Devasa bir metal tüpün içinde 16 saat boyunca kımıldamadan yatmaya istekliyseniz ve siz podcast’leri dinlerken, rap yaparken, vururken mıknatısların beyninizi patlatmasına izin verirseniz, bir bilgisayar zihninizi okuyabilir. Ya da en azından kaba hatları. Austin’deki Texas Üniversitesi’nden araştırmacılar, kısa bir süre önce, bireyler onları dinledikçe sınırlı bir dizi cümlenin özünü deşifre etmesi için bir yapay zeka modeli eğitti; bu, yapay zekanın bize insan zihnini daha derinden anlamamızı sağlayabileceği yakın bir geleceğe işaret ediyor.
Program, üç programdan cümleleri dinleyen ve hatta sadece hatırlayan insanların fMRI taramalarını analiz etti: Modern Love, The Moth Radio Hour ve The Anthropocene Review. Ardından, beyin görüntüleme verilerini bu cümlelerin içeriğini yeniden oluşturmak için kullandı. Örneğin, bir denek “Henüz ehliyetim yok” dediğinde, program kişinin beyin taramalarını deşifre etti ve “Daha araba sürmeyi öğrenmeye bile başlamadı” yanıtını verdi – kelimesi kelimesine bir yanıt değil. yaratma, ancak orijinal cümlede ifade edilen fikrin yakın bir tahmini. Program aynı zamanda kısa film izleyen insanların fMRI verilerine bakabiliyor ve kliplerin yaklaşık özetlerini yazabiliyordu; bu da yapay zekanın beyin taramalarından tek tek kelimeleri değil, altta yatan anlamları yakaladığını öne sürüyordu.
Nature Neuroscience’da bu ayın başlarında yayınlanan bulgular, geleneksel yapay zeka anlayışını alt üst eden yeni bir araştırma alanına katkıda bulunuyor. Onlarca yıldır araştırmacılar, insan beynindeki kavramları akıllı makinelerin geliştirilmesine uyguladılar. ChatGPT, Midjourney gibi hipergerçekçi görüntü üreteçleri ve en son ses klonlama programları, sentetik “nöronlar” katmanları üzerine inşa edilmiştir: bir şekilde sinir hücreleri gibi, istenen bir sonuca ulaşmak için çıktıları birbirine gönderen bir grup denklem. Yine de, insan bilişi uzun süredir “akıllı” bilgisayar programlarının tasarımına ilham vermiş olsa da, beynimizin iç işleyişi hakkında pek çok şey bir sır olarak kaldı. Şimdi, bu yaklaşımı tersine çevirerek, bilim adamları biyolojik sinir ağlarımızı incelemek için sentetik sinir ağlarını kullanarak zihin hakkında daha fazla şey öğrenmeyi umuyorlar. MIT’de bir bilişsel bilim insanı olan Evelina Fedorenko, “tartışmasız birkaç yıl önce hayal bile edemeyeceğimiz ilerlemelere yol açıyor” diyor.
AI programının zihin okumaya bariz yakınlığı neden oldu? kargaşa Açık sosyal ve geleneksel medya. Ancak Nature çalışmasının baş yazarı ve UT Austin’de bir sinirbilimci olan Alexander Huth, çalışmanın bu yönünün “daha çok bir salon hilesi” olduğunu söyledi. Modeller nispeten belirsizdi ve araştırmaya katılan her bir kişi için ince ayar yapıldı ve beyin tarama tekniklerinin çoğu çok düşük çözünürlüklü veriler sağlıyor; herhangi bir kişinin beynine girip ne düşündüğünü anlayabilecek bir programdan çok ama çok uzaktayız. Bu çalışmanın gerçek değeri, sözcükleri dinlerken veya hayal ederken beynin hangi bölümlerinin aydınlandığını tahmin etmekte yatıyor; bu da, nöronlarımızın insanlığın belirleyici niteliklerinden biri olan dili oluşturmak için birlikte çalıştığı belirli yollara dair daha fazla içgörü sağlayabilir.
