Beyinimizin yeni bilgileri öğrenme biçimi, bilim insanlarını onlarca yıl boyunca şaşkınlık içinde bıraktı. Her gün yepyeni bilgilerle karşılaşıyoruz. Beyinlerimiz önemli olanı saklayıp, geri kalanını unutmayı ürettiğimiz herhangi bir bilgisayardan daha etkili bir biçimde gerçekleştirmeyi nasıl başarıyor?

Görünüşe bakılırsa bu süreç, yıldızların oluşumu ve evrenin evriminde etkin olan aynı yasalarla kontrol ediliyor. Fizikçilerden oluşan bir ekip, öğrenme sürecinin nihayetinde termodinamik yasalarıyla sınırlandığını hücresel seviyede göstermeyi başardılar.  Araştırmayı önemli kılan ise sinir ağlarının analizinde termodinamiğin ikinci yasasının kullanmış olması.

Termodinamiğin ikinci yasası, fiziğin en meşhur yasalarından biridir ve kapalı bir sistemdeki toplam entropinin zaman geçtikçe daima arttığını ifade eder. Entropi, bir sistemdeki düzensizliğin bir ölçütü olarak bilinen termodinamik bir büyüklüktür. Bunun anlamı; sisteme sonradan enerji aktarımı yapılmadığı müddetçe, dönüşümler geriye alınamaz, nesneler devamlı olarak daha düzensiz hale gelir, çünkü bu şekilde daha etkilidir. Entropi, son zamanlarda zamanın yönünün neden daima ileri doğru olduğuna dair bir hipoteze öncülük ediyor. Termodinamiğin ikinci yasası, kırılan bir yumurtayı eski haline döndüremeyeceğinizi, çünkü bu işlemin evrenin toplam entropisini düşürebileceğini, bu nedenden dolayı da daima gelecek ve geçmişin var olacağını söylemektedir. Fakat bunun, beyinlerimizin öğrenme biçimiyle ne alakası var? Tıpkı atomların bağ kurmaları ve yıldızlarda gaz parçacıklarının düzenlenmesi gibi, beyinlerimiz de kendilerini organize etmek için en etkili yolu buluyorlar.

En basit haliyle öğrenmenin, beynimizdeki milyarlarca sinir hücresinin ateşlenmesiyle kontrol edildiği gerçeğini aklınızın bir köşesinde tutarsanız, bu enerji çıktısı içindeki örüntüleri fark etmek biraz daha kolay hale gelir. Öğrenmenin nasıl işlediğini modellemek amacıyla, araştırma ekibi bir sinir ağı inşa ettiler.

Araştırmacıların aradığı şey, sinir hücrelerinin gürültüyü nasıl filtrelediği ve önemli duyusal girdilere nasıl cevap verdiğiydi. Modellerini, Hebbian teorisi denilen ve öğrenme süreci boyunca sinir hücrelerinin nasıl adapte olduklarını açıklayan teoriye dayandırdılar. Bu genellikle, “hücreler birlikte ateşlenir, birlikte bağlanırlar” diye özetlenebilir. Basitçe açıklamak gerekirse; hücreler çeşitli örüntülerde ateşlenmekte daha iyi hale geldikçe, sonucunda açığa çıkan düşünceler beynimizde daha da pekişir. Bu modeli kullanarak, araştırmacılar sinir ağında üretilen toplam entropinin, öğrenmenin verimli olmasını zorladığını gösterdiler. Daha yavaş bir sinir hücresi öğrendiğinde, daha düşük ısının ve entropinin üretildiğini ve verimliliğin arttığını fark ettiler.

Peki bu bizim için ne anlam ifade ediyor?

Ne yazık ki, bu sonuçlar bize nasıl daha iyi öğreneceğimiz ve nasıl daha zeki olacağımız hakkında çok fazla şey söylemiyor. Nasıl insan beyni kadar verimli bir şekilde öğrenebilen bilgisayarlar üretebileceğimiz hakkında da sihirli çözümler de sunmuyor. Bu sonuçlar, sadece geri bildirimin kullanılmadığı basit öğrenme algoritmalarında kullanılabilir. Fakat araştırmacılar öğrenme üzerindeki çalışmalara yeni bir bakış açısı getirerek, beyin hücrelerimizin de evrenin geri kalanıyla aynı termodinamik yasaları takip ettiğine dair kanıtlar sunuyor. Fakat yine de ekip, beynimizi termodinamik kavramlarıyla ele alan ilk grup değil. Daha önce Fransa ve Kanada’dan bir ekip, bilincin; basitçe entropinin ve kendilerini daha etkili bir biçimde organize eden beyinlerimizin bir yan etkisi olabileceğini öne sürmüşlerdi.

Beyinlerimizin nasıl çalıştığını anlama sürecinde hala çok uzun bir yoldayız ve pek çok çalışma içerisinde bu iki tanesi, neden beyin hücrelerimizin şu anki halleriyle birbirlerine bağlandıklarını ve işlev gördüklerini açıklamaya çalıştı. Fakat her yeni ipucu, beyinlerimizin muazzam gücünün sırlarını çözmeye ve bundan yapay sistemlerde nasıl faydalanabileceğimizi öğrenmeye bir adım daha yaklaştırıyor.