MRC Beyin Ağı Dinamikleri Birimi ve Oxford Üniversitesi Bilgisayar Bilimi Bölümü araştırmacıları, beyindeki nöronlar arasındaki bağlantıların öğrenme sürecinde nasıl ayarlandığını anlama konusunda çığır açan bir keşif yaptı. Bulguları, yapay zeka alanındaki daha verimli ve etkili öğrenme algoritmalarının yolunu açabilir.
Yapay zeka alanında geleneksel öğrenme yöntemi, bir modelin parametrelerini çıktıdaki hatayı en aza indirecek şekilde ayarlamayı içerir, bu süreç “geri yayılım” olarak bilinir. Ancak araştırmacılar, beynin temelde farklı bir öğrenme prensibi kullandığını buldu.
Matematiksel modellerin ve bilgisayar simülasyonlarının incelenmesi sonucunda, araştırmacılar “geleceğe yönelik yapılandırma” adı verilen yeni bir öğrenme prensibi tanımladı. Sentaksik bağlantıları hata ayıklamak için dışarıdan değiştiren yapay sinir ağlarının aksine, insan beyni, sentaksik bağlantıları ayarlamadan önce nöronların etkinliğini optimal bir dengeli duruma getirir. Bu yaklaşım müdahaleyi azaltır ve mevcut bilgiyi korur, bu da daha hızlı ve etkili bir öğrenmeye yol açar.
Bu kavramı açıklamak için, araştırmacılar somon avlayan bir ayının örneğini kullandı. Yapay sinir ağında, ayı nehrin sesini duyamazsa (bir kulak hasarı nedeniyle), aynı zamanda somonun kokusunu da kaybeder ve yanlış bir sonuca vararak nehirde balık olmadığını düşünür. Ancak hayvan beyninde, sesin eksikliği, hala somonun kokusu olduğu bilgisini etkilemez ve ayının başarılı avına devam etmesine izin verir.
Araştırmacılar, geleceğe yönelik yapılandırma prensibini desteklemek için matematiksel bir teori geliştirdi ve çeşitli öğrenme deneyleriyle nöral aktiviteyi ve davranışı açıklamada yapay sinir ağlarına göre üstünlüğünü gösterdi.
Soyut modeller ile beyin anatomisini anlama arasında hala bir boşluk bulunsa da, araştırmacılar bu boşluğu ileri araştırmalarla kapatma planlarına sahiptir. Geleceğe yönelik yapılandırma algoritmasının anatomik olarak tanımlanmış kortikal ağlarda nasıl uygulandığını araştırmayı amaçlamaktadırlar.
Ancak, mevcut bilgisayarlarda geleceğe yönelik yapılandırmanın uygulanması yavaş ve enerji yoğundur. Araştırmacılar, bu öğrenme prensibini hızlı ve verimli bir şekilde simüle etmek için yeni tür bilgisayarlar veya beyin tarafından ilham alınan donanımların gerekliliğini önermektedirler.
Bu çığır açan araştırma, hem yapay zeka hem de insan beyninin nasıl öğrendiğini ve bilgiyi nasıl sakladığını anlama konusunda öğrenme algoritmalarını geliştirmek için yeni olanaklar sunmaktadır.
The source of the article is from the blog bitperfect.pe