Son yıllarda yapılan beyin araştırmaları, beyinde birçok yeni fiziksel bağlantı keşfetti. Sinir sisteminin bilgiyi nasıl yönelttiği ve onu nasıl işlediği hakkında bilgilerin keşfi de cabası. Fakat daha öğrenilecek çok şey var.
Bu esnada bilgisayar algoritmaları, yazılım ve donanım alanındaki ilerlemeler makine öğrenmesini daha önce hayal edilemeyecek seviyelere getirdi. Ben ve alanın liderleri de dahil olmak üzere diğer bir çok araştırmacı beynin bilgiyi nasıl işlediğinin öğrenilmesinin, programlamacıların düşünme konseptini biyolojinin zorlu dünyasından dijital dünyanın yeni makine öğrenmesi formlarına tercüme etmesini kolaylaştıracağını düşünüyoruz.
Beyin Makine Değildir
Makine öğrenmesi genelde yapay zeka olarak bahsedilen teknolojilerden bir tanesidir. Bu sistem, devasa veri setleri içerisindeki karmaşık ve göze çarpmayan desenleri bulmada insandan daha başarılıdır.
Görünen o ki makine öğrenmesi hemen hemen her yerde; şoförsüz otomobillerde, yüz tanıma yazılımlarında, finansal sahtekarlıkların algılanmasında, tıbbi teşhislere ve başka konulara yardımcı olan robotlarda. Fakat perde arkasında tüm bunlar, yalnızca istatistik tabanlı bir algoritmanın varyasyonlarından ibaret.
Makine öğrenmesinin en bilindik elemanlarından olan yapay sinir ağları, girdileri kabul edip işleyen ve ardından çıktı elde eden dijital işlemcilerle sıkı sıkıya bağlıdır. Çünkü yapay sinir ağlarının girdiye bağlı olarak değişen çıktıları oluşturabilmesi için, birçok girdiyi ve çıktıyı değerlendirip aralarında bağlantıyı oluşturması gerekmektedir.
Örneğin bir makineye bir ineği öğretmek istiyorsanız “bu bir inektir” demeniz yeterli değildir. Birçok farklı ineğin, farklı açılardan çekilmiş binlerce fotoğrafını tek tek makineye “bu bir inektir” diyerek tanıtmanız gerekir. Bu işlemlerin sonunda makine artık ineği tanır hale gelecektir. Ne var ki, bir kedi fotoğrafı gösterdiğinizde onun bir inek olmadığını bilecek ve “bu bir inek değildir” diyecek, ancak ne olduğunu söyleyemeyecektir.
Bu, beynin bir şeyleri öğrenme ya da bir bilgiyi işleme şekli değildir. Aksine beyin, bir makinenin ihtiyaç duyduğundan daha az veriye ihtiyaç duyar. İneği öğrenmek için bir inek fotoğrafı ve bir inek çizimi yeterli olacaktır. Bunun ardından farklı açılardan çekilmiş, farklı renklerdeki, farklı inek fotoğraflarını bile kendi kendine tanımlayabilir hale gelecektir.
Fakat Makine de Beyin Değildir
Beyin ve makinenin öğrenme sistemleri tamamen farklı temellere sahip olduğu için, birbirlerinin sistemlerini kullanmakta başarısız oluyorlar. Beyin girdiyi son derece karlanmış, belirsiz ve beklenmedik olduğu durumlarda dahi etkili bir şekilde işleyebiliyor. Mesela siz, yırtık ve buruşuk kağıtta daha önce hiç görmediğiniz bir inek tasviri görebilir ve “bunun bir inek olduğunu” düşünebilirsiniz. Benzer şekilde, bir durum hakkındaki kısmi bilgileri düzenler ve bilmediğiniz şeylere rağmen tahmin edebilir ve kararlar alabilirsiniz. Ne yazık ki tüm bunları, şu an için, bir makineden bekleyemeyiz.
Aynı derecede önemli olan diğer nokta ise beynin, bir yaralanma ya da inmeden sonra oluşan fiziksel hasarlara bağlantılarını yeniden yapılandırarak uyum sağlayabilme yeteneğidir. Beynin bu özelliği, bazı rahatsızlıklardan ötürü beyninin bir kısmı alınmış hastaların bilişsel ve fiziksel işlevlerini yerine getirmesini sağlayacak kadar etkileyicidir. Eh, bir de devresinin yarısı alınmış bir makinenin ne kadar iyi (!) çalışacağını düşünün.
