miRBey
Aktif Üye
Yapay zeka artık beşerler üzere ‘yaşam uzunluğu öğrenme’ hüneri geliştirebilecek
Science mecmuasında yayınlanan bir makalede yapay zekanın tıpkı insan beyninin yaptığı üzere yeni ayrıntıları öğrenmek için kendisini dinamik bir biçimde bir daha yapılandırabileceklerini, bu sayede hayat uzunluğu öğrenme marifeti geliştirebileceklerini ortaya koydu.
Purdue Üniversitesi’nin Malzeme Mühendisliği Fakültesi’nde misyon yapan ve gereçlerin bilgi süreci geliştirmek için insan beynini nasıl taklit edebileceğini keşfetme konusunda uzmanlaşan Prof. Shriram Ramanathan araştırmaya ait şu tabirleri kullandı:
“Canlıların beyinleri hayatları boyunca daima öğrenebiliyor. Artık, makinelerin de hayatları boyunca öğrenebilecekleri yapay bir platform oluşturduk.”
Öğrenmeyi mümkün kılabilmek için nöronlar içinde daima olarak ilişkiler kuran insan beyninden farklı olarak bilgisayar çiplerindeki devreler değişmiyor. Bir makinenin yıllardır kullandığı bir devre, devrenin fabrikada makine için birinci başta yaratıldığı halinden farklılık göstermiyor.
Bu, yapay zekayı daha taşınabilir hale getirme konusunda, mesela izole ortamlarda kendi kararlarını vermesi gereken uzaydaki otonom araçlar yahut robotlar için bir sorun olarak ortaya çıkıyor. Şayet yapay zeka, sırf yazılım üzerinde çalışmak yerine direkt donanıma yerleştirilebilseydi, kelam konusu gelişmiş makineler daha verimli çalışabilirdi.
Ramanathan ve takımı yeni çalışmalarında, talep üzerine elektrik sinyalleri üzerinden bir daha programlanabilen yeni bir donanım modülü oluşturdu. Ramanathan bu uyarlanabilirliğin, aygıtın insan beyninden ilham alan bir bilgisayar oluşturmak için gerekli olan tüm fonksiyonları üstlenmesini sağlayacağına inanıyor:
“Beyinden ilham alan bir bilgisayar yahut makine yapmak istiyorsak, buna bağlı olarak daima programlama, bir daha programlama ve çipi değiştirme yeteneğini meydana getirmemiz gerekiyor.”
Kelam konusu donanım, hidrojene karşı fazlaca hassas olan perovskite nikelat ismi verilen bir materyalden yapılmış küçük, dikdörtgen bir aygıttan oluşuyor. Aygıt farklı voltajlarda elektrik sinyalleri gönderip, aygıtın bir nanosaniyelik bir müddetde hidrojen iyonu konsantrasyonu meydana getirmesini sağladı. Araştırmacılara bakılırsa bu süreç, beyindeki türdeş fonksiyonlarla eşleştirilebilecek durumlar yaratabiliyor.
Buna nazaran aygıt, merkezine yakın bir yerde daha fazla hidrojene sahip olduğunda, tek bir hudut hücresi olan bir nöron üzere davranabiliyor. Tıpkı bölgede daha az hidrojene sahip olması durumunda ise aygıt, beynin karmaşık hudut devrelerinde hafıza depolamak için kullandığı, nöronlar içinde bir temas olan bir sinaps nazaranvi görüyor.
Purdue takımı ve Santa Clara Üniversitesi ile Portland Devlet Üniversitesi’nden ortakları gerçekleştirdikleri simulasyonlar ve deher neysel bilgiler yardımıyla, geliştirdikleri aygıtın dahili fiziğinin, elektrokardiyogram kalıpları ve sayılarını statik ağlara kıyasla daha verimli bir biçimde tanıyabilen yapay bir ‘sinir’ ağı için dinamik bir yapı oluşturduğunu kanıtladı.
Araştırmacılara bakılırsa kelam konusu yapay hudut ağı, beynin farklı kısımlarının nasıl irtibat kurduğunu ve bilgi aktardığını açıklamamıza yarayan ‘rezervuar hesaplama’ yolunu kullanıyor.
Öte yandan Pensilvanya Devlet Üniversitesi’nden araştırmacılar, çalışmada yeni sıkıntıların sunulması durumunda dinamik temasın kelam konusu sorunları çözmek için hangi devrelerin daha uygun olduğunu belirleyip seçim yapabildiğini gösterdi.
Ramanathan aygıtı standart yarı iletken uyumlu üretim teknikleri kullanarak oluşturabilmeleri ve aygıtı oda sıcaklığında çalıştırabilmeleri yardımıyla, bu tekniğin yarı iletken sanayisi tarafınca basitçe benimsenebileceğine ve kullanılabileceğine inanıyor.
Purdue Üniversitesi’nde gereç mühendisliği alanında doktora öğrencisi olan Michael Park, “Bu aygıtın fazlaca sağlam olduğunu kanıtladık. Aygıtı bir milyon döngünün üzerinde programladıktan daha sonra, tüm işlevlerin bir daha yapılandırılması dikkat alımlı bir biçimde yenidenlanabiliyor” sözlerini kullandı.
Araştırmacılar bu konseptleri, canlı beyninden ilham alan bir bilgisayar oluşturmak için kullanılacak büyük ölçekli test çipleri üzerinde de sergileme üzerinde çalışıyor.
