Bilgisayar BilimleriBiyolojiMühendislikTeknolojiTıp

Yapay Zekâyla Geliştirilmiş Fareler Sinir Bilimde Kullanılabilir

Çeviren: Mert Günçiner                     Düzenleyen: Çağla Ayaz

Özet: DeepMind şirketi ve Harvard Üniversitesinden araştırmacılar sanal ortamda yaratılmış bir fare kullanarak sinir bilimin biyoloji hakkında bizlere neler öğretebileceğini inceliyor.

Sanal ortamda geliştirilen bir kemirgen bilgisayar ortamındaki engellerden atlayabilmeyi, labirentlerde yemek arayabilmeyi ve ön patileriyle kendisine fırlatılan toplara doğru zamanda vurabilmeyi öğrendi. (Kaynak: DeepMind ve Harvard Üniversitesi)

Yapay zekâyı laboratuvar farelerini inceler gibi inceleyebilir miyiz? DeepMind şirketi ve Harvard Üniversitesinden araştırmacılar bunun mümkün olduğunu düşünüyor. Çünkü yapay zekâyla, çoklu karmaşık görevleri yerine getirmekte başarılı olan sanal fareler geliştirdiler. Daha sonra sinir bilim yöntemlerinden faydalanarak bu yapay “beynin” farenin hareketlerini nasıl yönettiğini anlamaya çalıştılar.

Günümüzdeki çoğu yapay zekâ, yapay sinir ağlarıyla (artificial neural networks) çalışıyor.  Beyindeki “sinirleri” taklit ederek oluşturulan pek çok bileşenin birbirine bağlanmasıyla meydana getirilmiş bu makine öğrenmesi algoritmasının çalışma ilkeleri de aynı beynin sinir sisteminin işleyişine benziyor. Bazı farklı yönler olsa da araştırmacılar bu benzerliklerden yola çıkarak hem sinir bilimini daha iyi anlayabilmemizi hem de yapay zekâyı daha akıllı kılabilmeyi amaçlıyor. 

Uluslararası Öğrenme Sunumları Toplantısında paylaşılan bir çalışmaya göre araştırmacılar sanal bir ortamda yapay sinir ağlarıyla yönetilen, biyolojik açıdan anlamlı, üç boyutlu bir fare modeli yapmayı başardılar. Aynı zamanda, sinir bilimin biyolojik beyin faaliyetlerini çözümlemekte kullandığı yöntemleri kullanarak yapay sinir ağlarının farenin eylemlerini nasıl yönettiğini anlamaya çalıştılar.

Doktora sonrası araştırmalarını Harvard Üniversitesinde yürüten ve bu çalışmanın yazarlarından biri olan Jesse Marshal’a göre rüzgâr tünellerinde görülen benzer süreçler[1] bu projede de sinir bilimi için izlenebilir. Yani, sürekli üzerinde oynanan değişkenlerle birlikte yaratılan her yeni durum karşısında biyolojik gerçekliğin buna karşı nasıl konum aldığı ve karmaşık zorluklar karşısında nasıl çözüm yolları aradığı gözlemlenebilir.

Marshal şöyle devam ediyor: “Sinir bilimdeki alışılmış deneyler, kaldıraçlarla etkileşime giren hayvanların gözlemlenmesi gibi tek bir davranış üzerine odaklanmış hayvanların beyinlerini inceliyor. Ayrıca çoğu robot ev temizliği gibi bazı belirli işlerle ilgilenmek üzere üretilmiş durumda. Bu araştırmaysa çoklu işlerle başa çıkma konusunda kazanılan esnekliği ve beynin bunu nasıl yorumladığını daha iyi anlamamıza yardımcı olacak. Bundan edinilen izlenimler doğrultusunda üzerinde çalışabileceğimiz, benzer özelliklere sahip yapay denekler tasarlamak mümkün olacak.”

Sanal kemirgenlerin bir geri bildirim sistemiyle çalışan, eylemleri sırasında vücutlarının hangi parçalarının hareket ettiğinin bilgisini veren çevreyi algılayış biçimleriyle kas ve uzuv yapıları; gerçek hayattaki farelerin vücut ölçümleri temel alınarak tasarlandı. Araştırmacılar daha sonra sinir ağlarını eğiterek farelere; boşluklar üzerinden zıpladıkları, labirentlerde yemek aradıkları, eğimli bir yüzey üzerinde kaçıştıkları ve tam zamanında üstlerine gelen toplara vurmalarının gerektiği dört adet görev verdi.

Fare bu görevleri başarılıyla yerine getirdiğindeyse bunlar çeşitli incelemelere tabii tutuldu. Bu incelemeler sırasında çeşitli sinir bilim teknikleri ödünç alındı ve farelerin sinirsel etkinliklerinin kayıtları araştırıldı. Böylece, görevlerin tamamlanmasından sorumlu olan motor kontrolün sinir ağları tarafından nasıl sağlandığı anlaşıldı.

