YAPAY ZEKÂ BİLİMCİLERİ BEYNİN NASIL ÖĞRENDİĞİNE DAİR YENİ TEORİLER ÜRETİYOR

G

ünümüzün en gelişmiş yapay zekâ modellerinin temelini atan Geoffrey Hinton elli yılı aşkın bir süredir bu alanda çalışıyor. Hatta öyle ki "yapay zekânın vaftiz babası" olarak anılıyor. ChatGPT, sürücüsüz arabalar ve tıbbi teşhis sistemleri gibi teknoloji dünyasını değiştiren yapay zekâ uygulamaları, Hinton ve ekibinin çalışmalarından doğdu. Ancak Hinton'un ana motivasyonu sadece daha gelişmiş yapay zekâ modelleri üretmek değil, aynı zamanda beynin öğrenme süreçlerini anlamaktı.

İnsan beyninin nöronlar arasındaki bağlantıların güçlendirilmesi ve zayıflaması yoluyla bir şeyleri öğrendiği biliniyor. Sinaps adı verilen bu bağlantıların ince ayarı sayesinde bir şeyler öğreniyoruz. Milyarlarca nöronun ve trilyonlarca sinapsın yer aldığı bir yapıda, hangi bağlantıların nasıl değiştiği konusuna bilim insanları uzun yıllar boyunca kafa yordu. Hinton, bu sorunu çözmek için yapay sinir ağları üzerinde geri yayılım adı verilen bir algoritma geliştirdi. Geri yayılım, yapay zekânın bir hatayı nasıl düzelteceğini öğrenmesini sağlayan bir yöntem. Ancak, bu algoritmanın biyolojik olarak beynin işleyişine uymadığı, evrimsel olarak beyin tarafından kullanılamayacak kadar karmaşık olduğu düşünülüyordu. Buna rağmen, yapay zekâ modellerinin insan zekâsına giderek daha fazla benzemesiyle, bilim insanları beynin de benzer bir mekanizma kullanıp kullanmadığını sorgulamaya başladı. Beynin nasıl öğrendiği konusunda kesin bir sonuca varmak hâlâ zor görünüyor. Bununla birlikte sinirbilimciler, beyin dokusunun küçük örnekleri üzerinde çalışarak bazı temel prensipler geliştirdi, ancak bu küçük örnekler beynin genel işleyişi hakkında yeterli bilgiye sahip olmamıza yetmiyor. Beynin karmaşık öğrenme süreçlerini tam anlamıyla kavramak hâlâ büyük bir bilimsel muamma.

Bir yapay sinir ağı modeli, örneğin kuşları tanımak için eğitildiğinde, binlerce yapay nörondan oluşan katmanlı bir yapı kullanır. Bu yapay nöronlar, bir görüntüdeki piksel bilgilerini işleyerek bir kuşun var olup olmadığını belirler. Bu süreç, yapay zekânın farklı katmanlar arasında bilgi aktarımı yaparak en sonunda doğru sonucu üretmesiyle tamamlanır. Geri yayılım algoritması burada devreye girer; yapay zekâ yanlış bir sonuç verdiğinde, hata sinyali geri yayılır ve ağın bağlantıları ayarlanarak doğru sonuca ulaşması sağlanır.

 Son yıllarda yapılan araştırmalar, yapay zekâ modellerine biyolojik olarak daha gerçekçi özellikler ekleyerek geri yayılım algoritmasını beyne daha uygun hale getirmeyi amaçlıyor. Hatta bazı bilim insanları, ayna ağına ihtiyaç duymadan öğrenme süreçlerinin nasıl gerçekleşebileceğini gösterdi. Yapılan deneylerse sinir ağlarının insana daha benzer şekilde öğrenebileceğini ve yapay zekânın daha az eğitimle daha sağlam sonuçlar elde edebileceğini ortaya koydu.

Sonuç olarak, beynin nasıl öğrendiğine dair kesin bir cevap bulunmasa da, yapay zekâ ve sinirbilim arasındaki ilişkiyi anlamaya yönelik çalışmalar hızla devam ediyor. Uzmanlara göre beynin öğrenme algoritmalarını çözmek, sadece insan zekâsını anlamaya yardımcı olmakla kalmayacak, aynı zamanda yapay zekânın da daha ileri seviyelere ulaşmasını sağlayacak.

Kaynak: The Economist