कृत्रिम प्रतिरक्षा प्रणाली
कृत्रिम बुद्धिमत्ता में, कृत्रिम प्रतिरक्षा प्रणाली (एआईएस) कशेरुक प्रतिरक्षा प्रणाली के सिद्धांतों और प्रक्रियाओं से प्रेरित कम्प्यूटेशनल रूप से बुद्धिमान, [[नियम-आधारित मशीन सीखना ]] सिस्टम का एक वर्ग है। समस्या-समाधान|समस्या-समाधान में उपयोग के लिए एल्गोरिदम को आम तौर पर प्रतिरक्षा प्रणाली की सीखने और स्मृति की विशेषताओं के आधार पर तैयार किया जाता है।
परिभाषा
कृत्रिम प्रतिरक्षा प्रणाली (एआईएस) का क्षेत्र प्रतिरक्षा प्रणाली की संरचना और कार्य को कम्प्यूटेशनल प्रणालियों में समाहित करने और गणित, इंजीनियरिंग और सूचना प्रौद्योगिकी से कम्प्यूटेशनल समस्याओं को हल करने की दिशा में इन प्रणालियों के अनुप्रयोग की जांच करने से संबंधित है। एआईएस बायो-प्रेरित कंप्यूटिंग और प्राकृतिक कंप्यूटिंग का एक उप-क्षेत्र है, जो यंत्र अधिगम में रुचि रखता है और कृत्रिम बुद्धिमत्ता के व्यापक क्षेत्र से संबंधित है।
Artificial immune systems (AIS) are adaptive systems, inspired by theoretical immunology and observed immune functions, principles and models, which are applied to problem solving.[1]
एआईएस कम्प्यूटेशनल इम्यूनोलॉजी और सैद्धांतिक जीवविज्ञान से अलग है जो प्रतिरक्षा प्रणाली को बेहतर ढंग से समझने के लिए कम्प्यूटेशनल और गणितीय मॉडल का उपयोग करके इम्यूनोलॉजी का अनुकरण करने से संबंधित है, हालांकि ऐसे मॉडल ने एआईएस के क्षेत्र की शुरुआत की और प्रेरणा के लिए उपजाऊ जमीन प्रदान करना जारी रखा। अंत में, डीएनए कंप्यूटिंग जैसे अन्य क्षेत्रों के विपरीत, एआईएस का क्षेत्र गणना के लिए एक सब्सट्रेट के रूप में प्रतिरक्षा प्रणाली की जांच से संबंधित नहीं है।
इतिहास
एआईएस 1980 के दशक के मध्य में प्रतिरक्षा नेटवर्क पर फार्मर, पैकर्ड और पेरेलसन (1986) और बेर्सिनी और वेरेला (1990) द्वारा लिखे गए लेखों के साथ उभरा। हालाँकि, 1990 के दशक के मध्य में ही एआईएस अपने आप में एक क्षेत्र बन गया। फॉरेस्ट एट अल. (नकारात्मक चयन पर (इम्यूनोलॉजी)) और केफार्ट एट अल।[2] 1994 में एआईएस पर अपना पहला पेपर प्रकाशित किया और दासगुप्ता ने नकारात्मक चयन एल्गोरिदम पर व्यापक अध्ययन किया। हंट और कुक ने 1995 में इम्यून नेटवर्क मॉडल पर काम शुरू किया; टिमिस और नील ने यह काम जारी रखा और कुछ सुधार किये। डी कास्त्रो और वॉन ज़ुबेन और निकोसिया और कटेलो का काम (क्लोनल चयन पर) 2002 में उल्लेखनीय हो गया। कृत्रिम प्रतिरक्षा प्रणाली पर पहली पुस्तक 1999 में दासगुप्ता द्वारा संपादित की गई थी।
वर्तमान में, एआईएस तर्ज पर नए विचारों, जैसे खतरे के सिद्धांत और जन्मजात प्रतिरक्षा प्रणाली से प्रेरित एल्गोरिदम का भी पता लगाया जा रहा है। हालाँकि कुछ लोगों का मानना है कि ये नए विचार अभी तक मौजूदा एआईएस एल्गोरिदम के अलावा कोई वास्तविक 'नया' सार पेश नहीं करते हैं। हालाँकि, इस पर गरमागरम बहस चल रही है, और यह बहस इस समय एआईएस विकास के लिए मुख्य प्रेरक शक्तियों में से एक प्रदान करती है। अन्य हालिया विकासों में एआईएस मॉडल में अध:पतन (जीव विज्ञान) की खोज शामिल है,[3][4] जो खुली शिक्षा और विकास में इसकी परिकल्पित भूमिका से प्रेरित है।