PLATO: Bebek zihni gibi düşünebilen yapay zekanın üstün başarısı

Son yıllarda artan yapay zeka çalışmaları insan doğasını gittikçe daha farklı alanlarda taklit etmeye başladı. Princeton Üniversitesi'nde yapılan bir çalışmada bebek zihnini taklit ederek düşünebilen bir yapay zeka yapıldı. PLATO adındaki bu yapay zeka insanlarda doğuştan gelen içgüdülerin kendisine eklenmesiyle klasik yapay zeka sistemlerinden oldukça üstün bir performans sergiledi. Derin öğrenme sistemleri ile geliştirilen PLATO insan zihnini daha iyi bir şekilde simüle eden yapay zeka sistemlerinin nasıl oluşturulabileceğini de gözler önüne seriyor.

BİLİM-TEKNOLOJİ 15.07.2022, 18:20 18.07.2022, 13:14
PLATO: Bebek zihni gibi düşünebilen yapay zekanın üstün başarısı

Zıt görüşlerin hüküm sürdüğü bir dünyada az da olsa herkesin hemfikir olabileceği bazı şeyler vardır. Örneğin birisi size bir kalem gösterse ve daha sonra onu arkasına saklasa, kalemi artık göremeseniz de orada bir yerlerde var olmaya devam ettiğini bilirsiniz. Kalem birkaç saniye önceki şekli ve rengiyle gizli olduğu yerde kalmaya devam edecektir. İnsanların bu konuda hemfikir olmalarının sebebi sağduyudur. Fiziksel dünyanın bu sağduyu yasaları, insanlar tarafından evrensel olarak bilinir. İki aylık bebekler bile bu anlayışı paylaşırlar. Ancak bilim insanları, bu temel anlayışı nasıl elde ettiğimizi henüz tam anlamıyla kavrayabilmiş değiller. Bununla birlikte gelişmekte olan bir bebeğin sağduyu yeteneklerine rakip olabilecek bir bilgisayar ya da yapay zeka yapılamadı.

Bebek gibi düşünen yapay zeka

Luis Piloto ve Princeton Üniversitesi'ndeki meslektaşları tarafından gerçekleştirilen yeni bir araştırma bu boşluğu doldurmaya yönelik adımlar atıyor. Araştırmacılar, fiziksel dünyanın bazı sağduyu yasalarını anlayan ve derin öğrenmeye sahip bir yapay zeka sistemi oluşturdular. Araştırmalardan elde edilen bulgular, verilen ya da karşı karşıya kalınan bir göreve bir bebekle aynı yöntemler ve varsayımlarla yaklaşarak insan zihnini simüle eden daha iyi bilgisayar modelleri oluşturmaya yardımcı olacak. Peki, bu sistemi oluştururken kullanılan derin öğrenme tekniği tam olarak nedir ve nasıl çalışır?

Klasik ve güncel yöntemlerle algoritma oluşturmak

Son yıllarda popüler olan yapay zeka çok genel bir tanımdır ve birçok şeyi kapsar. En genel tanımı ile belirli görevleri insan gibi canlıları taklit ederek yerine getirme kabiliyetine yapay zeka denir. Yapay zekanın bir parçasını oluşturan makine öğreniminde algoritmalar kural temelli değil istatistikler üzerine kendi kendine öğrenebilecek şekilde oluşturulur. Örneğin kedi resimlerini diğer canlılardan ayırt etmeye yarayan bir algoritma oluşturulmak istenirse bu birkaç farklı yöntemle gerçekleştirilebilir. Klasik yöntemlerle yapılan algoritmalarda bütün detaylara girilerek örneğin kameranın bir ters üçgen görmesi halinde bunun bir kulak olduğu, bir çift yuvarlak gördüğünde bunun göz olabileceği gibi bilgiler hazır halde programa verilerek tahmin yapması istenir ancak bu oldukça zahmetli bir yöntemdir. Ancak makine öğreniminde örneğin binlerce kedi fotoğrafı algoritmaya verilerek algoritmanın kendi kurallarını oluşturması sağlanır.

Derin öğrenme nedir?

Makine öğreniminin bir alt dalı olan derin öğrenmede ise yapay sinir ağları kullanılır. Derin öğrenmede kedileri diğer canlılardan ayıracak bir program üretmek için kedi fotoğrafları bir yapboz parçaları gibi parçalara ayrılır ve bir grup insana dağıtılır. Ellerinde büyük resmin sadece küçük parçaları olan bu insanlar basit tahminler yürüteceklerdir. Daha sonra birinci grup bu tahminlerini ikinci bir gruba aktarır ve bu bilgilerin ışığında ikinci grup bu küçük parçalar hakkında yeni tahminlerde bulunur. Bu şekilde gerçekleşen birçok aşamanın ardından büyük resmin ne olduğuna karar verilir. Daha sonra yapay zeka geriye yönelik çalışarak gerçeğe yakın ya da uzak tahminlerde bulunan insanları ya da algoritma parçalarını oylar. Bu şekilde gelecekte yapılacak tahminlerde hangi grubun ya da algoritma parçasının doğru karar verdiği tespit edilerek sistem optimize edilir.

