Yapay Zekâ İnsan Gibi Düşünmeye Yaklaşıyor mu?
İnsan hafızasından ilham alan yeni bir yapay zeka çerçevesi, makineleri daha verimli, uyarlanabilir ve muhakeme yeteneğine sahip hale getirebilir.
Engineering dergisinde yayınlanan yeni bir makale, insan hafızasının nasıl işlediğini modelleyerek yapay zekaya yeni bir yaklaşım sunuyor. Araştırma, ChatGPT gibi mevcut büyük ölçekli modellerin temel sınırlamalarının üstesinden gelmeyi ve daha verimli ve bilişsel olarak akıllı yapay zeka sistemleri için zemin hazırlamayı amaçlıyor.
Büyük modeller bir dizi uygulamada etkileyici performans sergilemiş olsa da, önemli eksiklikler de sergiliyorlar. Bunlar arasında yüksek veri ve hesaplama talepleri, yıkıcı unutmaya yatkınlık ve sınırlı mantıksal muhakeme yetenekleri yer alıyor. Çalışmaya göre, bu sorunlar yapay sinir ağlarının temel tasarımından, eğitim süreçlerinden ve tamamen veriye dayalı muhakemeye dayanmalarından kaynaklanıyor.
Makine Belleği ve M2I Çerçevesine Giriş
Bu zorlukların üstesinden gelmek için araştırmacılar, harici bilgileri makine tarafından okunabilir ve hesaplanabilir bir formatta kodlayan çok katmanlı, dağıtılmış bir ağ depolama yapısı olan “makine belleği” kavramını önermektedir. Bu yapı dinamik güncellemeleri, uzamsal-zamansal ilişkileri ve bulanık hash erişimini desteklemektedir. Makine belleğine dayalı olarak, iki etkileşimli döngü oluşturan temsil, öğrenme ve muhakeme modüllerinden oluşan M2I çerçevesini tanıttılar.
M2I Çerçevesinin Dört Odak Alanı
M2I çerçevesi dört temel alan etrafında toplanmaktadır:
Makine Hafızasının Nöral Mekanizmaları: Araştırma, beyindeki nöral sistemlerin nasıl önceden yapılandırıldığını ve beyin gelişimi ve plastisitesinin zekaya nasıl katkıda bulunduğunu araştırmaktadır.
İlişkisel Temsil: Bu çerçeve, insan hafızasının bilgiyi organize etme ve geri getirme şeklini taklit ederek, soyut-somut bağlantılar ve uzamsal-zamansal bağlantılar gibi ilişkilendirmeler yoluyla bilgiyi kodlamayı ve geri getirmeyi amaçlamaktadır.
Sürekli Öğrenme: Araştırmacılar, yıkıcı unutma sorununun üstesinden gelmek için, düşük güç koşullarında bile sürekli öğrenmeyi destekleyen yöntemler önermektedir. Bu, yapay zeka sistemlerinin önceki bilgileri kaybetmeden yeni bilgileri entegre etmesini sağlar.
İşbirlikçi Akıl Yürütme: Model, sezgisel ve mantıksal akıl yürütme sistemlerini birleştirerek YZ akıl yürütme süreçlerinde hem yorumlanabilirliği hem de verimliliği artırmayı amaçlamaktadır.
Araştırmacılar bu alanların her birinde temel konuları ve son gelişmeleri gözden geçiriyor. Örneğin, makine belleğinin nöral mekanizmalarında, beynin gelişiminin ve plastisitesinin zekaya nasıl katkıda bulunduğunu tartışıyorlar. İlişkisel temsillerde, makine belleğinde bilginin kodlanmasını ve geri getirilmesini iyileştirmenin yollarını araştırıyorlar. Sürekli öğrenmede, eski bilgileri unutmadan yeni bilgilere adapte olmak için yöntemler öneriyorlar. İşbirlikçi akıl yürütmede ise yapay zeka sistemlerinde akıl yürütmenin yorumlanabilirliğini ve verimliliğini artırmayı amaçlıyorlar.
Yeni Nesil Akıllı Makinelere Doğru
Bu araştırma yapay zeka alanında devrim yaratma potansiyeline sahip. M2I çerçevesi, insan beyninin hafıza mekanizmalarını taklit ederek, karmaşık görevlerin üstesinden daha iyi gelebilen ve değişen ortamlara uyum sağlayabilen daha akıllı ve verimli makinelerin geliştirilmesine yol açabilir. Bununla birlikte, bu yaklaşımın potansiyelini tam olarak gerçekleştirmek için daha fazla araştırmaya ihtiyaç vardır.
İnsan hafıza mekanizmalarından esinlenen makine hafıza zekası çalışması, yapay zeka gelişimi için umut verici yeni bir yön sunuyor. Mevcut büyük modellerin sınırlamalarını ele alma konusunda yeni bir bakış açısı sağlar ve yeni nesil akıllı makinelere yön verme potansiyeline sahiptir. Araştırma ilerledikçe, bu fikirlerin pratik uygulamalara nasıl dönüştürüleceğini ve çeşitli sektörleri nasıl etkileyeceğini görmek ilginç olacaktır.
Kaynak: https://scitechdaily.com