Cümlelerin anlamını yeniden yapılandırabilen bir programı başarılı bir şekilde inşa eden Huth, öncelikle “bu modellerin aslında beynin dili nasıl işlediği hakkında çok şey yakaladığına dair bir ilke kanıtı” olarak hizmet ettiğini söyledi. Gelişmekte olan bu yapay zeka devriminden önce, sinirbilimciler ve dilbilimciler, beynin dil ağının kesin olmayan ve doğrudan gözlemlenebilir beyin etkinliğine bağlaması zor olan bir şekilde genelleştirilmiş sözlü tanımlarına güveniyorlardı. Farklı beyin bölgelerinin dilin tam olarak hangi yönlerinden sorumlu olduğuna dair hipotezler – hatta beynin bir dili nasıl öğrendiğine dair temel soru – test etmek zor, hatta imkansızdı. (Belki bir bölge sesleri tanır, başka bir bölge sözdizimiyle ilgilenir, vb.) Ancak artık bilim insanları, bu süreçlerin tam olarak nelerden oluştuğunu daha iyi saptamak için yapay zeka modellerini kullanabilirler. Araştırmanın diğer baş yazarı ve UT Austin’de bir bilgisayar bilimcisi olan Jerry Tang’a göre, faydalar akademik kaygıların ötesine geçebilir – örneğin, belirli engelleri olan insanlara yardım etmek. “Nihai hedefimiz, konuşma yetisini kaybetmiş insanlarla iletişimin yeniden sağlanmasına yardımcı olmaktır” dedi bana.
Yapay zekanın beyni incelemeye yardımcı olabileceği fikrine, özellikle dil üzerine çalışan sinirbilimciler arasında bir miktar direnç gösterildi. Bunun nedeni, istatistiksel kalıpları bulmada mükemmel olan sinir ağlarının, kelimelerin ne anlama geldiğini anlamak gibi, insanların dili nasıl işlediğine dair temel unsurlardan yoksun görünmesidir. Makine ve insan bilişi arasındaki fark da sezgiseldir: Düzgün denemeler yazabilen ve standartlaştırılmış testlerde mükemmel olan GPT-4 gibi bir program, kitaplardan ve web sayfalarından terabaytlarca veriyi işleyerek öğrenirken, çocuklar dili çok az bir oranda öğrenirler. Bu kelime miktarının yüzde 1’i. Sinirbilimci Jean-Rémi King bana 2000’lerin sonundaki çalışmaları hakkında “Öğretmenler bize yapay sinir ağlarının biyolojik sinir ağlarıyla gerçekten aynı olmadığını söylediler” dedi. “Bu sadece bir metafordu.” Şu anda Meta’da beyin ve yapay zeka araştırmalarına liderlik eden King, bu eski dogmayı çürüten birçok bilim insanı arasında yer alıyor. “Bunu bir mecaz olarak düşünmüyoruz,” dedi bana. “düşünürüz [AI] Beynin bilgiyi nasıl işlediğine dair çok faydalı bir model olarak.”
Son birkaç yılda bilim adamları, gelişmiş AI programlarının iç işleyişinin, zihnimizin dili nasıl işlediğine dair umut verici bir matematiksel model sunduğunu gösterdi. ChatGPT’ye veya benzer bir programa bir cümle yazdığınızda, dahili sinir ağı bu girişi bir dizi sayı olarak temsil eder. Bir kişi aynı cümleyi duyduğunda, fMRI taramaları beynindeki nöronların nasıl tepki verdiğini yakalayabilir ve bir bilgisayar bu taramaları temelde başka bir sayı dizisi olarak yorumlayabilir. Bu işlemler, iki muazzam veri kümesi oluşturmak için pek çok cümlede tekrarlanır: biri bir makinenin dili nasıl temsil ettiği, diğeri ise bir insan için. Araştırmacılar daha sonra kodlama modeli olarak bilinen bir algoritma kullanarak bu veri kümeleri arasındaki ilişkiyi haritalandırabilir. Bu yapıldıktan sonra, kodlama modeli tahminde bulunmaya başlayabilir: Yapay zekanın bir cümleye nasıl yanıt verdiği, beyindeki nöronların buna yanıt olarak nasıl ateşleneceğini tahmin etmenin de temeli haline gelir.
