Yapay zekanın (YZ) ilerlemesi ve nörobiyolojik süreçlerin incelenmesi derinlemesine birbirine bağlıdır, çünkü birincisinin daha derin bir şekilde anlaşılması diğeri hakkında değerli içgörüler sağlayabilir ve bunun tersi de geçerlidir. Son nörobilim çalışmaları, uyanıklıktan yavaş dalga uykusuna ve ardından hızlı göz hareketi (REM) uykusuna geçiş gibi zihinsel durum geçişlerinin, katman 5 piramidal iki nokta nöronları (TPN’ler) olarak bilinen bir nöron sınıfındaki geçici etkileşimleri modüle ettiğini ve bunları bir kişinin zihinsel durumlarıyla hizaladığını bulmuştur.
Bunlar, genel olarak alıcı alan (RF1) olarak adlandırılan dış dünyadan kaynaklanan bilgiler ile bağlamsal alan (CF2) olarak adlandırılan iç durumlardan çıkan girdiler arasındaki etkileşimlerdir. Geçmiş bulgular, RF1 ve CF2 girdilerinin nöronlar içinde sırasıyla bazal alan ve apikal alan olarak bilinen iki ayrı bölgede işlendiğini göstermektedir.
Transformatörler, algılayıcı ve flamingo modelleri gibi dikkat mekanizmalarını kullanan mevcut AI algoritmaları, insan beyninin yeteneklerinden esinlenmiştir. Ancak mevcut halleriyle, yüksek seviyeli algısal işlemeyi ve insanların deneyimlediği hayal gücü durumlarını güvenilir bir şekilde taklit etmezler.
Stirling Üniversitesi’nde Doçent olan Ahsan Adeel, yakın zamanda bu üst düzey zihinsel durumları yeniden üretebilen yapay zeka modelleri geliştirme olasılığını araştıran bir çalışma yürüttü; bu da öğrenmelerini hızlandırabilir ve hesaplama yüklerini azaltabilir.
arXiv ön baskı sunucusunda yayınlanan makalesinde, insan neokorteksinin 5. katmanındaki piramidal TPN’lerde ortaya çıkarılan ikili girdi durum bağımlı mekanizmayı kopyalamak üzere özel olarak tasarlanmış, beyinden esinlenen işbirlikçi bağlam duyarlı bilişsel hesaplama mekanizması olan Co 4’ü tanıtmaktadır.
Adeel makalesinde, “İlgili olana odaklanmak hem memeli beyni hem de transformatörler gibi modern makine öğrenimi modelleri için temel öneme sahiptir” diye yazdı.
“Ancak, alaka düzeyini belirlemek, geleneksel olarak geri yayılım gibi öğrenme algoritmalarına devredilen temel bir zorluk olmaya devam ediyor. Neokortikal piramidal hücreleri farklı zihinsel durumlarla ilişkilendiren son hücresel nörobiyolojik kanıtlardan ilham alan bu çalışma, modellerin (örneğin, dönüştürücüler) dikkati uygulamadan önce ilgili bilgileri önceden seçmek için yüksek düzeyde algısal işleme ve uyanık düşünce (hayal gücü) durumlarını nasıl taklit edebileceğini gösteriyor.”
Adeel, yakın tarihli çalışmasının bir parçası olarak, insan algısal muhakemesini ve hayal gücü durumlarını taklit edebilen yeni bir dönüştürücü model geliştirdi. Bu model, ilgili bilgileri önceden seçerek ve tüm dikkatini ona vermeden önce en belirgin kısımlarını belirleyerek çalışır.
Model, belirli bir akıl yürütme örüntüsünü izleyerek fikirleri birbirine bağlar; bu örüntü soruya (yani, sorulan şeye) odaklanır; ipuçlarına (yani, soruyu yanıtlamaya yardımcı olabilecek bilgi parçalarına); ve değerlere veya hipotezlere (yani, sorulara olası yanıtlar) odaklanır. Bu akıl yürütme “döngüsü”, insanların sorunları çözmeye çalıştığı yolları taklit eder ve düşünme süreçlerini zaman içinde uyarlar.
Adeel, “Sorular (Q), ipuçları (anahtarlar, K) ve hipotezler (değerler, V) arasındaki üçlü nöronal düzeydeki modülasyon döngüleri, temsil düzeyinde çeşitli, derin, paralel muhakeme zincirlerine olanak tanır ve başlangıçtaki önyargılardan rafine anlayışa hızlı bir geçişe izin verir” diye yazdı.
“Bu, önemli ölçüde azaltılmış hesaplama talebiyle (örneğin, daha az kafa, katman ve jeton) büyüklük sırasına göre daha hızlı öğrenmeye yol açar, yaklaşık maliyeti O(N), burada N giriş jetonlarının sayısıdır. Sonuçlar takviyeli öğrenmeyi (örneğin, yüksek boyutlu görsel bir kurulumda CarRacing), bilgisayarlı görüşü ve doğal dil soru cevaplamayı kapsar.”
Adeel, uyarlanmış transformatör mimarisini bir dizi öğrenme, bilgisayar görüşü ve dil işleme görevinde değerlendirdi. Bu testlerin sonuçları oldukça ümit vericiydi ve yapay zeka modellerinin muhakeme becerilerini geliştirmek için yeni geliştirdiği mekanizmanın vaadini vurgulayarak, bunları potansiyel olarak insanlarda gözlemlenenlere daha da yaklaştırdı.
Adeel, “Burada sunulan ilk kanıt, yüksek düzeyde algısal işlemeden derin, kasıtlı yaratıcı muhakemeye kadar uzanan yüksek zihinsel durumların hücresel temellerini taklit etmenin, bilişsel olarak anlamlı makine zekasına doğru bir adım olabileceğine inanmak için birçok nedenden biridir” diyerek sonuca vardı.
“Bu yaklaşım, yalnızca çok sayıda hafif, çıkarım açısından verimli yapay zeka modülünün uygulanmasına değil, aynı zamanda bu sistemlerin salt bilgi işlemenin ötesine, bağlamsal akıl yürütmeye, ham verimlilikten gerçek anlayışa doğru geçişine de kapı açıyor.”
