Yapay Zekâda Mimari Verinin Önüne Geçebilir

Johns Hopkins Üniversitesi’nde yürütülen yeni bir araştırma, biyolojiden esinlenen yapay zekâ tasarımlarının veriyle eğitilmeden önce bile insan beynindeki etkinlik örüntülerine benzeyebileceğini ortaya koydu. Nature Machine Intelligence dergisinde yayımlanan çalışma, yapay zekâ sistemlerinin başarısında yalnızca eğitim verisinin miktarına değil, sistemin başlangıçtaki mimarisine de odaklanılması gerektiğini savunuyor.

Araştırmacılar, günümüzde yaygın olarak kullanılan üç sinir ağı yaklaşımını karşılaştırdı: transformer modelleri, tamamen bağlı ağlar ve evrişimli sinir ağları. Bu tasarımları farklı biçimlerde değiştirerek onlarca yapay sinir ağı oluşturan ekip, modellerin hiçbirini önceden eğitmedi.

Daha sonra eğitilmemiş sistemlere insan, hayvan ve çeşitli nesnelerin görüntüleri gösterildi. Modellerin kendi içindeki etkinlik örüntüleri, aynı görüntülere bakan insanlar ve insan dışı primatlardan elde edilen beyin tepkileriyle karşılaştırıldı.

Sonuçlar, ağ mimarisine yapılan değişikliklerin her modelde aynı etkiyi yaratmadığını gösterdi. Transformer ve tamamen bağlı ağlarda yapay nöronların sayısını artırmak anlamlı bir fark oluşturmazken, evrişimli sinir ağlarındaki benzer değişiklikler insan beynindeki etkinlik örüntülerine daha yakın sonuçlar verdi.

Araştırmacılara göre, eğitilmemiş bazı evrişimli modeller, genellikle milyonlarca hatta milyarlarca görüntüyle eğitilen geleneksel yapay zekâ sistemleriyle karşılaştırılabilecek düzeyde beyin benzeri etkinlik sergiledi. Ekip şimdi biyolojiden esinlenen daha basit öğrenme yöntemlerini inceleyerek yapay zekânın daha hızlı öğrenmesini ve dev veri kümelerine olan bağımlılığının azalmasını hedefliyor.