Science dergisinde yayınlanan bir makalede yapay zekanın tıpkı insan beyninin yaptığı gibi yeni bilgileri öğrenmek için kendisini dinamik bir şekilde yeniden yapılandırabileceklerini, bu sayede yaşam boyu öğrenme becerisi geliştirebileceklerini ortaya koydu.
Purdue Üniversitesi'nin Materyal Mühendisliği Fakültesi'nde görev yapan ve materyallerin bilgi işlemi geliştirmek için insan beynini nasıl taklit edebileceğini keşfetme konusunda uzmanlaşan Prof. Shriram Ramanathan araştırmaya ilişkin şu ifadeleri kullandı:
"Canlıların beyinleri yaşamları boyunca sürekli öğrenebiliyor. Şimdi, makinelerin de yaşamları boyunca öğrenebilecekleri yapay bir platform oluşturduk."
Öğrenmeyi mümkün kılabilmek için nöronlar arasında sürekli olarak bağlantılar kuran insan beyninden farklı olarak bilgisayar çiplerindeki devreler değişmiyor. Bir makinenin yıllardır kullandığı bir devre, devrenin fabrikada makine için ilk başta yaratıldığı halinden farklılık göstermiyor.
Bu, yapay zekayı daha taşınabilir hale getirme konusunda, örneğin izole ortamlarda kendi kararlarını vermesi gereken uzaydaki otonom araçlar veya robotlar için bir sorun olarak ortaya çıkıyor. Şayet yapay zeka, yalnızca yazılım üzerinde çalışmak yerine doğrudan donanıma yerleştirilebilseydi, söz konusu gelişmiş makineler daha verimli çalışabilirdi.
Ramanathan ve ekibi yeni çalışmalarında, talep üzerine elektrik sinyalleri üzerinden yeniden programlanabilen yeni bir donanım parçası oluşturdu. Ramanathan bu uyarlanabilirliğin, cihazın insan beyninden ilham alan bir bilgisayar oluşturmak için gerekli olan tüm işlevleri üstlenmesini sağlayacağına inanıyor:
"Beyinden ilham alan bir bilgisayar veya makine yapmak istiyorsak, buna bağlı olarak sürekli programlama, yeniden programlama ve çipi değiştirme yeteneğini meydana getirmemiz gerekiyor."
Söz konusu donanım, hidrojene karşı çok hassas olan perovskite nikelat adı verilen bir malzemeden yapılmış küçük, dikdörtgen bir cihazdan oluşuyor. Cihaz farklı voltajlarda elektrik sinyalleri gönderip, cihazın bir nanosaniyelik bir sürede hidrojen iyonu konsantrasyonu meydana getirmesini sağladı. Araştırmacılara göre bu işlem, beyindeki türdeş işlevlerle eşleştirilebilecek durumlar yaratabiliyor.
Buna göre cihaz, merkezine yakın bir yerde daha fazla hidrojene sahip olduğunda, tek bir sinir hücresi olan bir nöron gibi davranabiliyor. Aynı bölgede daha az hidrojene sahip olması durumunda ise cihaz, beynin karmaşık sinir devrelerinde hafıza depolamak için kullandığı, nöronlar arasında bir bağlantı olan bir sinaps görevi görüyor.
Purdue ekibi ve Santa Clara Üniversitesi ile Portland Devlet Üniversitesi'nden ortakları gerçekleştirdikleri simulasyonlar ve deneysel veriler sayesinde, geliştirdikleri cihazın dahili fiziğinin, elektrokardiyogram kalıpları ve rakamlarını statik ağlara kıyasla daha verimli bir şekilde tanıyabilen yapay bir 'sinir' ağı için dinamik bir yapı oluşturduğunu kanıtladı.
Araştırmacılara göre söz konusu yapay sinir ağı, beynin farklı bölümlerinin nasıl iletişim kurduğunu ve bilgi aktardığını açıklamamıza yarayan 'rezervuar hesaplama' yöntemini kullanıyor.
Öte yandan Pensilvanya Devlet Üniversitesi'nden araştırmacılar, çalışmada yeni sorunların sunulması durumunda dinamik bağlantının söz konusu problemleri çözmek için hangi devrelerin daha uygun olduğunu belirleyip seçim yapabildiğini gösterdi.
Ramanathan cihazı standart yarı iletken uyumlu üretim teknikleri kullanarak oluşturabilmeleri ve cihazı oda sıcaklığında çalıştırabilmeleri sayesinde, bu tekniğin yarı iletken endüstrisi tarafından kolayca benimsenebileceğine ve kullanılabileceğine inanıyor.
Purdue Üniversitesi'nde materyal mühendisliği alanında doktora öğrencisi olan Michael Park, "Bu cihazın çok sağlam olduğunu kanıtladık. Cihazı bir milyon döngünün üzerinde programladıktan sonra, tüm fonksiyonların yeniden yapılandırılması dikkat çekici bir şekilde tekrarlanabiliyor" ifadelerini kullandı.
Araştırmacılar bu konseptleri, canlı beyninden ilham alan bir bilgisayar oluşturmak için kullanılacak büyük ölçekli test çipleri üzerinde de sergileme üzerinde çalışıyor.
Sputnik