Haber Sitelerinden Alıntı Yapılmıştır.
Science mecmuasında yayınlanan bir makalede yapay zekanın tıpkı insan beyninin yaptığı üzere yeni ayrıntıları öğrenmek için kendisini dinamik bir biçimde bir daha yapılandırabileceklerini, bu sayede hayat uzunluğu öğrenme marifeti geliştirebileceklerini ortaya koydu.
Purdue Üniversitesi’nin Malzeme Mühendisliği Fakültesi’nde misyon yapan ve gereçlerin bilgi süreci geliştirmek için insan beynini nasıl taklit edebileceğini keşfetme konusunda uzmanlaşan Prof. Shriram Ramanathan araştırmaya ait şu tabirleri kullandı:
“Canlıların beyinleri hayatları boyunca daima öğrenebiliyor. Artık, makinelerin de hayatları boyunca öğrenebilecekleri yapay bir platform oluşturduk.”
Öğrenmeyi mümkün kılabilmek için nöronlar içinde daima olarak ilişkiler kuran insan beyninden farklı olarak bilgisayar çiplerindeki devreler değişmiyor. Bir makinenin yıllardır kullandığı bir devre, devrenin fabrikada makine için birinci başta yaratıldığı halinden farklılık göstermiyor.
Bu, yapay zekayı daha taşınabilir hale getirme konusunda, mesela izole ortamlarda kendi kararlarını vermesi gereken uzaydaki otonom araçlar yahut robotlar için bir sorun olarak ortaya çıkıyor. Şayet yapay zeka, sırf yazılım üzerinde çalışmak yerine direkt donanıma yerleştirilebilseydi, kelam konusu gelişmiş makineler daha verimli çalışabilirdi.
Ramanathan ve takımı yeni çalışmalarında, talep üzerine elektrik sinyalleri üzerinden bir daha programlanabilen yeni bir donanım modülü oluşturdu. Ramanathan bu uyarlanabilirliğin, aygıtın insan beyninden ilham alan bir bilgisayar oluşturmak için gerekli olan tüm fonksiyonları üstlenmesini sağlayacağına inanıyor:
“Beyinden ilham alan bir bilgisayar yahut makine yapmak istiyorsak, buna bağlı olarak daima programlama, bir daha programlama ve çipi değiştirme yeteneğini meydana getirmemiz gerekiyor.”
Kelam konusu donanım, hidrojene karşı fazlaca hassas olan perovskite nikelat ismi verilen bir materyalden yapılmış küçük, dikdörtgen bir aygıttan oluşuyor. Aygıt farklı voltajlarda elektrik sinyalleri gönderip, aygıtın bir nanosaniyelik bir müddetde hidrojen iyonu konsantrasyonu meydana getirmesini sağladı. Araştırmacılara bakılırsa bu süreç, beyindeki türdeş fonksiyonlarla eşleştirilebilecek durumlar yaratabiliyor.
Buna nazaran aygıt, merkezine yakın bir yerde daha fazla hidrojene sahip olduğunda, tek bir hudut hücresi olan bir nöron üzere davranabiliyor. Tıpkı bölgede daha az hidrojene sahip olması durumunda ise aygıt, beynin karmaşık hudut devrelerinde hafıza depolamak için kullandığı, nöronlar içinde bir temas olan bir sinaps nazaranvi görüyor.
Purdue takımı ve Santa Clara Üniversitesi ile Portland Devlet Üniversitesi’nden ortakları gerçekleştirdikleri simulasyonlar ve deher neysel bilgiler yardımıyla, geliştirdikleri aygıtın dahili fiziğinin, elektrokardiyogram kalıpları ve sayılarını statik ağlara kıyasla daha verimli bir biçimde tanıyabilen yapay bir ‘sinir’ ağı için dinamik bir yapı oluşturduğunu kanıtladı.
Araştırmacılara bakılırsa kelam konusu yapay hudut ağı, beynin farklı kısımlarının nasıl irtibat kurduğunu ve bilgi aktardığını açıklamamıza yarayan ‘rezervuar hesaplama’ yolunu kullanıyor.
Öte yandan Pensilvanya Devlet Üniversitesi’nden araştırmacılar, çalışmada yeni sıkıntıların sunulması durumunda dinamik temasın kelam konusu sorunları çözmek için hangi devrelerin daha uygun olduğunu belirleyip seçim yapabildiğini gösterdi.
Ramanathan aygıtı standart yarı iletken uyumlu üretim teknikleri kullanarak oluşturabilmeleri ve aygıtı oda sıcaklığında çalıştırabilmeleri yardımıyla, bu tekniğin yarı iletken sanayisi tarafınca basitçe benimsenebileceğine ve kullanılabileceğine inanıyor.
Purdue Üniversitesi’nde gereç mühendisliği alanında doktora öğrencisi olan Michael Park, “Bu aygıtın fazlaca sağlam olduğunu kanıtladık. Aygıtı bir milyon döngünün üzerinde programladıktan daha sonra, tüm işlevlerin bir daha yapılandırılması dikkat alımlı bir biçimde yenidenlanabiliyor” sözlerini kullandı.
Araştırmacılar bu konseptleri, canlı beyninden ilham alan bir bilgisayar oluşturmak için kullanılacak büyük ölçekli test çipleri üzerinde de sergileme üzerinde çalışıyor.
Haber Sitelerinden Alıntı Yapılmıştır.