Araştırmacılar Memeli Koku Sistemi İle İlham Alan Bilgisayar Algoritması Geliştirdiler

Cornell Üniversitesi’nden araştırmacılar, memeli koku sistemi ile ilham alan bir bilgisayar algoritması geliştirdiler. Bilim adamları, memelilerin nasıl koku öğrendiklerini ve tanıdıklarını uzun süredir açıklamaya çalışıyorlar. Yeni algoritma, beynin işleyişine ilişkin fikir veriyor ve bir bilgisayar çipine uygulanması, hızlı ve güvenilir bir şekilde desen öğrenmesini sağlıyor, mevcut makine öğrenimi modellerinden daha iyi performans gösteriyor.

Thomas Cleland, psikoloji profesörü ve “Rapid Learning and Robust Recall in a Neuromorphic Olfactory Circuit” adlı çalışmanın kıdemli yazarı. Çalışma, 16 Mart’ta Nature Machine Intelligence’da yayımlandı.

“Bu, over a decade of studying olfactory bulb circuitry in rodents and trying to figure out essentially how it works, with an eye towards things we know animals can do that our machines can’t,” Cleland said.

“We now know enough to make this work. We’ve built this computational model based on this circuitry, guided heavily by things we know about the biological systems’ connectivity and dynamics,” he continued. “Then we say, if this were so, this would work. And the interesting part is that it does work.”

Intel (INTC ) Bilgisayar Çipi

Cleland, Intel’den araştırmacı Nabil Imam ile birlikte çalıştı ve algoritmayı Intel’in Loihi adlı bilgisayar çipine uyguladı. Loihi, nöromorfik bir çip, yani beynin işlevlerine ilham alan bir çip. Çip, dijital devreler içerir ve nöronların öğrenme ve iletişim kurma şekline benzer.

Loihi çipi, paralel çekirdekler kullanır ve her bir çekirdek, yerel aktiviteye bağlı olarak değişen bir etkiye sahip olan ayrı ayrı sinyallerle iletişim kurar. Bu, mevcut bilgisayar çiplerinde kullanılan algoritma tasarım stratejilerinden farklı stratejiler gerektirir.

Nöromorfik bilgisayar çipleri kullanılarak, makineler, desen tanıma ve belirli görevleri gerçekleştirme konusunda, bir bilgisayar merkezi veya grafik işlem biriminin binlerce kat daha hızlı çalışabilir.

Loihi araştırma çipi, ayrıca geleneksel yöntemlere kıyasla binlerce kez daha az enerji tüketerek belirli algoritmaları çalıştırabilir. Bu, hızlı ve sıralı bir şekilde öğrenen ve anlamlı desenleri güçlü duyusal girişimlere rağmen tanımlayabilen algoritma için idealdir. Algoritma, koku tanımlayabilir ve bilgisayarın öğrenmiş olduğu desenden %80 farklı olan desenleri bile tanımlayabilir.

“Sinyal deseni önemli ölçüde bozulmuş,” Cleland said, “ve yine de sistem bunu geri yükleyebiliyor.”

Memeli Beyni

Memelilerin beyni, kokuları tanımlamak ve hatırlamak konusunda çok iyidir ve binlerce koku reseptörü ve karmaşık nöral ağlar, kokularla ilgili desenleri analiz eder. Memelilerin yapabileceği ve yapay zeka sistemlerinin yapamadığı şeylerden biri, öğrendiklerini hatırlamaktır, hatta yeni bilgiler öğrenildikten sonra bile. Derin öğrenme yaklaşımlarında, ağ tüm bilgiyi aynı anda görmelidir, çünkü yeni bilgiler önceden öğrenilenleri etkileyebilir veya yok edebilir.

“Öğrendiğinizde, nöronları kalıcı olarak farklılaştırır,” Cleland said. “Bir koku öğrendiğinizde, interneuronlar belirli yapılandırmalara cevap vermek üzere eğitilir, böylece interneuron seviyesinde ayrımlaşma elde edersiniz. Makine tarafında, bunu güçlendirir ve net bir çizgi çizeriz.”

Cleland, yeni deneysel yaklaşımlar geliştirdiklerini söyledi.

“Bir biyolojik süreci incelerken, bu, basitçe sezgiyle anlaşılabilir bir şeyden daha karmaşık ve phứcekli bir hale gelir, bu nedenle zihninizi bir bilgisayar modeliyle disiplin altına almanız gerekir,” dedi. “Bunu sadece gözleyerek geçiştiremezsiniz. Ve bu, bizim sadece gözleyerek keşfedemeyeceğimiz yeni deneysel yaklaşımlar ve fikirlerle sonuçlandı.”