Araştırmacılar, yapay zekaya 

Araştırmacılar, yapay zeka sistemlerinin çoğunda görülen temel bir sorunu, doğadaki canlıların uyku sürecini taklit ederek çözmeyi başardı.

Pek çok yapay zeka sistemi, yalnızca bir görevde başarılı olabiliyor. Tamamen farklı bir göreve geçtiklerinde ilk işten edindikleri bilgi siliniyor.

Yapay zeka, bilgileri sürekli öğrenme ve uygulama yeteneğine sahip canlılardan bu açıdan da ayrışıyor. Bilim insanları yapay sistemlerdeki bu soruna "yıkıcı unutma" adını veriyor.

Yeni çalışmanın arkasındaki ekibe liderlik eden, araştırma görevlisi Pavel Sanda bunu, "Sistemi doğru şekilde eğittiyseniz, sonra ona tamamen yeni bir görev öğretmek çok zor" diye açıkladı: Eğer yeni görevi öğretmeyi başarırsanız, eski hafızaya zarar verirsiniz.

Sanda ve meslektaşları, bu sorunu aşmak için iğnecikli bir sinir ağını (spiking neural network) eğitti. İnsan beyninin yapısına benzeyen, birbirine bağlı yapay nöron ağlarına "iğnecikli sinir ağı" adı veriliyor.

Canlıların uyku yeteneğini bu sinir ağına uyarlayan ekip, kısa süreli anıları uzun süreli anılara dönüştürmeye yardımcı olan "hafıza konsolidasyonu" sürecini taklit etti.

Bunun ardından ekip, yapay zekaya iki farklı görevi öğretmeye çalıştıkları iki deney tasarladı. Her iki görevde de ağın, ödül ve ceza arasında ayrım yapmayı öğrenerek kendi başına karar alacak düzeye getirilmesi gerekiyordu.

Uykunun taklit edilmediği ilk deneyde, sistemin yeni görevde öğrendiği her bilginin önceki görevde edindiklerine zarar verdiği görüldü. İlk bilgilerin yavaş yavaş silindiği ve üzerine yenilerinin yazıldığı tespit edildi.

Bunun üzerine araştırmacılar, ağın biyolojik uykuyu taklit etmesini sağlayarak diğer deneye başladı. Yapay zeka ikinci görevi öğrenirken aralara kısa uyku fazları serpiştirildi.

Sonunda bu yöntemin, sistemin ilk görevi nasıl gerçekleştirdiğini hatırlamasını sağladığı ortaya çıktı.

VICE News'e konuşan Sanda, "Çok basit ilkeler o kadar da basit olmayan etkiler yaratabilir" ifadelerini kullandı: Gerçek, biyolojik uykudan ilham aldık ama modelimiz çok daha basitti.

ABD'deki Massachusetts Amherst Üniversitesi'nde görev alan bilim insanı Hava Siegelmann, hakemli bilimsel dergi PLOS Computational Biology'de yayımlanan araştırmayı şöyle yorumladı: Böyle bir ağ, öğrendiklerini yeni durumlara uygulama yeteneğine sahip olur. Tıpkı hayvanlar ve insanlar gibi…