Yıllar önce hardware-software (donanım-yazılım) gelişimindeki dengesizlik ve erişim olanaklarından etkilenen yapay zeka alanındaki ilerlemeler, son zamanlarda bu konseptin yaygınlaşışı ve dünya üzerindeki etki payının çok fazla artması ile büyük bir güç haline gelişinden de dolayı olmak üzere uçsuz bucaksız bir büyüme ve işlem gücü artımı üzerinden anlatılıyor: daha fazla veri, daha büyük modeller, daha güçlü işlemciler, Nvidia gibi şirketlerin evlere mikro veri merkezi üniteleri yerleştirme girişimi ve Anthropic ile SpaceX arasındaki veri merkezlerini uzaya taşıma projesi gibi hem günlük hayata entegre hem de afaki görünen fikirler, genişlemekte olan bu mecranın kaotik çok yönlülüğünü ortaya koyuyor.
Bu devasa ve global şirketlerin topluma yansıyan girişimleri ve çalışmalarının gölgesinde kalıyor gibi görülebilecek, ancak elbette alanda yaygınca bilinen bazı yaklaşımlar da mevcut ki bunlar, taklit edilmek istenenden uzaklaşmayı biraz olsun indirgeyerek verim kazanmayı amaçlayan sistemleri doğurabiliyor. Doğadan ve bilinenden gelen fikirlerin yansımalardan koparak orijinal teknik ve ürün yaratımının çok nadir olduğu beşerî inovasyon döngüsünde, sıklıkla feyz alınan ve taklit edilmeye çalışılan biyolojik zekanın en etkileyici tarafının sadece işlem gücü değil ancak hangi bilgiyi saklayacağını, hangisini elimine edeceğini ve ne zaman, nasıl tepki vereceğini ayırt edebilmesi olarak ele almak mümkün. İnsan beyni sürekli hesap yapan, çalışan bir makine olmasının yanında, anlamlı değişimlere duyarlı, enerji tasarruflu, bağlam kurabilen bir sistem olarak öne çıkar ve canlı oluşum sürecinin vardığı verim noktasını bizlere gösterir.
Bu bağlamda yapılan çalışmalardan bazıları, bir süredir bilinen ve araştırılan “Spiking Neural Networks” yaklaşımının artan brüt işlem kovalamacısını hangi alanlarda ve dolayısıyla ne kadar hafifletebileceğini inceliyor. SNN sistemi, insan beynindeki nöron kullanımı örnek alarak, nöronlar arasında sürekli bir veri akışı sürdürmek yerine, biyolojik nöronlara benzer biçimde belirli eşikler aşıldığında kısa sinyaller gönderme temelinde çalışır. Bu olay veya tepki tabanlı yapının, özellikle robotlar, giyilebilir cihazlar ve sensörler gibi enerjinin sınırlı olduğu alanlara uyarlanması sonucunda verimliliği oldukça arttırabileceği düşünülmekte olsa da hafıza gibi öne çıkan bazı problemler SNN sistemlerinin uzun bir bağlamı koruması gerekebilecek ortamlarda bariz hale gelmektedir.
Imperial College London, University of Zurich / ETH Zurich, University of Oxford ve University of Cambridge araştırmacılarının ortaklaşa yayınladığı yeni bir çalışma, bu soruna bir “çift bellek yolu” yaklaşımıyla yanıt arıyor. DMP-SNN adı verilen sistem, beynimizdeki bir hafıza tipinden ilham alınarak oluşturulmuş, ani yükseliş sinyali etkinlikleriyle uzun vadeli hafızayı birleştiren bir teknik. Bu mimaride her katman, yakın geçmişteki etkinliği özetleyen ve sinyal (spike) dinamiklerini yönlendiren kompakt, düşük boyutlu bir durum bilgisini muhafaza ediyor. Göreve göre dinamik olarak seçilen ani sinyal bazlı hafıza ile uzun vadeli kompakt hafızayı birleştirerek elde edilen sonuçlar benzer SNN sistemlerinden daha iyi verim sağlayarak büyük bir potansiyel vaat ediyor.
Bu yaklaşımın biyolojik ve antropolojik açıdan anlamlı olduğunu da söylemek mümkün. İnsan gelişimi ve yaşamı yalnızca hızlı tepki verme kapasitesiyle değil aynı zamanda uzun sürede öğrenilip sürdürülen beceriler, iz sürme, alet kullanma, dil öğrenme ve kültürel aktarım gibi geçmiş bilgiyi farklı zaman ölçeklerinde korumayı gerektiren becerilerle şekillendi. Anlık sinyaller ve bunlara bağlı tepkileri, uzun vadeli öğrenilmiş beceriler ile aynı kefeye koymak zordur demek mümkün diyebiliriz.
Bu çalışma yapay zekanın geleceğine dair önemli bir gösterge sağlıyor. Geleceğin sistemleri belki daha çok hesapladıkları için değil, biyolojik zekaya benzer biçimde neyi ne zaman hatırlayıp neyi unutacaklarını daha iyi seçtikleri için gelişecek. Her konuda olduğu gibi, branşlaşma ve ilerlemeler ile bazen çıkış noktasını unutmak veya bu noktadan uzaklaşmak mümkündür ki bu da herhangi bir alanda taklit edilmeye çalışılanın doğal sadeliğinin hatırlanmasının büyük önem taşıdığına ve multidisipliner iş birliğinin kompleks konuları yalınlaştırmadaki gücüne iyi bir örnektir.
