Derin öğrenme, dünyayı daha çok insan gibi "görebilen" ve algılayabilen makinelerin geliştirilmesine olanak sağladı. Esasında insan beyninden ilham alınarak ortaya atılan derin öğrenmeden bahsediyoruz ancak ortada hala cevaplanmayı bekleyen de bir soru var: İnsan beyni gerçekten de bu şekilde mi öğreniyor? Bu sorunun cevabı daha güçlü yapay zekâlar yaratabilmenin ve insan zekâsının gizemlerini çözebilmenin de potansiyelini elinde bulunduruyor.

Derin öğrenme, (aynı zamanda derin yapılandırılmış öğrenme, hiyerarşik öğrenme ya da derin makine öğrenmesi) bir veya daha fazla gizli katman içeren yapay sinir ağları ve benzeri makine öğrenme algoritmalarını kapsayan çalışma alanıdır.

2017 yılının sonunda, eLife’ta yayımlanan araştırmada, insan beyninde gerçekleşen derin öğrenme mekanizmasını simüle eden bir algoritma ortaya koyuldu. Çalışmada, belli memeli nöronlarının şekil ve elektriksel özellik itibariyle derin öğrenmeye ne kadar uygun olduğu gösteriliyor. Çalışmanın önemli bir yanı da gerçek beynin, derin öğrenmeyi nasıl gerçekleştirebilecekleri konusunda dair biyolojik açıdan daha gerçekçi bir yol sunuyor olması.

Toronto Üniversitesi ve Google DeepMind’dan Timothy Lillicrap işbiriliğiyle yapılan çalışmada, sunulan algoritma, neokorteksteki sinir hücrelerinin çalışma prensibine dayanıyor. Neokorteks, beynimizin yüksek seviye fonksiyonlarından sorumlu kısmı olarak biliniyor. Neokorteksteki sinir hücrelerinin çoğu, ağaçlara benzer, tıpkı kökleri beynin derinliklerinde yer alan, dalları yüzeye yakın olan ağaçları andırırlar. İlginç olan ise, köklerin dallara göre daha farklı çeşitte bir veri setini algılıyor olmasıdır.

Nöronların bu yapılarını bilen araştırma ekibi, sinyalleri ayrı bölmeler halinde algılayan bir model tasarladılar. Bu yapı, farklı katmanlarda bulunan simüle nöronların işbirliği halinde çalışmalarına ve derin öğrenmeyi ortaya çıkarmalarına olanak sağladı.

Araştırma ekibi, bu çalışmanın bir simülasyonlar seti olduğunu ve beynimizin gerçekte tam olarak nasıl çalıştığını bize anlatmasının mümkün olmadığını, ancak beynimiz bunlara benzer algoritmaları kullanıyorsa; bu bilgini bize yapay zekâ araştırmalarında daha fazla deneysel inceleme imkanı sunacağını belirtiyor.

Çalışmanın Geçmişi

Bu çalışmanın geçmişi, Kanada İleri Araştırmalar Enstitüsü’nde, yapay zeka geliştirme ve insan beyninin nasıl çalıştığını öğrenme amacıyla kurulan “Makinelerde ve Beyinde Öğrenme” adlı programa dayanıyor.

2000’lerin başında araştırmacılar, Toronto Üniversitesi’nde aldıkları bir derste derin öğrenme modellerinin, insan beyninin nasıl çalıştığıyla ilgili bazı gerçekleri yakaladıklarına ikna olmuşlardı. Tabii bazı engeller vardı. Birincisi, derin öğrenme insan seviyesinde bir yeteneğe hiç ulaşabilecek miydi? İkincisi ise; algoritmalar, sinirbilimciler tarafından kanıtlanmış gerçekleri çiğnemeden kurulabilecek miydi?

Artık araştırmacılar sinirbilimle yapay zeka arasındaki boşluğu kapatma çabasındaydılar. Konuyla ilgili hazırlanmış algoritmaları biyolojik çalışmaların sonuçlarıyla birleştiren ekip, beyni simüle eden daha gerçekçi bir algoritma yaratmayı başardı.

Çalışmanın Geleceği

Ağaç şeklindeki neokorteks nöronları, beyindeki birçok hücre tipinden yalnızca biridir. Araştırmacılara göre, gelecekte yapılacak çalışmalarla farklı beyin hücreleri de modellenmeli ve derin öğrenmeyi nasıl gerçekleştirdikleri incelenmeli. Uzun vadede pek çok sorunun cevaplanması bekleniyor. Örneğin tecrübe yoluyla öğrenmek, geri-bildirim almadan nasıl mümkün olabilir?

Gelecek yıllarda derin öğrenme çalışmaları, sinirbilim ve yapay zekâ arasında, sinirbilimin keşiflerinin yeni yapay zekâ geliştirmelerini doğuracağı ve yapay zekânın da sinirbilimdeki veriyi anlayıp yorumlayabileceği bir araştırma döngüsünde yürüyebilir.