Nörobilimciler İnsan Görsel Öğrenmesini Yansıtacak Model Tasarladı

Bilgisayar tabanlı yapay zeka (AI) yazılımını, yeni nesneleri öğrenmek için daha hızlı bir teknik kullanarak programlayarak, AI, insan zekasına daha çok benzemeye başlar. Bu, iki nörobilimcinin insan görsel öğrenmesini yansıtan bir model tasarlamasının sonucudur.

Georgetown Üniversitesi Tıp Merkezi’nde nörobilim profesörü olan Maximillian Riesenhuber, PhD ve UC Berkeley’de doktora sonrası araştırmacı olan Joshua Rule, PhD tarafından yapılan araştırma, Frontiers in Computational Neuroscience dergisinde yayımlandı. 

AI Yeni Görsel Kavramları Öğrenme

Nörobilimciler, yeni yaklaşımın AI yazılımının yeni görsel kavramları hızlı bir şekilde öğrenme yeteneğini nasıl geliştirdiğini gösterdiler.

“Modelimiz, yapay sinir ağlarının küçük bir örneklem kümesinden yeni görsel kavramları öğrenmek için biyolojik olarak mümkün bir yol sağlar” diyor Riesenhuber. “Önceden öğrenilen bilgileri bir veri tabanından, kavramlar hakkında bir tür veri deposu gibi kullanarak, bilgisayarların çok daha az örnekten daha iyi öğrenmesini sağlayabiliriz, bu da bizim düşündüğümüz gibi beyin tarafından yapılanı taklit eder.”

İnsanlar, çok az veri ile yeni görsel kavramları çok hızlı ve doğru bir şekilde öğrenme yeteneğine sahiptir. Bu yeteneğe çok genç yaşta, üç aylık iken sahip oluruz. Ancak bilgisayarlar, bir nesnenin ne olduğunu anlamak için aynı nesnenin birçok örneğine ihtiyaç duyar.

“Beynin hiyerarşisinin hesaplamalı gücü, önceden öğrenilen temsilciler veri tabanından yararlanarak öğrenmeyi basitleştirme potansiyelinde yatar” diyor Riesenhuber.

Yapay Sinir Ağları ve İnsan Görsel Sistemi

Riesenhuber ve Rule, yapay sinir ağlarının yeni görsel kavramları çok daha hızlı bir şekilde öğrenabileceğini, insan yeteneği seviyesine yaklaşabileceğini buldular.

“Yaklaşımımız, yüksek seviyeli kavramları düşük seviyeli görsel özellikler yerine diğer yüksek seviyeli kavramlar olarak açıklar” diyor Rule. “Bu, bir platipusun bir ördek, bir kanguru ve bir deniz sansarı gibi göründüğünü söylemek gibidir.”

İnsan görsel kavram öğrenimi, nesne tanıma sürecinde yer alan sinir ağlarına büyük ölçüde bağlıdır ve beynin anterior temporal lobunun şekil ötesinde kavram temsil etme yeteneğine sahip olduğu düşünülmektedir. Bu nedenle, görsel tanıma ile ilgili sinir hiyerarşileri o kadar karmaşıktır ki, insanlar yeni görevleri öğrenebilir ve önceden öğrenilen bilgileri kullanabilir.

“Bu kavramları yeniden kullanarak, yeni kavramları, yeni anlamları, örneğin bir zebranın farklı bir at türü olduğunu daha kolay öğrenebilirsiniz” diyor Riesenhuber.

AI, hala insan görsel sistemine ulaşmadı, bu sistem az örnekten genellemeye, görüntü varyasyonlarıyla başa çıkmaya ve sahneleri anlamaya yönelik üstün bir yeteneğe sahiptir. Ancak gelişmeler onu yaklaştırmaktadır.

“Buluntularımız, bilgisayarların daha hızlı ve verimli bir şekilde öğrenmelerine yardımcı olabilecek teknikler önermekle kalmaz, aynı zamanda insanların neden bu kadar hızlı öğrendiğini anlamaya yönelik nörobilimsel deneyleri iyileştirebilir, bu henüz iyi anlaşılmış değil” diyor Riesenhuber.