인공 면역 체계

Artificial immune system

인공지능에서 인공면역시스템(AIS)은 척추동물면역체계의 원리와 과정에서 영감을 받은 계산적으로 지능화된 규칙 기반의 기계학습 시스템의 한 종류다. 알고리즘은 일반적으로 문제해결에 사용하기 위한 학습과 기억의 면역체계의 특성을 본떠서 만들어진다.

정의

인공면역시스템(AIS) 분야는 면역체계의 구조와 기능을 전산시스템에 추상화하고, 수학, 공학, 정보기술에서 연산문제 해결을 위한 이들 시스템의 응용을 조사하는 것과 관련이 있다. AIS는 생물학적으로 영감을 받은 컴퓨팅과 자연 컴퓨팅의 하위 분야로 머신러닝에 관심이 있고 인공지능의 광범위한 분야에 속한다.

인공면역시스템(AIS)은 이론면역학에서 영감을 얻어 관찰된 면역 기능, 원리, 모델에서 영감을 받아 적응하는 시스템으로, 문제 해결에 적용되고 있다.[1]

AIS는 면역체계를 더 잘 이해하기 위해 컴퓨터 및 수학적 모델을 사용하여 면역학을 시뮬레이션하는 것과 관련된 컴퓨터 면역학 및 이론 생물학과는 구별된다. 비록 그러한 모델이 AIS의 분야를 시작했으며 계속해서 영감을 위한 비옥한 기반을 제공하기는 하지만 말이다. 마지막으로 AIS 분야는 DNA 컴퓨팅 등 다른 분야와 달리 연산을 위한 기질로서 면역체계의 조사와는 무관하다.

역사

AIS는 1980년대 중반에 파머, 패커드, 페렐슨(1986년)과 베르시니와 바렐라(1990년)가 면역망에 관해 저술한 기사로 등장했다. 그러나 AIS가 독자적인 권리로 필드가 된 것은 1990년대 중반에 불과했다. 포레스트 외 연구진(부정선택에 관한 연구)과 케프하트 외 [2]연구진은 1994년 AIS에 대한 첫 논문을 발표했고, 다스굽타는 부정선택 알고리즘에 대한 광범위한 연구를 실시했다. 헌트와 쿡은 1995년에 면역 네트워크 모델에 대한 작업을 시작했다. Timmis와 Neal은 이 작업을 계속했고 약간의 개선을 했다. 2002년 데 카스트로 & 폰 주벤의 작품과 니코시아 & 커텔로의 작품(클론 선택)이 눈에 띄었다. 인공 면역체계에 관한 첫 번째 책은 1999년에 Dasgupta에 의해 편집되었다.

현재 AIS 라인을 따라 선천적인 면역체계에서 영감을 받은 위험 이론과 알고리즘 등 새로운 아이디어도 탐구되고 있다. 비록 일부 사람들은 이러한 새로운 아이디어들이 기존의 AIS 알고리즘을 넘어서는 진정한 '새로운' 추상적인 것을 아직 제공하지 않는다고 믿고 있다. 그러나 이것은 뜨겁게 논의되고 있으며, 이 논쟁은 현재 AIS 개발의 주요 원동력 중 하나를 제공한다. 다른 최근의 개발은 AIS 모델의 퇴행성에 대한 탐구를 포함하는데,[3][4] 이는 개방적인 학습과 진화에 대한 가설에서의 역할에 의해 동기부여된다.[5][6]

원래 AIS는 면역 체계에서 발견되는 과정의 효율적인 추상화를 찾으려고 시작했지만, 최근에는 생물학적 과정을 모델링하고 생물정보학 문제에 면역 알고리즘을 적용하는 데 관심을 보이고 있다.

2008년, 다스굽타와 니뇨는 면역 기반 기법과 관련된 최신 작업의 개요를 제시하고 다양한 용도를 설명하는 면역학적 계산에 관한 교재를 출판했다.

기술

일반적인 기술은 포유류 적응 면역 체계의 기능과 행동을 설명하는 특정 면역 이론에서 영감을 얻는다.

