Yapay Zekâ, Fizik ve Biyolojiyi Birleştiren Ortak İlke Keşfedildi
Bilim insanları uzun zamandır köpüğün, baloncukların sabitlendiği cam gibi davrandığına inanıyordu. Yeni simülasyonlar, baloncukların asla gerçekten sabitlenmediğini ve bunun yerine birçok olası düzenleme içinde hareket etmeye devam ettiğini ortaya koyuyor.
Daha da beklenmedik olanı, bu hareketin yapay zeka sistemlerinin öğrenmesini sağlayan aynı matematiği izlemesidir. Bu bulgu, öğrenmenin doğa ve teknoloji genelinde bulunan daha geniş bir ilke olabileceğine işaret ediyor.
Köpük Tanıdık Ama Yanlış Anlaşılan Bir Şey
Köpükler, sabun köpüğü, tıraş kremi, krema ve mayonez gibi gıda emülsiyonları da dahil olmak üzere birçok günlük biçimde karşımıza çıkar. On yıllarca bilim insanları, bu malzemelerin mikroskobik parçalarının düzensiz ancak hareketsiz düzenlemelere kilitlendiği cam gibi davrandığına inanıyordu.
Bu uzun süredir devam eden varsayım şimdi sorgulanıyor. Pennsylvania Üniversitesi’ndeki mühendisler, köpüklerin sabit bir dış şekli korurken bile sürekli iç hareket halinde kaldığını keşfetti. Matematiksel açıdan, bu gizli hareket, modern yapay zeka sistemlerini eğitmek için yaygın olarak kullanılan yaklaşım olan derin öğrenmeye çok benziyor.
Bu bulgu, matematiksel bir süreç olarak ele alındığında öğrenmenin, fiziksel malzemeler, canlı sistemler ve hesaplama modelleri arasında ortak bir düzenleyici ilke olabileceğini düşündürmektedir. Ayrıca, zaman içinde uyum sağlayabilen malzemelerin tasarlanması konusunda yeni düşünme biçimlerine işaret etmektedir. Buna ek olarak, çalışma, canlı hücrelerin iç yapısı gibi sürekli olarak yeniden organize olması gereken biyolojik yapılar hakkında da bilgiler sunabilir.
Modern yapay zekâ sistemlerini eğitmek için kullanılan derin öğrenme sürecini matematiksel olarak yansıtan köpükteki baloncukların mikroskobik yakın çekimi. Kaynak: Crocker Laboratuvarı
Sürekli Yeniden Düzenlenen Baloncuklar
Ulusal Bilimler Akademisi Bildirilerinde yayınlanan bir araştırmada, ekip ıslak bir köpüğün içindeki baloncukların yollarını izlemek için bilgisayar simülasyonları kullandı. Baloncuklar sabit pozisyonlara yerleşmek yerine, çok çeşitli olası düzenlemeler arasında dolaşmaya devam etti.
Matematiksel bir bakış açısından, bu davranış derin öğrenme sistemlerinin nasıl çalıştığıyla yakından eşleşiyor. Eğitim sırasında, bir yapay zekâ, nihai bir konfigürasyona kilitlenmek yerine, parametrelerini (bir yapay zekânın “bildiği” şeyi kodlayan bilgi) tekrar tekrar ayarlar.
Kimya ve Biyomoleküler Mühendislik (CBE) Profesörü ve makalenin ortak kıdemli yazarı John C. Crocker, “Köpükler sürekli olarak kendilerini yeniden düzenliyor” diyor. “Köpüklerin ve modern yapay zeka sistemlerinin aynı matematiksel prensipleri takip etmesi dikkat çekici. Bunun neden böyle olduğu hala açık bir soru, ancak bu, uyarlanabilir malzemeler ve hatta canlı sistemler hakkındaki düşüncelerimizi yeniden şekillendirebilir.”
Geleneksel Köpük Modellerinin Neden Yetersiz Kaldığı
Görebildiğimiz ve dokunabildiğimiz ölçekte, köpükler genellikle katılar gibi davranır. Genellikle şekillerini korurlar ve bastırıldığında eski hallerine dönebilirler. Bununla birlikte, çok daha küçük ölçeklerde, köpükler, sıvı veya katı bir zeminde asılı duran kabarcıklardan oluşan “iki fazlı” malzemeler olarak sınıflandırılır.
Köpüklerin üretimi ve gözlemlenmesi kolay olduğu ve yine de karmaşık mekanik davranışlar sergilediği için, bilim insanları uzun zamandır onları canlı hücreler de dahil olmak üzere diğer yoğun ve dinamik sistemleri incelemek için basitleştirilmiş modeller olarak kullanmışlardır.
