Canlı beyin organoidine sahip siborg bilgisayar makine öğrenimi testlerinde başarılı oldu. Bilim insanları, insan kök hücrelerinden beyin benzeri küçük bir organoid yetiştirdi, onu bir bilgisayara bağladı ve konuşma tanıma ve matematik tahminlerini hızla alabildiğini göstererek bir tür organik makine öğrenme çipi olarak potansiyelini ortaya koydu.
Makine öğrenimi alanındaki son gelişmeler ne kadar inanılmaz olsa da, yapay zeka bazı önemli açılardan hala insan beyninin çok gerisinde. Örneğin, beyin yaklaşık 20 watt’lık bir enerji bütçesiyle tüm gün boyunca mutlu bir şekilde öğrenir ve adapte olurken, karşılaştırılabilir derecede güçlü bir yapay sinir ağının uzaktan karşılaştırılabilir bir şey elde etmek için yaklaşık 8 milyon watt’a ihtiyacı vardır.
Dahası, insan beyninin nöral plastisitesi, yeni sinir dokusu oluşturma ve mevcut bağlantı kanallarını genişletme yeteneği, ona minimum eğitim ve enerji harcamasıyla gürültülü, düşük kaliteli veri akışlarından öğrenme yeteneği kazandırmıştır. Yapay zeka sistemlerinin kaba kuvvet ve muazzam enerjiyle başardığını beyin zahmetsiz bir zarafetle başarıyor. Bu, insan beynini bugünkü haline getiren milyarlarca yıllık yüksek riskli deneme yanılma sürecine bir övgüdür; bu süreçte beyin esas olarak biz tuvaletteyken dans eden çok sayıda başka insanı izlemek için kullanılmaktadır.
Ancak beyin bu kadar güçlü bir öğrenme bilgisayarıysa ve kafatasımızın içinde yaptığı tek şey duyularımızdan gelen elektrik sinyallerine yanıt vermekse, neden bu lanet şeyi bir kavanoza bağlayıp nöral makine öğrenme çiplerinin yerini alıp alamayacağını görmüyoruz? Çoğu insanın beynine ihtiyacı var – geri kalanınız kim olduğunuzu biliyorsunuz – ancak beyin hücreleri petri kaplarında pluripotent kök hücrelerden yeterince kolay bir şekilde oluşturulabilir ve gelişmekte olan bir beyinde bulabileceğiniz gibi kendi kendilerini organize etme ve yararlı yapılara farklılaşma konusunda doğal bir eğilime sahiptirler.
Dolayısıyla, şu anda silikon ve canlı dokunun siborg benzeri bir karışımı olan biyo-bilgisayar çağında yaşıyoruz. Eylül ayında, 2022 yılında 800.000 küsur beyin hücresini silikon bir alt tabaka üzerinde büyüterek ve ortaya çıkan “DishBrain” bilgisayarına diğer şeylerin yanı sıra Pong oynamayı öğreterek dünyayı hayrete düşüren Cortical Labs ile konuşmuştuk.
Şimdi ise Indiana Üniversitesi araştırmacıları biraz daha farklı bir yaklaşım benimseyerek bir beyin “organoidi” büyüttü ve bunu bir silikon çip üzerine monte etti. Aradaki fark akademik görünebilir, ancak araştırmacılar kök hücrelerin üç boyutlu bir yapıda kendi kendilerine organize olmalarına izin vererek, ortaya çıkan organoidin önemli ölçüde daha akıllı olabileceğini, nöronların kendilerini normalde yaptıkları gibi düzenlemelerine izin verilirse daha fazla “karmaşıklık, bağlanabilirlik, nöroplastisite ve nörojenez” sergileyebileceklerini varsaydılar.
Böylece, çapı bir nanometreden daha küçük olan küçük bir beyin topu organoidi büyüttüler ve bunu yüksek yoğunluklu bir çoklu elektrot dizisine monte ettiler – beyin organoidine elektrik sinyalleri gönderebilen ve sinirsel aktivite nedeniyle ortaya çıkan elektrik sinyallerini okuyabilen bir çip.
Buna “Brainoware” adını verdiler – muhtemelen donanım ve yazılımla ilişkili bir şey demek istediler, ancak bu benim hassas zevklerim için “BrainAware” e çok yakın geliyor ve bu şeylerden birinin tamamen bilinçli hale gelmesi ve kaderini anlaması gibi sürekli bir kabusu çağrıştırıyor.
Daha sonra bunu bir nöral makine öğrenme çipi gibi ele almaya başladılar ve bir “rezervuar hesaplama” çerçevesine yerleştirdiler. Wikipedia’ya göre bu, “giriş sinyallerini sabit, doğrusal olmayan bir sistemin dinamikleri aracılığıyla daha yüksek boyutlu hesaplama alanına eşlemek” için bir “rezervuarın” – bazı sanal yazılım sistemlerinden lazerlere ve gerçek bir kova suya kadar herhangi bir şey olabilir – kullanıldığı sinir ağı hesaplamasında çok garip bir “kara kutu” fikridir.
