NeuroAI, sinirbilim ve yapay zekanın bir araya gelmesiyle ortaya çıkan yeni bir araştırma alanı olarak hızla büyüyor. Beyin modellerinin yapay zeka ile test edilmesi ve sinirbilimden ilham alınarak daha gelişmiş yapay zeka algoritmalarının geliştirilmesi, her iki alanda da ilerlemeyi hızlandırmış ve çığır açan buluşlara yol açmıştır.
Sinirbilim” ve “Yapay Zeka”nın birleşimi olan “NeuroAI” terimi, beş yıl öncesine kadar neredeyse duyulmamıştı; ancak bugün, hızla büyüyen bir araştırma alanı haline geldi. BRAIN Initiative tarafından desteklenen bir atölye de dahil olmak üzere birçok akademik program, atölye ve konferansın konusu olan bu alan, doğal bir gelişim olarak sinirbilim ve yapay zeka arasındaki bu yakın ilişkiyi temsil ediyor.
NeuroAI iki ana araştırma programını kapsıyor. Birincisi, yapay zekanın sinirbilime uygulanmasıdır; yani, sinir ağlarının beynin hesaplama modelleri olarak kullanılması. Richard Feynman’ın ünlü sözünden ilhamla, “Yapamıyorsam anlamıyorum,” yapay sinir ağları, beynin hesaplama yapma yöntemini gerçekten anlayıp anlamadığımızı test etmek için en iyi modeldir. İkinci program ise sinirbilimden alınan bilgilerin daha iyi yapay zeka sistemleri geliştirmek için adapte edilmesidir. Yapay zekanın nihai amacı, insanın yapabildiği her şeyi yapabilen sistemler geliştirmektir; bu nedenle mühendisler uzun zamandır sinirbilimden ilham almaktadır.
Sinirbilim ile hesaplama arasındaki ilişki, modern bilgisayar biliminin temellerine kadar uzanır. John von Neumann’ın 1945 yılında EDVAC bilgisayar mimarisini anlattığı raporun bir bölümünde önerilen sistemin beyin benzeri olup olmadığı tartışılmış ve raporda, Warren McCulloch ve Walter Pitts’in 1943 tarihli neural network’ler hakkındaki makalesine atıfta bulunulmuştur. Bu tür erken dönemdeki sinerjiler, her iki alanda da uzun yıllar sürecek bir karşılıklı ilham kaynağı oluşturmuştur.
Sinirbilim ve yapay sinir ağı araştırmalarının daha sonra birbirinden esinlenen birçok başarı öyküsü geldi. Belki de en çok kutlanan örnek, günümüzün başarılı yapay görme sistemlerini destekleyen konvolüsyonel sinir ağları (CNN) olmuştur. Bunun yanı sıra, yapay sinir ağlarına “dropout” gibi biyolojik özelliklerin katılması, yapay ağların daha sağlam modeller geliştirmesine yardımcı olmaktadır.
AI ve sinirbilim arasındaki bu ilişki parazitik değil, karşılıklı yarar sağlayan bir ilişkidir. Örneğin, birçok modern görsel korteks modeli yapay sinir ağları üzerine kurulmuştur ve sinir ağları bu tür karmaşık algısal görevleri çözmede başarılı olmuştur. Derin öğrenme tabanlı yapay sinir ağları, beyin işlevi hakkında daha derin bilgiler edinmemize olanak tanırken, beyin işlevindeki gelişmeler de yapay zeka algoritmalarına yeni ilhamlar kazandırmaktadır.
NeuroAI alanındaki bu süregelen sinerji, her iki alanda da dönüştürücü ilerlemeleri teşvik etmeye devam ediyor. NeuroAI geliştikçe, hem biyolojik hem de yapay zekadaki anlayışımızı derinleştirecek ve bu iki disiplini birbirine daha da yaklaştıracak. Bu makale serisi, alanın getirdiği gelişmeleri ve sağladığı içgörüleri inceleyerek, beyin işlevi ile ilgili ortaya çıkan pratik ve etik soruları ele alacaktır.
Haber Kaynağı: MIT Laboratory for Information and Decision Systems