Eski teoriler, köpük kabarcıklarını bir enerji manzarasında hareket eden ağır nesneler gibi tanımlamıştır. Bu resimde, kabarcıklar daha az enerji gerektiren konumlara doğru yuvarlanır ve orada kalır. Bu çerçeve, köpüklerin oluştuktan sonra neden bir vadinin dibinde duran bir kaya parçası gibi kararlı göründüğünü açıklamaya yardımcı olmuştur.
Köpük Fiziğinde Uzun Süredir Çözülemeyen Bir Bulmaca
Deneysel verilerin daha yakından incelenmesi bir sorunu ortaya çıkardı. Köpüklerin gerçek davranışı, bu teorilerin öngördüğüyle uyuşmuyordu.
Crocker, “Verilere gerçekten baktığımızda, köpüklerin davranışı teorinin öngördüğüyle uyuşmuyordu,” diyor. “Bu tutarsızlıkları yaklaşık 20 yıl önce görmeye başladık, ancak gerçekte ne olduğunu tanımlayacak matematiksel araçlara henüz sahip değildik.”
Bu çatışmayı çözmek, tek bir kalıcı duruma yerleşmeden sürekli değişen sistemleri tanımlayabilen yeni bir düşünme biçimi gerektiriyordu.
Yapay Zekadan Alınan İçgörüler
Modern yapay zeka sistemleri, eğitim sırasında sayısal parametreleri sürekli olarak ayarlayarak öğrenir. Erken eğitim yöntemleri, bu sistemleri eğitim verileriyle mükemmel bir şekilde eşleşen tek bir en iyi çözüme doğru itmeyi amaçlıyordu.
Derin öğrenme, gradyan inişi olarak bilinen matematiksel bir yöntemle ilgili optimizasyon tekniklerine dayanır. Bu algoritmalar, bir sistemi hatayı azaltan konfigürasyonlara doğru tekrar tekrar yönlendirerek, adım adım daha iyi performansa doğru ilerler. Öğrenmeyi bir manzara olarak görselleştirecek olursak, bu süreç, daha iyi çözümlere doğru yokuş aşağı inmeye benzeyecektir.
Zamanla, araştırmacılar sistemleri mümkün olan en derin çözümlere zorlamanın sorunlara yol açtığını keşfettiler. Eğitim verilerine çok yakın olan modeller, yeni durumlarla başa çıkmakta genellikle zorlanıyordu.
“Temel içgörü, sistemi mümkün olan en derin vadiye itmek istemediğinizi fark etmekti,” diyor CBE Profesörü ve çalışmanın kıdemli yazarlarından Robert Riggleman. “Penn araştırmacıları köpük simülasyonlarını bu çerçeveyi kullanarak yeniden analiz ettiklerinde, benzerlik açıkça ortaya çıktı. Köpük baloncukları derin, kararlı pozisyonlara yerleşmiyor. Bunun yerine, birçok konfigürasyonun eşit derecede geçerli olduğu geniş bölgelerde hareket halinde kalıyorlar.
Bu davranış, modern yapay zeka sistemlerinin nasıl öğrendiğini yakından yansıtıyor. Derin öğrenmenin neden etkili olduğunu açıklayan aynı matematik, köpüğün içinde gerçekleşen sürekli yeniden düzenlemeyi de yakalıyor.
Uyarlanabilir Malzemeler ve Biyoloji İçin Çıkarımlar
Çalışma, birçok kişinin zaten iyi anlaşıldığına inandığı bir alanda yeni içgörüler sunuyor. Geleneksel düşünceye meydan okuması, en önemli katkılarından biri olabilir.
Köpük baloncuklarının cam benzeri hallerde hapsolmadığını, bunun yerine öğrenme algoritmalarına benzer şekillerde hareket ettiğini göstererek, araştırma bilim insanlarını diğer karmaşık sistemlerin bu matematiksel bakış açısıyla nasıl davranabileceğini yeniden düşünmeye teşvik ediyor.
Crocker’ın ekibi, köpüklere olan ilgisini ilk tetikleyen sisteme, yani hücre içindeki yaşamı destekleyen mikroskobik iskelete yeniden odaklanıyor. Köpük gibi, sitoskeleton da genel yapısını korurken sürekli olarak kendini yeniden organize etmelidir.
Crocker, “Derin öğrenmenin matematiğinin köpükleri doğru bir şekilde karakterize etmesinin büyüleyici bir soru olduğunu” söylüyor. “Bu, bu araçların orijinal bağlamlarının çok ötesinde yararlı olabileceğine işaret ediyor ve tamamen yeni araştırma alanlarının kapısını açıyor.”
Kaynak: https://scitechdaily.com