Araştırmacılar AI’ın Bize Benzemesini Sağlamak İçin Yeni Bir Açılıma Ulaştı

Tokyo Üniversitesi’nden araştırmacılar, bir yapay zeka (AI)’nın nasıl bizim gibi düşünülebileceği konusunda yeni bir açılıma ulaştılar. Araştırmacılar, bir robota nasıl bir labirentten geçeceğini öğretebileceklerini, bunu da robota bağlı bir beyin sinir hücreleri kültürünü elektriksel olarak uyaran bir yöntem kullanarak açıkladılar.

Yeni araştırma Applied Physics Letters‘de yayınlandı.

Sinir Hücreleri Fiziksel Rezervuar Olarak

Sinir hücreleri, nöronlardan oluşuyor. Bunlar, makinenin tutarlı sinyaller oluşturmasını sağlayan fiziksel rezervuar olarak işlev görüyor.

Bu sinyaller, robota ortamın belirli bir aralıkta tutulduğunu bildiriyor ve labirentte serbestçe hareket ederken bir referans noktası olarak işlev görüyor.

Testlerde, hücre kültüründeki nöronlar, robot yanlış yöne gittiğinde veya yanlış yöne baktığında her defasında elektriksel bir impulsla uyarıldı. Tüm denemeler boyunca, robot sürekli olarak homeostatik sinyallerle birlikte bozulma sinyalleri aldı ve sonunda labirent görevini başarıyla çözene kadar devam etti.

Hedefe Yönelik Davranışın Gerçekleştirilmesi

Araştırmacılara göre, bu bulgular, hedefe yönelik davranışın ek öğrenme olmadan üretilebileceğini gösteriyor. Bu, bir bedene bozulma sinyalleri gönderilerek gerçekleştiriliyor. Robot, çevresini göremediği veya duyusal bilgi alamadığı için tamamen elektriksel deneme-yanılma impulslarına bağlıydı.

Hirokazu Takahashi, mekanik-bilgisayar bilimi alanında yardımcı profesör.

“Kendim, deneysel çalışmalarımdan ilham alarak, canlı bir sistemdeki zekanın, düzenlenmemiş bir durumdan veya kaotik bir durumdan tutarlı bir çıktı çıkarmak için ortaya çıkan bir mekanizmadan kaynaklandığını varsaydım” dedi Takahashi.

Araştırmacılar, bu prensibi kullanarak, fiziksel rezervuar bilgisayarların kullanımının, nöronal sinyallerin çıkarılmasını, homeostatik veya bozulma sinyallerinin teslim edilmesini ve bilgisayarın görevi çözmeyi öğrenen bir rezervuar oluşturulmasını sağlayabileceğini gösterdi.

“İlkokul çağındaki bir çocuğun beyni, muhtemelen fiziksel rezervuar bilgisayarının veya ‘beyninin’ dinamikleri yeterli olmadığı için kolej giriş sınavındaki matematik problemlerini çözemez” dedi Takahashi. “Görev çözme yeteneği, ağın üretebileceği uzay-zaman kalıplarının zenginliğine bağlıdır.”

Ekibe göre, bu bağlamda fiziksel rezervuar hesaplama kullanımının, beynin nasıl çalıştığına dair daha iyi bir anlayışa katkıda bulunabileceği ve nöromorfik bir bilgisayarın yeni geliştirilmesine yol açabileceği belirtiliyor.