[5][6] मूल रूप से एआईएस ने प्रतिरक्षा प्रणाली में पाई जाने वाली प्रक्रियाओं के कुशल सार को खोजने के लिए निर्धारित किया था, लेकिन हाल ही में, यह जैविक प्रक्रियाओं के मॉडलिंग और जैव सूचना विज्ञान समस्याओं के लिए प्रतिरक्षा एल्गोरिदम को लागू करने में रुचि ले रहा है।
2008 में, दासगुप्ता और नीनो [7] प्रतिरक्षाविज्ञानी संगणना पर एक पाठ्यपुस्तक प्रकाशित की जो प्रतिरक्षा-आधारित तकनीकों से संबंधित अद्यतन कार्य का एक सार-संग्रह प्रस्तुत करती है और विभिन्न प्रकार के अनुप्रयोगों का वर्णन करती है।
तकनीक
सामान्य तकनीकें विशिष्ट प्रतिरक्षाविज्ञानी सिद्धांतों से प्रेरित होती हैं जो स्तनधारी अनुकूली प्रतिरक्षा प्रणाली के कार्य और व्यवहार की व्याख्या करती हैं।
- क्लोनल चयन एल्गोरिथ्म: अर्जित प्रतिरक्षा के क्लोनल चयन सिद्धांत से प्रेरित एल्गोरिदम का एक वर्ग जो बताता है कि कैसे बी और टी लिम्फोसाइट्स समय के साथ एंटीजन के प्रति अपनी प्रतिक्रिया में सुधार करते हैं जिसे आत्मीयता परिपक्वता कहा जाता है। ये एल्गोरिदम सिद्धांत के डार्विनवाद गुणों पर ध्यान केंद्रित करते हैं जहां चयन एंटीजन-एंटीबॉडी इंटरैक्शन की आत्मीयता से प्रेरित होता है, प्रजनन कोशिका विभाजन से प्रेरित होता है, और भिन्नता दैहिक अतिउत्परिवर्तन से प्रेरित होती है। क्लोनल चयन एल्गोरिदम आमतौर पर अनुकूलन (गणित) और पैटर्न पहचान डोमेन पर लागू होते हैं, जिनमें से कुछ समानांतर पहाड़ी चढ़ाई और पुनर्संयोजन ऑपरेटर के बिना आनुवंशिक एल्गोरिदम से मिलते जुलते हैं।[8]
- नकारात्मक चयन एल्गोरिथ्म: थाइमस में टी कोशिकाओं की परिपक्वता के दौरान होने वाली सकारात्मक और नकारात्मक चयन प्रक्रियाओं से प्रेरित, जिसे केंद्रीय सहिष्णुता कहा जाता है। नकारात्मक चयन से तात्पर्य स्व-प्रतिक्रिया करने वाली कोशिकाओं की पहचान और विलोपन (apoptosis ) से है, यानी टी कोशिकाएं जो स्वयं ऊतकों का चयन कर सकती हैं और उन पर हमला कर सकती हैं। एल्गोरिदम के इस वर्ग का उपयोग आम तौर पर वर्गीकरण और पैटर्न पहचान समस्या डोमेन के लिए किया जाता है जहां समस्या स्थान को उपलब्ध ज्ञान के पूरक में तैयार किया जाता है। उदाहरण के लिए, एक विसंगति का पता लगाने वाले डोमेन के मामले में एल्गोरिदम सामान्य (गैर-विसंगति) पैटर्न पर प्रशिक्षित अनुकरणीय पैटर्न डिटेक्टरों का एक सेट तैयार करता है जो अनदेखी या विसंगतिपूर्ण पैटर्न का मॉडल और पता लगाता है।[9]
- प्रतिरक्षा नेटवर्क एल्गोरिदम: नील्स काज जर्न द्वारा प्रस्तावित मूर्खतापूर्ण नेटवर्क सिद्धांत से प्रेरित एल्गोरिदम जो एंटी-इडियोटाइपिक एंटीबॉडी (एंटीबॉडी जो अन्य एंटीबॉडी के लिए चयन करते हैं) द्वारा प्रतिरक्षा प्रणाली के विनियमन का वर्णन करता है। एल्गोरिदम का यह वर्ग नेटवर्क ग्राफ़ संरचनाओं पर ध्यान केंद्रित करता है जहां एंटीबॉडी (या एंटीबॉडी उत्पादक कोशिकाएं) नोड्स का प्रतिनिधित्व करती हैं और प्रशिक्षण एल्गोरिदम में एफ़िनिटी (समस्या प्रतिनिधित्व स्थान में समानता) के आधार पर नोड्स के बीच किनारों को बढ़ाना या काटना शामिल होता है। इम्यून नेटवर्क एल्गोरिदम का उपयोग क्लस्टरिंग, डेटा विज़ुअलाइज़ेशन, नियंत्रण और अनुकूलन डोमेन और कृत्रिम तंत्रिका नेटवर्क के साथ गुणों को साझा करने में किया गया है।[10]