Araştırmacılar yapay zekâyla geliştirilmiş bir fare yarattıkları için çoğu bulgu zaten beklendik şeylerdi. Fakat Harvard mezunu ve bu araştırmanın yardımcı yazarlarından Diego Aldarondo’ya göre bir de şu ilginç izlenim kazanılmıştı: sinirsel etkinlikler doğrudan kontrol edilen kas kuvvetlerinden ya da uzuv hareketlerinden beklenileceğinin aksine daha uzun sürede tamamlanıyordu.

Daha önce hayvanlarda var olduğu düşünülen bilişsel modeli örnek vererek Aldarondo şöyle devam ediyor: “Buradan anladığımız şey ise kurduğumuz sistemin koşma, zıplama, dönüş yapma ve diğer sezgisel davranışları daha soyut bir düzeyde temsil ettiği.” 

Sinir ağları görevler sırasında bazı kalıpları tekrar tekrar kullanıyor ve bunları kodlayan sinirsel aktiviteler çoğunlukla diziler şeklinde çalışıyor. Bu yöntem kemirgenlerde ve ötücü kuşlarda da gözlemlenen bir şey. 

Araştırmanın yardımcı yazarlarından ve DeepMind şirketinde kıdemli bir araştırma görevlisi olan Josh Merel, başka araştırmacıların kolaylıkla katkı sağlayabilmesi umuduyla sanal fare projesinin kaynak koduna erişimin herkese açık hale getirildiğini söyledi.

Yaratılan sinir ağları bazı örnek modeller kadar fizyolojik gerçekliğe sahip değil. Kanada’daki McGill Üniversitesinde sinir bilimci olan ve bu projede yer almamış Blake Richards’a göre yapılan bu iş, sinirsel düzeydeki işlemlerin işe yarar tahminlerini oluşturabilmekte ve sinirsel etkinliklerin davranışları nasıl etkilediğini gözlemleme konusunda gayet yeterli. Ona göre bu araştırmanın büyük bir faydasıysa bu yapay sinir ağlarını eğitmenin biyolojik verilere kıyasla daha kolay ve bir o kadar da gerçekçi bir yönteminin bulunmuş olması.

Richards şöyle devam ediyor: “Araştırmacıların yapay sinir ağlarının eğitimini gerçekçi bir beden (fare modeli) ve birtakım görevler eşliğinde yürütmesi, gerçek hayattaki kemirgen beyinleriyle yapılan kıyaslamaları daha da faydalı hale getirecek.”

Kanada’daki Queen’s Üniversitesinde sinir bilimci olan ve bu projede yer almamış Stephen Scott’a göreyse yapay ve biyolojik sinir ağları arasında gelişigüzel kıyaslamalar yapmaktan kaçınılırsa işte o zaman bu yaklaşım sayesinde davranışların sinirsel temelleri anlaşılabilir.

Scott’a göre gerçek hayattaki deneyler söz konusu olduğunda hayvanların beyinlerindeki sinirsel etkinlikleri kaydetmenin karmaşıklığını düşünürsek bu kayıtları belirli davranışlarla ilişkilendirmek, çoğu deneyin sert deneysel ortamlarda ama oldukça basit görevler üzerinde yürütülmesiyle mümkün oluyor. Bunun aksine, gerçek dışı ortamda yaratılan sanal fare sistemi sadece basit bir algılama girdisi alarak yemek arama gibi karmaşık ve çoklu davranışlar gerektiren eylemlerin üstesinden gelebilir.

Scott’un fark ettiği tek sorun ise bu gibi karmaşık işler altındaki gerçek hayvanlardan sinirsel veriler almanın zor olduğu. Bu yüzden araştırmacılardan sanal fareyi laboratuvarlarda kullanılan bazı basit görevler üzerinde sınamalarını istiyor. Bu sayede gözlemlenen sinirsel etkinlik modelleri gerçek hayvanlarınkiyle karşılaştırılabilir ve hangi noktada birbirlerinden ayrıştıkları tespit edilebilir.


[1] Hava gibi hareketli bir gaz içinde bulunan katı cisimlere gazın uyguladığı etkinin incelenmesi, araştırılması ve yorumlanması için tasarlanmış ve üretilmiş içindeki havanın hareket ettirildiği ve hızının ayarlanabildiği tünellere denir. (Kaynak: https://tr.wikipedia.org/wiki/R%C3%BCzg%C3%A2r_t%C3%BCneli)

Yoluyla
https://spectrum.ieee.org/tech-talk/artificial-intelligence/machine-learning/ai-powered-rat-valuable-new-tool-neuroscience

Mert Günçiner

İzmir Yüksek Teknoloji Enstitüsü, Elektrik Elektronik Mühendisliği öğrencisi, bilimsever.

İlgili Makaleler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Başa dön tuşu