Beynin dil ağını incelemek için AI kullanan yeni araştırmalar birkaç haftada bir ortaya çıkıyor gibi görünüyor. MIT’de bir sinirbilimci olan Nancy Kanwisher, bu modellerin her birinin “beyinde neler olup bittiğine dair hesaplamalı olarak kesin bir hipotezi” temsil edebileceğini söyledi. Örneğin, yapay zeka, insan beyninin bir dil edindiğinde tam olarak ne yapmayı amaçladığına ilişkin açık soruyu yanıtlamaya yardımcı olabilir – yalnızca bir kişinin iletişim kurmayı öğrenmesi değil, iletişimin gerçekleştiği belirli sinirsel mekanizmalar. Fikir şu ki, belirli bir amaç için eğitilmiş bir bilgisayar modeli – bir dizideki bir sonraki kelimeyi tahmin etmeyi öğrenmek veya bir cümlenin dilbilgisi tutarlılığını yargılamak gibi – beyin tepkilerini tahmin etmede en iyisini kanıtlarsa, o zaman insan zihninin bu hedefi paylaşması mümkündür; belki de zihnimiz, GPT-4 gibi, hangi kelimelerin birbirini takip etme olasılığının en yüksek olduğunu belirleyerek çalışıyor. O halde, bir dil modelinin iç işleyişi, beynin hesaplamalı bir kuramı haline gelir.
Bu hesaplamalı yaklaşımlar sadece birkaç yaşında, bu nedenle pek çok anlaşmazlık ve birbiriyle yarışan teori var. Ulusal Ruh Sağlığı Enstitüsü’nün makine öğrenimi direktörü Francisco Pereira, “Dil modellerinden öğrendiğiniz temsilin beynin bir cümleyi nasıl temsil ettiğiyle bir ilgisi olması için hiçbir neden yok” dedi. Ancak bu, bir ilişkinin var olamayacağı anlamına gelmez ve var olup olmadığını test etmenin çeşitli yolları vardır. Beynin aksine, bilim insanları dil modellerini neredeyse sonsuz sayıda parçalara ayırabilir, inceleyebilir ve manipüle edebilir; bu nedenle, yapay zeka programları beynin eksiksiz hipotezleri olmasa bile, onu incelemek için güçlü araçlardır. Örneğin, bilişsel bilimciler, hedeflenen beyin bölgelerinin tepkilerini tahmin etmeye çalışabilir ve bu belirli nöron kümelerinin ne yaptığını anlamak için farklı cümle türlerinin farklı beyin tepkilerini nasıl ortaya çıkardığını test edebilir ve sonra bilinmeyen bir bölgeye adım atabilir. MIT’de beyin ve dil üzerine çalışan Greta Tuckute anlattı.
Şimdilik, AI’nın faydası, bu bilinmeyen nörolojik bölgeyi tam olarak kopyalamak değil, onu keşfetmek için buluşsal yöntemler tasarlamak olabilir. MIT’de bilişsel bir bilim insanı olan Anna Ivanova, ünlü bir Borges benzetmesine atıfta bulunarak, “Dünyanın her küçük ayrıntısını yeniden üreten bir haritanız varsa, harita işe yaramaz çünkü dünyayla aynı boyuttadır,” dedi. “Ve bu yüzden soyutlamaya ihtiyacınız var.” Bilim adamları, neyin tutulacağını ve atılacağını belirleyip test ederek -sokaklar, önemli noktalar ve binalar arasından seçim yaparak ve ardından ortaya çıkan haritanın ne kadar yararlı olduğunu görerek- beynin dilsel alanında gezinmeye başlıyor.
Source : https://insidexpress.com/technology/unlocking-the-secrets-of-the-human-brain-with-ai/?utm_source=rss&utm_medium=rss&utm_campaign=unlocking-the-secrets-of-the-human-brain-with-ai