Aynı derece etkileycilikteki bir diğer nokta ise, yaratıcılığın ve haya gücünün anahtarları olan uyarlama ve çıkarım yapabilme yeteneğidir. Jüpiter’de bir hamburger restoranında oturup aklından kuantum fiziğinin zorluğunu geçiren bir inek düşünün. Hiçbirimiz böyle bir senaryoyla karşılaşmamışızdır fakat beynimiz sağ olsun oturup bu konu hakkında yorumlar yapabiliriz.
En şaşırtıcı olan ise, beyin tüm bunları hemen hemen loş ışıklı bir ampulü çalıştırmak için harcadığımız kadar enerjiyle yapıyor.
Sinirbilim ile Makine Öğrenimini Birleştirmek
Beynin nasıl çalıştığına ek olarak, beynin hangi süreçlerinin makine öğrenimine veya şu bahsettiğimiz tercümeye nasıl ve ne derecede katkıda bulunacağı da henüz net değil. Fakat iki alana birden katkıda bulunacak fikirlere odaklanmak işimizi kolaylaştıracaktır. Öğreneceklerimiz iki yönlü olabilecektir; beyin çalışmaları yapay zeka çalışmalarına yol gösterebilecek, yapay zeka çalışmaları beyin hakkında yeni sorular doğurabilecektir.
Mesela bizim laboratuvarımızda bireysel bir sinir hücresinin bütün bir ağa nasıl katkı yaptığını araştırıyoruz. Her sinir hücresi sahip olduğu bilgiyi, bağlantı kurduğu diğer sinir hücresine aktarır. Ağın geneli hakkında, yani diğer sinir hücrelerinin görevi ve sahip olduğu bilgi hakkında herhangi bir kanısı yoktur. İçinde bulundukları ağ ne kadar büyük olursa olsun, bütün sinir hücreleri için bu durum aynıdır.
Bağlantı katmanlarını tanımlayan matematiksel algoritmalar sayesinde bunun yapay sinir ağları için de, beyindeki biyolojik sinir ağları için de uygulanabilir olduğu gösterilmiştir. Buradan yola çıkarak şu anda, uzun süreli eğitimlere gerek duymadan hızlıca öğrenen yeni makine öğrenimi algoritmaları üzerinde çalışıyoruz.
Ayrıca bu fikirleri ve matematiği kullanarak sinir hücrelerinin neden sarılı ve kıvrımlı olduğunu araştırdık. Bulgularımıza göre, bu yapı sayesinde sinir hücreleri mesajlarını daha etkili şekilde taşıyor olabilir, tam bu sepebten ötürü biz de yapay öğrenme sistemlerini bu şekilde tasarlıyorduk. Bu şans eseri elde edilmiş bir bulgu değil, böyle bir ilişki arıyorduk çünkü matematik öyle olması gerektiğini söylüyordu.
Benzer yaklaşımlar, beynin nörolojik ve nörogelişimsel rahatsızlıkların beyinde ne gibi süreçlerden geçtiği hakkında bilgi verebilir. Yapay zeka ve sinirbilimin paylaştığı ilkelere ve matematiğe odaklanmak, her iki alandaki araştırmaları ilerletmeye, bilgisayarlara yeni yetenekler kazandırmaya ve doğal beyinleri anlamaya yardımcı olacaktır.
Yazan: Gabriel A. Silva (Kaliforniya Üniversitesi, San Diego)
Çeviren: Meriç Öztürk
Düzenleyen: Onur Arpat
Makale ilk olarak 9 Temmuz 2019 tarihinde The Conversation‘da yayınlanmış, Creative Commons lisansı kurallarına uygun şekilde NöroBlog ekibi tarafından Türkçeleştirilmiştir.
NöroBlog’u Patreon üzerinden desteklemek için: patreon.com/NoroBlog
Anasayfamızdan daha fazla sinirbilim yazısına ulaşabilir, podcast ve videolarımıza erişebilirsiniz.