Bebeklerde bilgi sıfırdan inşa edilmiyor

Tipik olarak, yapay zeka modelleri boş bir sayfa ile başlar ve örnek veriler üzerinden eğitilerek bir model oluşturulur. Ancak bebekler üzerinde yapılan araştırmalar, bebeklerin yaptığı şeyin bu olmadığını gösteriyor. Bebekler bilgiyi sıfırdan inşa etmek yerine nesnelerle ilgili bazı temel bilgiler ile yola çıkıyorlar. Örneğin bebekler kendilerine gösterilen ve daha sonra başka bir nesnenin arkasına gizlenmiş bir nesneye dikkat ettiklerinde, ilk nesnenin var olmaya devam edeceğini beklerler. Bu, onları doğru bilgiye ulaştıran temel bir beklentidir. Bu beklentiler daha sonra zamanla ve deneyimle daha rafine hale gelir. Piloto ve meslektaşlarının heyecan verici buluşu ise, bebeklerin yaptıklarını model alan derin öğrenmeye sahip yapay zeka sisteminin, boş bir sayfayla başlayan ve yalnızca deneyimle öğrenmeye dayalı olarak çalışan bir yapay zeka sisteminden daha iyi performans gösterdiğini gözler önüne seriyor.

Görsel animasyonlar ile kalıp bilgiler oluşturmak

Araştırmacılar bu iki sistem arasındaki farkı anlamak için her iki yaklaşımı da karşılaştırdı. Boş sayfa versiyonunda, yapay zeka modeline nesnelerin çeşitli görsel animasyonları verildi. Bazı örneklerde, bir küp rampadan aşağı kayıyordu. Bir diğerinde ise bir top duvara çarpıyordu. Model, çeşitli animasyonlardan kalıp bilgileri tespit etti ve ardından yeni görsel animasyonların fiziksel sonuçlarını tahmin etme yeteneği üzerinde test edildi. Bu performans, herhangi bir görsel animasyon deneyimi yaşamadan önce yerleşik beklentilere sahip olan bir modelle karşılaştırıldı.

Üç temel beklenti

Bu ilkeler, bebeklerin nesnelerin nasıl davrandığı ve etkileşime girdiği konusundaki beklentilerine dayanıyordu. Hepimizin çok küçük yaşlardan itibaren sahip olduğu içgüdüsel üç anahtar beklenti vardır. Kalıcılık beklentisi sayesinde nesnelerin aniden ortadan kaybolmayacağını biliriz. Sağlamlık içgüdüsü ile katı nesnelerin birbirinin içinden geçemeyeceğini düşünürüz. Son kavram olan süreklilik ile de nesnelerin uzay ve zaman içinde tutarlı bir şekilde hareket etmesini bekleriz. Örneğin, bebekler iki nesnenin birbirinin içinden geçmemesini beklerler. Bir bebeğe bu beklentiyi ihlal ettiğiniz bir sihir numarası gösterirseniz, sihri fark edebilirler. Bu fark etme durumunu beklenmedik veya “sihirli” olarak değerlendirilebilecek sonuçlara sahip olaylara daha uzun süre bakarak ortaya koyarlar. Bir bebek böyle bir durumla karşılaştığında gözlerini ve ağzını kocaman açarak bir şok suratı yaparlar.

Bebek bilişinden ilham alan model oldukça gelişmiş

Araştırmacılar tarafından oluşturulan veri seti, bu üç beklentinin yanı sıra iki ek beklentiyi daha kapsıyordu. Bunlar şekil gibi nesne özelliklerinin değişmediğini kabul eden değişmezlik beklentisi ve nesnelerin eylemsizlik ilkeleriyle tutarlı bir şekilde hareket ettiğini kabul eden yönlü atalet beklentisiydi. Piloto ve meslektaşları, boş bir sayfa ile başlayan derin öğrenme modelinin iyi bir iş çıkardığını, ancak bebek bilişinden ilham alan modelin önemli ölçüde daha iyi olduğunu tespit etti. İkinci model, bir nesnenin nasıl hareket edeceğini daha doğru bir şekilde tahmin edebiliyor. Bu modelin geleceğe yönelik tahminleri yeni animasyonlara uygulamakta daha başarılıydı ve öğrenme eylemini daha küçük bir örneklem grubundan yararlanarak gerçekleştirmişti.

Doğuştan bir anlayış mı?

Zaman ve deneyim ile öğrenme oldukça önemlidir, ancak her şey bundan ibaret değildir. Piloto ve meslektaşları tarafından yapılan bu araştırma, insanlarda neyin doğuştan olabileceği ve neyin öğrenilebileceği konusundaki asırlık sorulara da bir cevap kazandırıyor. Bunun ötesinde, bilgi edinen yapay sistemler söz konusu olduğunda, algısal verilerin oynayabileceği rol için yeni sınırlar tanımlıyor. Araştırma bunun yanı sıra bebekler üzerinde yapılan çalışmaların insan zihnini simüle eden daha iyi yapay zeka sistemlerini oluşturmak için nasıl katkıda bulunabileceğini de gösteriyor.

HABERNEDİYOR.COM | TAYFUR BAL - ÖZEL HABER

Yorumlar (0)