ස්නායු ජාලයක් (Neural Network) කියන්නේ පරිගණකයකට මිනිස් මොළයක් වගේ තීරණ ගන්න උගන්වන තාක්ෂණයටයි. මේකෙදි ගණිතමය සමීකරණ ගොඩක් භාවිතා වුණත්, ක්‍රියාවලිය තේරුම් ගන්න අපි ඉතාමත් සරල උදාහරණයක් බලමු.

හිතන්න ඔයාට “පළතුරු තෝරන කර්මාන්තශාලාවක්” තියෙනවා කියලා. මේකේ වැඩ කරන්නේ සේවකයින් කණ්ඩායමක්. ඒ අයගේ රාජකාරිය තමයි පීත්ත පටියක් දිගේ එන පළතුර “ඇපල්” ගෙඩියක්ද, නැත්නම් “කෙසෙල්” ගෙඩියක්ද කියලා අඳුරගන්න එක. මේ සේවකයින් පේළි 3කට තමයි හිටගෙන ඉන්නේ.

• පළමු පේළිය (Input Layer – ආදාන ස්තරය): මේ අයට එකපාරටම පළතුර මොකක්ද කියලා තේරුම් ගන්න බෑ. එක්කෙනෙක් බලනවා පළතුරේ පාට මොකක්ද කියලා (රතුද? කහද?). අනිත් කෙනා බලනවා හැඩය මොකක්ද කියලා (රවුම්ද? දිගටිද?). එයාලා ඒ හොයාගත්ත පොඩි තොරතුරු ටික ඊළඟ පේළියට යවනවා.
• දෙවන පේළිය (Hidden Layers – සැඟවුණු ස්තර): මෙතැන තමයි නියම විදිහට තොරතුරු විශ්ලේෂණය වෙන්නේ. මේ අය කලින් පේළියෙන් ආපු තොරතුරු එකතු කරලා රටා (Patterns) හොයනවා. “පළමු පේළිය කිව්වා මේක රතු පාටයි, ඒ වගේම රවුම් කියලා. රතු පාට රවුම් දේවල් ගොඩක් දුරට ඇපල් වෙන්න ඕනේ.” මේ අය තමන්ගේ ඒ නිගමනය අවසන් පේළියට යවනවා.
• අවසන් පේළිය (Output Layer – ප්‍රතිදාන ස්තරය): මේ පේළියේ ඉන්න ප්‍රධානියා අර ඔක්කොම දත්ත සලකලා බලලා, 100% ක විශ්වාසයකින් යුතුව අවසන් තීරණය දෙනවා: “මේක ඇපල් ගෙඩියක්!”

AI එකක් ඇතුළේ වෙන්නෙත් මේකමයි!

කෘත්‍රිම ස්නායු ජාලයක් ඇතුළෙත් මේ වගේම “ස්තර” (Layers) කිහිපයක් තියෙනවා. අර කර්මාන්තශාලාවේ සේවකයින් වෙනුවට මෙතන ඉන්නේ Nodes එහෙමත් නැත්නම් කෘත්‍රිම නියුරෝන (Artificial Neurons) කියන කුඩා පරිගණක කේත (Codes).

උදාහරණයක් විදිහට, අපි AI එකකට පූසෙකුගේ පින්තූරයක් දීලා මේ ඉන්නේ කවුද කියලා ඇහුවොත්:

1. Input Layer එක පින්තූරයේ තියෙන ලා අඳුරු බව සහ පික්සල (Pixels) හඳුනාගන්නවා.
2. Hidden Layers ඒ පික්සල එකතු කරලා හැඩතල, ඇස්, කන්, සහ ලොම් වගේ රටා හඳුනාගන්නවා.
3. Output Layer එක ඒ ඔක්කොම එකතු කරලා “මේ ඉන්නේ පූසෙක්” කියලා හරියටම උත්තරේ දෙනවා.

ඔවුන් ඉගෙන ගන්නේ කොහොමද? වැදගත්ම දේ තමයි, මුලදී මේ AI සේවකයින් අතින් වැරදි වෙනවා. රතු පාට බෝලයක් දැක්කත් ඒක ඇපල් ගෙඩියක් කියන්න පුළුවන්. හැබැයි අපි “නෑ ඒක වැරදියි, මේකයි හරි උත්තරේ” කියලා දහස් ගණනක් පින්තූර පෙන්වමින් දිගින් දිගටම පුහුණු කරද්දී (Training), එයාලා තමන්ගේ වැරදි හදාගෙන අලුත් දේවල් අඳුරගන්න පුදුමාකාර විදිහට දක්ෂ වෙනවා.