Bilim kurgu filmlerindeki düşünen ve hareket eden bilgisayarlar gerçeğe dönüşüyor. Yapay zekanın yanı sıra biyolojik bilgisayarlar alanında da önemli bir gelişme kaydedildi. Araştırmacılar, insan beyin hücrelerinden oluşan küçük bir hücre kümesinin kısa sürede büyük bir öğrenme eşiğini aştığını gösterdi. Avustralyalı teknoloji şirketi Cortical Labs tarafından geliştirilen nöron tabanlı bilgisayar çiplerinin, artık klasik FPS oyunu Doom'u oynayabilecek seviyeye ulaştığı bildirildi.
BİYOLOJİK BİLGİSAYARLAR İÇİN BİR KİLOMETRE TAŞI
Performansı henüz insan oyuncularla kıyaslanamasa da uzmanlar, bu gelişmenin biyolojik bilgisayarlar için önemli bir kilometre taşı olduğunu vurguluyor. Araştırmanın temelinde, mikroelektrot dizileri üzerine yerleştirilmiş canlı beyin hücrelerinden oluşan deneysel bir bilgisayar sistemi yatıyor. Bu sistemde 800 binden fazla nöron, elektrik sinyallerini hem gönderip hem de alabilen özel bir yüzey üzerinde büyütülüyor. Araştırmacılar, bu teknolojiyle daha önce 2021'de Pong oyununu oynatmayı başarmışlardı, ancak o çalışmada nöronların ekrandaki raketleri kontrol edebilmesi için oldukça karmaşık ve uzun bir eğitim süreci gerekiyordu.
800 BİNDEN FAZLA CANLI NÖRON KULLANILDI
Şirket, bu biyolojik çipleri programlamayı çok daha kolay hale getiren yeni bir arayüz geliştirdi. Bu sistem sayesinde çipler, popüler programlama dili Python kullanılarak kontrol edilebiliyor. Bağımsız geliştirici Sean Cole, bu arayüzü kullanarak nöron tabanlı çipleri Doom oynamayı öğrenmesi için eğitti ve bu süreç yalnızca yaklaşık bir hafta sürdü. Cortical Labs araştırmacılarından Brett Kagan, birkaç yıl önce Pong deneyini gerçekleştirmek için yıllar süren bilimsel çalışmalar yapılmasına karşın, Doom'un öğrenilme süresinin biyoloji alanında çok fazla deneyimi olmayan bir geliştirici tarafından sadece birkaç gün içinde gerçekleştirilebildiğini belirtti.
ÇOK HIZLI ÖĞRENME POTANSİYELİ
Yeni deneyde kullanılan nöron çipi, Pong çalışmasına kıyasla yaklaşık dörtte bir oranında daha az nöron içeriyor. Buna rağmen oyun sırasında tamamen rastgele hareket eden bir oyuncudan daha iyi performans gösterebildi. Sistem performansı deneyimli insan oyuncuların gerisinde kalsa da, araştırmacılar bu biyolojik sistemlerin geleneksel silikon tabanlı makine öğrenimi sistemlerine kıyasla çok daha hızlı öğrenme potansiyeline sahip olduğuna inanıyor. Kagan, bu çiplerin insan beyniyle doğrudan karşılaştırılmasının doğru olmadığını, bu teknolojinin "canlı ama aynı zamanda bir bilgi işleme materyali" olarak düşünülmesi gerektiğini vurguluyor. Araştırmacılar, bu deneyin biyolojik sistemlerin karmaşıklık, belirsizlik ve gerçek zamanlı karar verme gibi zorlu problemlerin üstesinden gelebileceğini gösterdiğini belirtiyor.