  • 클론 선택 알고리즘: B와 T 림프구가 친화력 성숙이라고 불리는 시간에 따른 항원에 대한 반응을 어떻게 개선하는지 설명하는 획득된 면역의 클론 선택 이론에서 영감을 받은 알고리즘의 한 종류. 이러한 알고리즘은 항원-항원-항원 상호작용의 친화성에 의해 선택이 영감을 받고, 생식이 세포분열에 의해 영감을 받고, 변화가 체체적 과음작용에 의해 영감을 받는 이론의 다윈적 속성에 초점을 맞춘다. 클론 선택 알고리즘은 최적화 및 패턴 인식 영역에 가장 일반적으로 적용되며, 그 중 일부는 재조합 운영자가 없는 평행 힐 클라이밍 및 유전 알고리즘과 유사하다.[8]
  • 음극 선택 알고리즘: T세포 내성이라고 불리는 흉선에서 T세포가 성숙하는 동안 발생하는 양과 음의 선택 과정에서 영감을 얻었다. 음성선택이란 자가반응세포의 식별 및 삭제(사멸)를 말하는데, 이는 자기조직을 선택하고 공격할 수 있는 T세포다. 이 종류의 알고리즘은 일반적으로 문제 공간이 이용 가능한 지식의 보완으로 모델링되는 분류 및 패턴 인식 문제 영역에 사용된다. 예를 들어 이상 징후 감지 영역의 경우 알고리즘은 보이지 않거나 비정상적인 패턴을 모델링하고 탐지하는 정상(비이상적) 패턴에 대해 훈련된 일련의 예시 패턴 검출기를 준비한다.[9]
  • 면역 네트워크 알고리즘: 항이형 항체(다른 항체를 선택하는 항체)에 의한 면역체계의 조절을 기술한 닐스 카즈 제른이 제안한 바보 같은 네트워크 이론에서 영감을 받은 알고리즘이다. 이 종류의 알고리즘은 항체(또는 항체 생성 세포)가 노드를 나타내고 훈련 알고리즘은 친화력(문제 표현 공간의 유사성)에 기반한 노드 사이의 가장자리를 증가시키거나 가지치기하는 것을 포함하는 네트워크 그래프 구조에 초점을 맞춘다. 면역 네트워크 알고리즘은 클러스터링, 데이터 시각화, 제어, 최적화 영역에 사용되어 왔으며, 인공 신경 네트워크와 속성을 공유한다.[10]
  • 덴드리트 셀 알고리즘: Dendritic Cell 알고리즘(DCA)은 다중 스케일 접근법을 사용하여 개발된 면역 유도 알고리즘의 예다. 이 알고리즘은 dendritic cells(DC)의 추상 모델을 기반으로 한다. DCA는 세포 내에 존재하는 분자 네트워크에서부터 세포 전체 집단에 의해 나타나는 행동에 이르기까지 DC 기능의 다양한 측면을 검토하고 모델링하는 과정을 통해 추상화되고 구현된다. DCA 정보 내에서는 다양한 계층에서 과립되어 다중 스케일 처리를 통해 달성된다.[11]

참고 항목

메모들

  1. ^ 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.
  2. ^ 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.
  3. ^ Andrews and Timmis (2006). "A Computational Model of Degeneracy in a Lymph Node". Artificial Immune Systems. Lecture Notes in Computer Science. Vol. 4163. pp. 164–177. doi:10.1007/11823940_13. ISBN 978-3-540-37749-8. S2CID 2539900.
  4. ^ Mendao; et al. (2007). "The Immune System in Pieces: Computational Lessons from Degeneracy in the Immune System". Foundations of Computational Intelligence: 394–400. doi:10.1109/FOCI.2007.371502. ISBN 978-1-4244-0703-3. S2CID 5370645.
  5. ^ Edelman and Gally (2001). "Degeneracy and complexity in biological systems". 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.
  6. ^ 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.
  7. ^ Dasgupta, Dipankar; Nino, Fernando (2008). Immunological Computation: Theory and Applications. CRC Press. p. 296. ISBN 978-1-4200-6545-9.
  8. ^ 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.
  9. ^ 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.
  10. ^ 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.
  11. ^ Greensmith, J.; Aickelin, U. (2009). Artificial Dendritic Cells: Multi-faceted Perspectives (PDF). Human-Centric Information Processing Through Granular Modelling. Studies in Computational Intelligence. Vol. 182. 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.

참조

외부 링크