Ne sizin ne de benim bunun ne anlama geldiğini anladığımızı iddia etmemize gerek yok, bu yüzden hepimiz rahatlayabilir ve suçluluk duymadan devam edebiliriz. Araştırmacılar Brainoware organoid bilgisayar çipini “uyarlanabilir canlı rezervuar” olarak değerlendirerek bir sisteme bağladılar, mini beynin elektriksel girdilere uygun bir şekilde doğrusal olmayan bir şekilde yanıt verdiğinden emin oldular, bir tür hafızaya sahip olup olmadığını kontrol ettiler, bir ızgara dizisinde uzamsal verilerin nasıl besleneceğini buldular ve ardından bazı denetimsiz öğrenme testlerine başladılar.
İki alana odaklandılar: birincisi, konuşma tanıma; Japonca konuşan yetişkin erkeklerin 240 ses klibi elektrik sinyallerine dönüştürüldükten sonra Brainoware çipine beslendi. Dikkat çekici bir şekilde, sıfırıncı günde organoid – sadece tek bir sesli harften – sekiz farklı kişiden hangisinin konuştuğunu yaklaşık %51 doğrulukla ayırt edebildi. İki gün sonra bu oran %78’e yükseldi.
Daha sonra matematiğe geçerek Brainoware çipinin “kaotik davranışa sahip tipik bir doğrusal olmayan dinamik sistem olan bir Hénon haritasını tahmin etmesini” sağladılar. Her 200 noktalı, 2 boyutlu Hénon haritasının beyin dokusuna beslenebilecek tek boyutlu, uzamsal-zamansal bir elektrik sinyaline dönüştürülmesi gerektiğinden, bu ekstra bir soyutlama katmanı içeriyordu. İki gün içinde, belirli bir noktanın nerede olacağını tahmin etme doğruluğunu 0,356’dan 0,812’ye yükseltti.
Ekip silikonu esnetmek için aynı sorunu bazı yapay sinir ağlarına da yöneltmiş ve “uzun kısa süreli bellek birimi olmayan YSA(yapay sinir ağları- artifical neural network)’dan belirgin şekilde daha iyi performans gösterdiğini” ve “LSTM (long short-term memory)’li YSA’dan biraz daha düşük doğruluk gösterdiğini… eğitim sürelerini >%90 oranında azalttığını” bulmuştur.
Ekip, bunun gibi üç boyutlu insan beyni organoidlerinin kesinlikle işlevsel sinir ağları oluşturabileceği ve yapay makine öğrenimi çiplerinin karşılaştığı zaman, enerji tüketimi ve ısı üretimi zorluklarını doğal olarak ele alırken yeni bir makine öğrenimi donanımı sınıfı olarak çalışabileceği sonucuna vardı. Bu fikri, organoidin beyin dokusuna implante edilen yumuşak iğne tarzı elektrotlarla geliştirmek istiyorlar; bu da sadece beyin hücresi topunun dışıyla temas eden mevcut cihazdan daha fazla sayıda nörona giriş/çıkış erişimi sağlayacaktır.
Yine de canlı dokuyla çalışırken tahmin edebileceğiniz gibi sınırlamalar var. Öncelikle, onları toplu halde büyütmenin ve canlı ve sağlıklı tutmanın bir yolunu bulmanız gerekiyor ki bu Nvidia’nın endişelenmesi gereken bir şey değil. Ayrıca bu hücreler birbirinden çok farklı olabilir, bu da sinirbilimci kök hücrelerden yetiştirilen beyin hücrelerinin, örneğin Sexyy Red fan kulübü üyelerinden alınanlardan daha iyi çalışıp çalışmayacağı gibi biraz ürkütücü bir soruyu gündeme getiriyor.
Ekip ayrıca organoid çiplerin çalışırken çok az enerji tükettiğini, ancak yaşam destek sistemlerinin tasarrufun bir kısmını tükettiğini belirtiyor – ancak araştırmacılar bu tür bir şeyin başlaması halinde bu sistemlerin hızla gelişebileceğine inanıyor.
Ve son olarak, Cortical Labs’daki ekip gibi, bu ekibin de insan nöronlarından mikro-beyinler yaratmanın ve bunları canlı cyborg bilgisayarlara bağlamanın etiği konusunda ne yapacakları konusunda net bir fikri yok. Ekip, “Bu organoid sistemlerin karmaşıklığı arttıkça, insan nöral dokusunu içeren biyo-bilişim sistemlerini çevreleyen sayısız nöroetik sorunu incelemek topluluk için kritik önem taşıyor” diye yazdı. “Genel biyo-bilişim sistemlerinin oluşturulabilmesi için onlarca yıl geçmesi gerekebilir, ancak bu araştırmanın öğrenme mekanizmaları, sinirsel gelişim ve nörodejeneratif hastalıkların bilişsel sonuçları hakkında temel bilgiler üretmesi muhtemeldir.”
Kaynak:
Yorum yazabilmek için oturum açmalısınız.