Yapay zeka ağ simülasyonları, sürekli denetimsiz öğrenim dönemlerinin ardından kararsız hale gelir. Ağlar, uyku sırasında insan beyin dalgalarına benzer durumlara maruz kaldıklarında ise tekrardan başarılı bir şekilde çalışırlar.
Los Alamos Ulusal Laboratuvarı bilgisayar bilimcisi Yijing Watkins, “Yaşayan beyinler kadar çok şey öğrenen sistemler olan sinir ağlarını inceliyoruz” dedi. “İnsanların ve diğer biyolojik sistemlerin çocukluk gelişimi sırasında çevrelerinden nasıl öğrendiklerine benzer bir şekilde nöromorfik bir işlemciyi eğitme olasılığı bizi büyüledi.”
Watkins ve ekibi sürekli denetimsiz öğrenme dönemlerinden sonra ağ modellerinin bir süre sonra verimsiz hale geldiğini keşfetti. Ağları, yaşayan beyinlerin uyku sırasında deneyimledikleri dalgalara benzer durumlara maruz bıraktıklarında ise tekrardan başarılı sonuçlara geri dönüldü. Watkins, “Sinir ağlarına iyi bir gece uykusuna eşdeğer bir şey veriyor gibiydik” dedi.
Los Alamos bilgisayar bilimcisi ve çalışmanın ortaklarından biri olan Garrett Kenyon, “Öğrenme sistemlerinin kararsız hale gelmesinin nasıl önleneceği konusu, yalnızca biyolojik olarak gerçekçi, ani nöromorfik işlemciler kullanmaya çalışırken veya biyolojinin kendisini anlamaya çalışırken ortaya çıkıyor” dedi. “Makine öğrenimi, derin öğrenme ve yapay zeka araştırmacılarının büyük çoğunluğu bu sorunla asla karşılaşmıyor çünkü inceledikleri yapay sistemlerde, sistemin genel dinamik kazancını düzenleme etkisine sahip küresel matematiksel işlemleri gerçekleştirme lüksüne sahipler.”
Araştırmacılar, ağları yapay bir uyku analoğuna maruz bırakma kararını, onları stabilize etmek için neredeyse son bir çaba olarak nitelendiriyor. Bir radyoyu ayarlarken istasyonlar arasında karşılaşabileceğiniz statik ile kabaca karşılaştırılabilecek çeşitli gürültü türleri denedi. En iyi sonuçlar, geniş bir frekans ve genlik aralığı içeren Gauss gürültüsü dalgalarını kullandıklarında elde edildi. Yavaş dalga uykusu sırasında gürültünün biyolojik nöronlar tarafından alınan girdiyi taklit ettiğini varsayıyorlar. Sonuçlar, yavaş dalga uykusunun kısmen kortikal nöronların stabilitelerini korumalarını ve halüsinasyon görmemelerini sağlamak için hareket edebileceğini göstermektedir.
Grupların bir sonraki hedefi, algoritmalarını Intel’in Loihi nöromorfik çipine uygulamak. Loihi’nin zaman zaman uyumasına izin vermenin, silikon retina kameradan gelen bilgileri gerçek zamanlı olarak istikrarlı bir şekilde işlemesini sağlayacağını umuyorlar. Bulgular yapay beyinlerde uyku ihtiyacını doğrularsa, muhtemelen aynı şeyin gelecekte ortaya çıkabilecek androidler ve diğer akıllı makineler için de geçerli olmasını bekleyebiliriz.
Kaynak: https://www.lanl.gov/
