperti efek domino.
Pelajari Kursus AI dari Universitas top dunia. Dapatkan Master, PGP Eksekutif, atau Program Sertifikat Tingkat Lanjut untuk mempercepat karier Anda.
Mengapa Memahami Jaringan Saraf Biologis?
Untuk membuat model matematika untuk jaringan saraf tiruan, analisis teoritis jaringan saraf biologis sangat penting karena mereka memiliki hubungan yang sangat dekat. Dan pemahaman tentang jaringan saraf otak ini telah membuka cakrawala untuk pengembangan sistem jaringan saraf tiruan dan sistem adaptif yang dirancang untuk belajar dan beradaptasi dengan situasi dan masukan.
Keterangan gambar: Neuron buatan
Sumber gambar
Jaringan Saraf Biologis vs Jaringan Saraf Tiruan
Otak manusia terdiri dari sekitar 86 miliar neuron dan lebih dari 100 triliun sinapsis. Dalam jaringan syaraf tiruan, jumlah neuron adalah sekitar 10 sampai 1000. Tetapi kita tidak dapat membandingkan kemampuan biologis dan jaringan syaraf tiruan hanya berdasarkan jumlah neuron. Ada faktor lain juga yang perlu dipertimbangkan. Ada banyak lapisan dalam jaringan saraf tiruan, dan mereka saling berhubungan untuk memecahkan masalah klasifikasi.
Jaringan saraf biologis mentolerir banyak ambiguitas dalam data. Namun, jaringan saraf tiruan memerlukan data yang agak tepat, terstruktur, dan diformat untuk mentolerir ambiguitas. Jaringan saraf biologis toleran terhadap kesalahan hingga tingkat tertentu, dan kegagalan kecil tidak selalu mengakibatkan hilangnya memori.
Otak dapat pulih dan sembuh sampai batas tertentu. Tetapi jaringan saraf tiruan tidak dirancang untuk toleransi kesalahan atau regenerasi diri. Terkadang kita masih dapat memulihkan dengan menyimpan nilai bobot model saat ini dan melanjutkan pelatihan dari status yang disimpan.
Berbicara tentang konsumsi daya, otak membutuhkan sekitar 20% dari seluruh energi tubuh manusia, setara dengan sekitar 20 watt, yang sangat efisien. Tetapi komputer membutuhkan sejumlah besar daya komputasi untuk memecahkan masalah yang sama, dan mereka juga menghasilkan banyak panas selama komputasi.
Jaringan saraf tiruan terinspirasi oleh jaringan saraf biologis tubuh manusia. Pemodelan jaringan saraf biologis adalah langkah penting dalam pengembangan jaringan saraf tiruan. Banyak ilmuwan berusaha memahami cara kerja otak. Jaringan syaraf tiruan saat ini digunakan untuk berbagai aplikasi, ada yang berhubungan secara biologis, dan kebanyakan berhubungan dengan teknik.
Meskipun jaringan saraf biologis dan jaringan saraf tiruan memiliki fungsi yang sama, mereka masih memiliki banyak perbedaan. Banyak upaya telah dilakukan untuk memahami mekanisme kompleks jaringan saraf biologis . Namun, mereka masih menyimpan banyak rahasia untuk membuka dan menginspirasi masa depan kecerdasan buatan.
Kesimpulan
Jika Anda ingin menguasai pembelajaran Mesin dan AI, tingkatkan karir Anda dengan gelar Master of Science kami dalam Pembelajaran Mesin & AI dengan IIIT-B & Liverpool John Moores University.
Apa kebutuhan jaringan saraf biologis?
Jaringan saraf, jaringan prosesor sederhana (neuron) ditemukan di mana-mana di organisme: di otak manusia, di setiap otak hewan dan di jantung, pankreas atau paru-paru kita. Ini adalah mekanisme yang sangat efisien, yang prinsip kerjanya didasarkan pada proses pembelajaran, yang membuat sistem ini sangat adaptif. Studi tentang jaringan saraf biologis penting untuk memahami dan mensimulasikan fungsi otak kita sendiri, jaringan saraf biologis paling terkenal dan paling kompleks di dunia. Ini dapat mengarah pada pengembangan jaringan saraf tiruan yang terinspirasi dari bio.
Apa karakteristik jaringan saraf biologis?
Jaringan saraf biologis adalah jaringan neuron yang dihubungkan bersama oleh akson dan dendrit. Hubungan antar neuron dibuat oleh sinapsis. Akson mengangkut bahan kimia yang menyebabkan neurotransmiter dilepaskan ke dendrit, di mana neurotransmiter kemudian dapat merangsang atau menghambat neuron yang berdekatan. Jaringan saraf mampu mempelajari dan mengingat informasi, memungkinkannya memecahkan masalah atau membuat keputusan.
Apa keterbatasan pembelajaran mendalam?
Keterbatasan pembelajaran mendalam mirip dengan keterbatasan semua teknik pembelajaran mesin. Masalah umum untuk semua teknik adalah bahwa mereka hanya memberi Anda jawaban atas pertanyaan yang Anda ajukan kepada mereka. Mereka tidak dapat menjawab pertanyaan yang tidak Anda pikirkan sebelumnya. Pembelajaran mendalam sangat bergantung pada data yang Anda berikan kepada mereka. Jika data Anda tidak lengkap, ada celah di dalamnya, atau data itu sendiri dicurigai, maka model deep learning Anda tidak akan terlalu bagus. Akibatnya Anda akan mendapatkan kinerja yang buruk.