- द्रुमाकृतिक कोशिकाएं एल्गोरिदम: डेंड्राइटिक सेल एल्गोरिदम (डीसीए) एक बहु-स्तरीय दृष्टिकोण का उपयोग करके विकसित प्रतिरक्षा प्रेरित एल्गोरिदम का एक उदाहरण है। यह एल्गोरिदम डेंड्राइटिक कोशिकाओं (डीसी) के एक अमूर्त मॉडल पर आधारित है। डीसीए को कोशिका के भीतर मौजूद आणविक नेटवर्क से लेकर संपूर्ण कोशिकाओं की आबादी द्वारा प्रदर्शित व्यवहार तक, डीसी फ़ंक्शन के विभिन्न पहलुओं की जांच और मॉडलिंग की प्रक्रिया के माध्यम से सारगर्भित और कार्यान्वित किया जाता है। डीसीए के भीतर जानकारी को विभिन्न परतों में वर्गीकृत किया जाता है, जिसे बहु-स्तरीय प्रसंस्करण के माध्यम से प्राप्त किया जाता है।[11]
यह भी देखें
- जैविक रूप से प्रेरित कंप्यूटिंग
- कम्प्यूटेशनल इम्यूनोलॉजी
- कंप्यूटर का ज्ञान
- विकासवादी गणना
- इम्यूनोकंप्यूटिंग
- प्राकृतिक गणना
- झुंड खुफिया
- लर्निंग क्लासिफायर सिस्टम
- नियम-आधारित मशीन लर्निंग
टिप्पणियाँ
- ↑ de Castro, Leandro N.; Timmis, Jonathan (2002). Artificial Immune Systems: A New Computational Intelligence Approach. Springer. pp. 57–58. ISBN 978-1-85233-594-6.
- ↑ Kephart, J. O. (1994). "A biologically inspired immune system for computers". Proceedings of Artificial Life IV: The Fourth International Workshop on the Synthesis and Simulation of Living Systems. MIT Press. pp. 130–139.
- ↑ Andrews and Timmis (2006). "A Computational Model of Degeneracy in a Lymph Node". कृत्रिम प्रतिरक्षा प्रणाली. pp. 164–177. doi:10.1007/11823940_13. ISBN 978-3-540-37749-8. S2CID 2539900.
{{cite book}}:|journal=ignored (help) - ↑ Mendao; et al. (2007). "The Immune System in Pieces: Computational Lessons from Degeneracy in the Immune System". 2007 IEEE Symposium on Foundations of Computational Intelligence. pp. 394–400. doi:10.1109/FOCI.2007.371502. ISBN 978-1-4244-0703-3. S2CID 5370645.
{{cite book}}:|journal=ignored (help) - ↑ Edelman and Gally (2001). "जैविक प्रणालियों में विकृति और जटिलता". Proceedings of the National Academy of Sciences of the United States of America. 98 (24): 13763–13768. Bibcode:2001PNAS...9813763E. doi:10.1073/pnas.231499798. PMC 61115. PMID 11698650.
- ↑ Whitacre (2010). "Degeneracy: a link between evolvability, robustness and complexity in biological systems". Theoretical Biology and Medical Modelling. 7 (6): 6. doi:10.1186/1742-4682-7-6. PMC 2830971. PMID 20167097.
