Araştırmacılar Yeni Tür “Beyin Hücreleri” ile AI Sistemlerini Geliştirmeyi Hedefliyor

MIT’de bulunan bir araştırma ekibi, sinir ağlarını diğer beyin hücreleri türlerine dayalı yapılarla birleştirerek sinir ağlarının performansını artırmayı hedefliyor. Araştırma ekibi, sinir ağlarına astrocyt tabanlı yapıları entegre edecek ve sinir ağlarının sinyallerini zaman ölçekleri boyunca nasıl işlediğini değiştirmelerine izin verecektir.

Derin sinir ağları, insan beyninin sinir ağlarından esinlenmiştir. Takviye öğrenme algoritmaları, zaman içinde hatalarından ve başarılarından öğrenir ve bu sayede Satranç ve Go gibi karmaşık zorlukları ustalaşmasını sağlar. Ancak, derin sinir ağları, insanların başa çıkmak zorunda olduğu ortak sorunlarla karşılaştıklarında zorluk yaşar. Mevcut domaine veya ortama kazanılan genel bilgiler gerektiren herhangi bir durum, derin sinir ağları için zorlu olabilir.

MIT’nin Picower Enstitüsü’ne göre, araştırma ekibi, derin sinir ağlarını daha güçlü, çok yönlü ve güvenilir hale getirmek için sinir ağına astrocyt hücrelerine dayalı bir yapı türü eklemeyi hedefliyor.

MIT’de Nörobilim Newton Profesörü Mriganak Sur, nöronlara odaklanmanın, beynin önemli rollerini oynayan diğer tür beyin hücrelerinin göz ardı edilmesine neden olduğunu açıkladı. Sur, şu anda bile en gelişmiş derin sinir ağlarının, kuralların veya bağlamın değişmediği veya zamanın alakasız olduğu ortamlarda faktörleri dikkate almakta ve onlardan öğrenmekte zorluk çekebileceğini açıkladı. Bu koşullarda, bir sinir ağı, başarılı stratejileri zaman içinde takip etmekte, keşfetme/kullanma ticaretini dengelemekte ve öğrendiklerini farklı bir bağlamdaki benzer görevlere uygulamada zorluk çekebilir.

Sur’a göre, recent kanıtlar, astrocytlerin yukarıdaki görevleri gerçekleştirmeye olanak tanıyan, nöronların yanı sıra paralel bir ağ olarak işlev gören yetenekleri sayesinde beynin gerçekleştirmesine önemli bir rol oynadığını gösteriyor. Astrocytleri bir sinir ağına tanıtmak, AI’nın uzun zaman ölçekleri boyunca toplanan bilgileri entegre etmesine, benzer durumları tanımalarına ve öğrenilen yetenekleri yeniden amaçlarına uygun şekilde kullanmasına ve nöronlar arasındaki sinaptik bağlantıları modüle etmesine izin verecektir. Astrocytler, prefrontal korteksındaki nöronlara senaryoları keşfetmeye yardımcı olur ve striatumdaki hücrelere durumları kullanmada yardımcı olur, her ikisi de kimyasal nöromodülatörler aracılığıyla yönetilir.

Sur’a göre, recent kanıtlar, astrocytlerin yukarıdaki görevleri gerçekleştirmeye olanak tanıyan, nöronların yanı sıra paralel bir ağ olarak işlev gören yetenekleri sayesinde beynin gerçekleştirmesine önemli bir rol oynadığını gösteriyor. Astrocytleri bir sinir ağına tanıtmak, AI’nın uzun zaman ölçekleri boyunca toplanan bilgileri entegre etmesine, benzer durumları tanımalarına ve öğrenilen yetenekleri yeniden amaçlarına uygun şekilde kullanmasına ve nöronlar arasındaki sinaptik bağlantıları modüle etmesine izin verecektir. Astrocytler, prefrontal korteksindeki nöronlara senaryoları keşfetmeye yardımcı olur ve striatumdaki hücrelere durumları kullanmada yardımcı olur, her ikisi de kimyasal nöromodülatörler aracılığıyla yönetilir.

Araştırma ekibi, astrocytlerin derin sinir ağlarını nasıl artırabileceğini çeşitli deneyler aracılığıyla araştıracaktır, her biri farklı uzmanlar tarafından yürütülecektir. Deneysel sonuçlar, araştırma ekibinin sahip olduğu teoriyi iyileştirmek için kullanılacaktır. Araştırmacılar, farelerde ve insanlarda yapılan basit deneylerden veri toplayacak ve beyin bölgeleri, astrocytler ve nöromodülatörlerdeki değişikliklerin performansı nasıl etkilediğini izleyeceklerdir.

Son olarak, Alfonso Araque ve Sur, fareleri izleyerek astrocytlerin nasıl çalıştığını görmeye çalışacaklar. Ayrıca, astrocytleri manipüle ederek bu durumun takviye öğrenme sürecini nasıl etkilediğini görecekler.

Ekibe göre verilen hibe:

“Merkezi hipotezimiz, astrocytlerin nöronlar ve nöromodülatörlerle etkileşiminin, beynin doğal olarak ödül öğrenimi gerçekleştirmesine ve devlet-sanatlı takviye öğrenme (RL) sistemleriyle ilgili birçok sorunu aşmasına olanak tanıyan hesaplamalı yeteneğin kaynağıdır.”