Araştırmacılar “Evrim Algoritmaları” ile Yeni Bir Yaklaşım Önerdiler

Şu anda kullandığımız bilgisayarlar genellikle önceden programlanmış eylemler gerçekleştirir, bu da beyinlerimizle karşıtlık oluşturur. Beyinlerimiz yüksek derecede uyarlanabilirliktedir ve bu uyarlanabilirlik, sinir hücreleri arasındaki bağlantı noktaları olan sinapsların plastisitesine dayanır. Nörobilimciler, sinapsların plastisitesine karşı büyük bir ilgi duyarlar, çünkü bu, öğrenme süreçleri ve hafıza için anahtardır.

Nörobilim ve yapay zeka (AI) alanındaki araştırmacılar, bu temel süreçlerin mekanizmaları için modeller geliştirirler, böylece beyini daha iyi anlamak için çalışırlar. Bu modeller, biyolojik bilgi işleme hakkında bize fikir verir ve makinelerin daha hızlı öğrenmesine yardımcı olmaları için anahtardır.

“Evrim Algoritmaları”

Bern Üniversitesi Fizyoloji Enstitüsü’ndeki araştırmacılar, şimdi “evrim algoritmaları” temelinde yeni bir yaklaşım geliştirdiler ve bu bilgisayar programları, biyolojik evrim sürecini taklit ederek çözümler arar.

Araştırma ekibinin başında Bern Üniversitesi Fizyoloji Enstitüsü ve Heidelberg Üniversitesi Fizik Enstitüsü’nden Dr. Mihai Petrovici bulunuyordu.

Çalışma, eLife dergisinde yayımlandı.

Bunun anlamı, biyolojik uygunluk – bir organizmanın çevresine uyum sağlama derecesi – evrim algoritmaları için bir model olabilir. Bu algoritmalarla, bir aday çözümün “uygunluğu”, altta yatan problemi ne kadar iyi çözebildiğine bağlıdır.

Üç Öğrenme Senaryosu

Yeni yaklaşım “evrimleşerek öğrenme” veya “uyarlanabilir olma” olarak adlandırılır. Ekibin odaklandığı üç tipik öğrenme senaryosu vardır; ilki, bir bilgisayarın, performansıyla ilgili geri bildirim almadan sürekli bir girdi akışında tekrarlanan bir deseni tespit etmesi gerekir.

İkinci senaryo, bilgisayarın istenen bir davranış gerçekleştirdiğinde sanal ödüller almasını içerir.

Üçüncü senaryo, “yönlendirilmiş öğrenme” olarak adlandırılır ve burada bilgisayar, davranışının istenen davranıştan ne kadar uzakta olduğunu tam olarak bilgilendirilir.

Bern Üniversitesi Fizyoloji Enstitüsü’nden Dr. Jakob Jordan, çalışmanın yazarları arasındadır.

“Tüm bu senaryolarda, evrim algoritmaları sinapsların plastisitesinin mekanizmalarını keşfetmeyi başardı ve böylece yeni bir görevi erfolgreich olarak çözdüler,” dedi Dr. Jordan.

Algoritmalar güçlü bir yaratıcılık gösterdi.

Dr. Maximilian Schmidt, çalışmanın ortak ilk yazarıdır.

“Örneğin, algoritma tanımladığımız sinyalleri birleştiren yeni bir plastisite modeli buldu. Aslında, bu yeni sinyali kullanan ağların daha önce bilinen kurallarla比較 olarak daha hızlı öğrendiğini gözlemliyoruz,” dedi Dr. Schmidt.

“E2L’yi, biyolojik öğrenme prensiplerine dair derin içgörüler kazanmak ve güçlü yapay öğrenme makinelerine doğru ilerlemeyi hızlandırma vaat eden bir yaklaşım olarak görüyoruz,” dedi Petrovoci.

“Sinir sisteminin sinapsların plastisitesi üzerine araştırmayı hızlandıracağından umutluyuz,” diye yorumladı Dr. Jordan.

Ekibin yeni bulguları, sağlıklı ve hasta beyinlerin nasıl çalıştığını daha derin bir şekilde anlamamızı sağlayacak ve kullanıcılarına uyarlanabilen akıllı makinelerin geliştirilmesine yardımcı olabilir.