- ↑ Dasgupta, Dipankar; Nino, Fernando (2008). Immunological Computation: Theory and Applications. CRC Press. p. 296. ISBN 978-1-4200-6545-9.
- ↑ de Castro, L. N.; Von Zuben, F. J. (2002). "Learning and Optimization Using the Clonal Selection Principle" (PDF). IEEE Transactions on Evolutionary Computation. 6 (3): 239–251. doi:10.1109/tevc.2002.1011539.
- ↑ Forrest, S.; Perelson, A.S.; Allen, L.; Cherukuri, R. (1994). "Self-nonself discrimination in a computer" (PDF). Proceedings of the 1994 IEEE Symposium on Research in Security and Privacy. Los Alamitos, CA. pp. 202–212.
- ↑ Timmis, J.; Neal, M.; Hunt, J. (2000). "An artificial immune system for data analysis" (PDF). BioSystems. 55 (1): 143–150. doi:10.1016/S0303-2647(99)00092-1. PMID 10745118.
- ↑ Greensmith, J.; Aickelin, U. (2009). Artificial Dendritic Cells: Multi-faceted Perspectives (PDF). pp. 375–395. CiteSeerX 10.1.1.193.1544. doi:10.1007/978-3-540-92916-1_16. ISBN 978-3-540-92915-4. S2CID 11661259. Archived from the original (PDF) on 2011-08-09. Retrieved 2009-06-19.
{{cite book}}:|journal=ignored (help)
संदर्भ
- J.D. Farmer, N. Packard and A. Perelson, (1986) "The immune system, adaptation and machine learning", Physica D, vol. 2, pp. 187–204
- H. Bersini, F.J. Varela, Hints for adaptive problem solving gleaned from immune networks. Parallel Problem Solving from Nature, First Workshop PPSW 1, Dortmund, FRG, October, 1990.
- D. Dasgupta (Editor), Artificial Immune Systems and Their Applications, Springer-Verlag, Inc. Berlin, January 1999, ISBN 3-540-64390-7
- V. Cutello and G. Nicosia (2002) "An Immunological Approach to Combinatorial Optimization Problems" Lecture Notes in Computer Science, Springer vol. 2527, pp. 361–370.
- L. N. de Castro and F. J. Von Zuben, (1999) "Artificial Immune Systems: Part I -Basic Theory and Applications", School of Computing and Electrical Engineering, State University of Campinas, Brazil, No. DCA-RT 01/99.
- S. Garrett (2005) "How Do We Evaluate Artificial Immune Systems?" Evolutionary Computation, vol. 13, no. 2, pp. 145–178. http://mitpress.mit.edu/journals/pdf/EVCO_13_2_145_0.pdf Archived 2011-06-29 at the Wayback Machine
- V. Cutello, G. Nicosia, M. Pavone, J. Timmis (2007) An Immune Algorithm for Protein Structure Prediction on Lattice Models, IEEE Transactions on Evolutionary Computation, vol. 11, no. 1, pp. 101–117. https://web.archive.org/web/20120208130715/http://www.dmi.unict.it/nicosia/papers/journals/Nicosia-IEEE-TEVC07.pdf
- Villalobos-Arias M., Coello C.A.C., Hernández-Lerma O. (2004) Convergence Analysis of a Multiobjective Artificial Immune System Algorithm. In: Nicosia G., Cutello V., Bentley P.J., Timmis J. (eds) Artificial Immune Systems. ICARIS 2004. Lecture Notes in Computer Science, vol 3239. Springer, Berlin, Heidelberg. DOI https://doi.org/10.1007/978-3-540-30220-9_19
बाहरी संबंध
- AISWeb: The Online Home of Artificial Immune Systems Information about AIS in general and links to a variety of resources including ICARIS conference series, code, teaching material and algorithm descriptions.
- ARTIST: Network for Artificial Immune Systems Provides information about the UK AIS network, ARTIST. It provides technical and financial support for AIS in the UK and beyond, and aims to promote AIS projects.
- Computer Immune Systems Group at the University of New Mexico led by Stephanie Forrest.
- AIS: Artificial Immune Systems Group at the University of Memphis led by Dipankar Dasgupta.
- IBM Antivirus Research Early work in AIS for computer security.
