Post Author Avatar
Sevkan Uzel
Yıldız Teknik Üniversitesi - Çevirmen/Editör

Cep telefonlarından iPhone 7 için kullanılan en son çip, hemen hemen bozuk para büyüklüğünde olan bir parça silikonun içine sıkıştırılmış 3,3 milyar transistör içeriyordu. Fakat giderek küçülen ve gücü artan bilgisayar trendi sona yaklaşıyor. Silikon temelli çipler, fizik yasalarının artık daha fazla küçülmelerini engelleyeceği bir noktaya hızla yaklaşıyor. Ayrıca silikon temelli cihazların yapabileceklerine ilişkin bazı önemli sınırlamalar da var. Bu nedenle bilgisayar yapmanın başka yolları araştırılıyor.

Araştırmacıların üzerinde çalıştığı olasılıklar arasında en tanınmışı kuantum bilgisayar olsa gerek. Kuantum bilgisayarlar, çiplerin özelliklerini alışıldık dijital makinelerden farklı biçimde manipüle edebilir. Bundan başka, hesaplama yapmak için alternatif malzemelerin (potansiyel olarak her türlü malzeme ya da fiziksel sistemin) bilgisayar olarak kullanılması gündemde. Böylelikle silikon çiplerde yapılan elektron manipülasyonuna gerek olmayabilir. Üstelik anlaşıldığı kadarıyla yapay zeka geliştirmek için var olan bilgisayarlardan daha kullanışlı olabilirler.

Bu düşünceden genellikle "rezervuar hesaplama" (İng. reservoir computing) şeklinde söz ediliyor. Çıkış noktasının, beyni örnek alarak modellenmiş bilgisayar ağı geliştirme girişimleri olduğu söylenebilir. Fiziksel sistemlerin (bir kova sudan, karbon nanotüplerle bağlanmış plastik baloncuklara kadar herhangi bir şeyden) yararlanarak, sistemlerin doğal hesaplama güçlerini kullanmak amaçlanıyor.

Girdi ve Çıktı

Rezervuar bilgisayarlar, bir hesaplama parçasını yapmak için bir malzemenin doğal durumunun fiziksel özelliklerinden yararlanır. Yani, hesaplama gerçekleştirmek için bir malzemenin özelliklerini değiştiren şu anki dijital hesaplama modelinin tersidir. Örneğin günümüzde kullanılan mikroçipleri yaratmak için silikonun kristal yapısını değiştiriyoruz. Bir rezervuar bilgisayar ise ilkesel olarak, bir parça silikondan (ya da istenen sayıda başka malzemeden) böyle tasarım modifikasyonları olmadan üretilebilir.

Temel düşünce şu: Bir malzemeyi bir şekilde uyarmak ve bunun onu nasıl etkilediğini ölçmeyi öğrenmek. Eğer uyarı girdisinden değişim çıktısına nasıl varabileceğini anlayabilirseniz, dolaylı olarak bir hesaplama yapmış olursunuz ve bunu daha sonra bir dizi hesaplamanın bir parçası olarak kullanabilirsiniz. Elektronların konumlarına dayanan geleneksel bilgisayar çiplerinden farklı olarak, malzemedeki parçacıkların spesifik düzeni önemli değildir. Burada yapılması gereken, malzemenin değişim çıktısını ölçmemizi sağlayacak olan ve bütünü kapsayan bazı belirli özelliklerin gözlemlenmesidir.

Örneğin bir araştırma ekibi tarafından, bir kova sudan basit bir rezervuar bilgisayar yapılandırdı. Ekip, mekanik problar ile suya uyarım gönderdikten sonra, suyun yüzeyini çekime alan ve ayırt edici dalgalanma desenlerini okuması sağlanan bir kamera kullanılabileceğini gösterdi. Araştırmacılar prob hareketlerini dalgalanma deseni ile bağlantılandırarak, hesaplamayı gerçekleştirdi ve ardından bunu kullanarak bazı mantıksal işlemler gerçekleştirdi. Özünde suyun yaptığı, probdan gelen girdiyi, kullanışlı bir çıktıya dönüştürmekti.

Genel Amaçlı Beyin Hücreleri

Rezervuar hesaplama düşüncesi, yakın zamanda yapılan nörobilim araştırmalarında keşfedilen "genel amaçlı" beyin parçaları ile de uyum gösteriyor. Beynin bu bölümlerini oluşturan nöronların çoğunun kesin görevleri yok ama yine de beynin daha özelleşmiş bölümlerinin bilişsel işlevlerine destek sağlayarak verimi artırıyorlar. Bilgisayarda olduğu gibi eğer bu nöron rezervuarına spasifik bir sinyalle uyarım gönderilirse, son derece karakteristik bir şekilde yanıt verir ve bu yanıt hesaplamaların gerçekleştirilmesine yardımcı olur.

Örneğin yakın zamanda yapılan çalışmalar, bir şey duyduğumuzda ya da gördüğümüzde, beynin genel bir parçasının ses veya ışıkla uyarıldığını ortaya koyuyor. O alandaki nöronların yanıtı, daha sonra beynin daha özelleşmiş bir başka alanı tarafından okunuyor.

Araştırmacılar rezervuar bilgisayarların son derece güvenilir ve hesaplama bakımından güçlü olup, kuramsal olarak dolaylı yoldan sonsuz sayıda işlevi yerine getirebileceklerini belirtiyor. Aslında simüle edilen rezervuarlar, tam da bu özelliklerinden dolayı şimdiden yapay zekanın bazı açılarından çok popüler oldu. Örneğin borsa öngörüleri yapmak için rezervuar yöntemleri kullanan sistemler, geleneksel yapay zeka teknolojilerinin çoğundan daha iyi performans gösterdi. Bunun nedeni kısmen şu: Rezervuarın gücünden yararlanan yapay zekayı eğitmek, kullanmayanı eğitmekten çok daha kolay.
Kaynak ve İleri Okuma
Etiket

Projelerimizde bize destek olmak ister misiniz?

Dilediğiniz miktarda aylık veya tek seferlik bağış yapabilirsiniz.

Destek Ol

Yorum Yap (0)

Bunlar da İlginizi Çekebilir