Gelişmiş yapay zekâ alanında çalışanlar için beyni taklit eden bir bilgisayar tasarlamak çok zor bir iştir. Fakat donanımı beynin donanımına benzer tasarlanırsa, bununla başa çıkmak biraz daha kolay olabilir.
Bu yeni gelişen alanın adı Nöromorfik Programlama. Ve şu anda Massachusetts Teknoloji Enstitüsü (MIT) mühendisleri yapay sinapslı bir çipin tasarımı gibi zorlayıcı bir engelin üstesinden gelmiş olabilirler.
Şimdilik insan beyni sahip olduğu 80 milyarlık nöron sayısıyla ve beyindeki sinyallerin geçişini kontrol eden, aynı zamanda bu nöronları birbirine bağlayan 100 trilyonun üzerindeki sinaps bağlantıları sayesinde herhangi bir bilgisayardan çok daha güçlü.
Bilgisayar çiplerinin işi, sinyalleri ikili değer dediğimiz bir dile dönüştürmektir. Her bir bilgi 0/1 veya açık/kapalı sinyaller şeklinde kodlanır.
Bunun beyinle nasıl kıyaslandığını fikrine gelince; şunu düşünün: 2013’te dünyanın en güçlü süper bilgisayarlarından biri beyin aktivitesinin simülasyonunu yaptı fakat sadece çok önemsiz bir sonuca erişebildi.
Riken’in K Bilgisayarı 82,944 işlemci ve bir petabyte’lık bir ana bellek (RAM) kullandı. Bu rakam tam 250,000 masaüstü bilgisayarın aynı anda çalışmasına eşit bir güç.
Bu donanım, 10.4 trilyon sinaps tarafından bağlanan 1.73 milyon nöronun 1 saniyelik aktivitesini tam 40 dakikada taklit edebildi. Kulağa çok gelebilir ancak, bu bir insan beyninin sadece yüzde birine eşit bir büyüklük.
Fakat çip, sinaps benzeri bağlantılar kullansaydı, bilgisayar tarafından kullanılan sinyaller çok daha çeşitli olabilirdi ve sinaps gibi öğrenmeyi olanaklı kılabilirdi. Sinapslar, sinyallerin beynin her alanına aktarılabilmesini sağlar karşılarındaki iyon akışının sayısı ve türüne göre nöronları harekete geçirir. Bu da beynin örüntüleri tanımasına, olguları hatırlamasına ve görevleri yerine getirmesine yardımcı olur.
Bugüne kadar böylesine bir taklit yapmak çok zordu- fakat MIT araştırmacıları, tıpkı nöronlar arasında akan iyonlar gibi davranabilen, elektrik akım gücünün hassas ayarını birebir taklit edebilen, silikon germanyumdan üretilmiş yapay sinapslı bir çip tasarladılar.
Bu küçük çip, bir simülasyonda el yazısı örneklerini %95 doğrulukla tanımlayabilmek için kullanıldı.
Önceden tasarlanmış olan Nöromorfik çipler, tıpkı sinapslar gibi çalışan “anahtar ortamı” bir amorf tarafından ayrılan iki iletken katman kullandılar. Devre kilidi açıldığı zaman iyonlar, ince iletken teller oluşturmak, sinaptik ağırlığı taklit etmek ya da iki nöronun arasındaki bir sinyalin güçlülüğünü ya da zayıflığını ölçmek için ortamın içinden geçiyorlardı.
Fakat bu yaklaşımdaki sorun, yolculukları boyunca tanımlanmış yapılar olmaksızın, sinyallerin sonsuz sayıda yol yapıyor olmasıydı. Bu durum da çiplerin performanslarının istikrarsız ve tahmin edilemez olmasına yol açıyordu.
Araştırmacı Jeewan Kim, “Bir miktar datayı temsil etmesi için yapay nöronunuza biraz voltaj uyguladığınızda, bir sonraki için tekrar silip, aynı şekilde yine yazabilmek zorundasınız. Fakat katı bir amorfun içine tekrar yazdığınızda ise, çok fazla kusur olduğu için, iyonlar farklı yönlere doğru gidiyorlar. Bu akış değişiyor. Kontrolü çok zor. Bu en büyük sorun. Yapay sinapsların değişebilirliği.” diyor.
Buradan yola çıkan ekip, iyonların akabileceği tek boyutlu kanalları olan, silikon germanyumdan üretilmiş örgü kafesler üretti. Bu yapı, her seferinde tam olarak aynı yolun takip edilmesini garanti altına aldı.
Bu örgü kafesler daha sonra bir Nöromorfik çip inşa etmek için kullanıldı. Elektrik akımı uygulandığında, çipin üzerindeki bütün sinapslar %4’lük farklılıklarla aynı akım gücünü gösterdi.
Ayrıca, tek bir sinaps elektrik akımıyla 700 kez test edildi. Akımda, herhangi bir cihazda da görülebilecek olan sadece %1’lik bir değişim oldu.
Bugüne Kadar Tasarlanmış En Başarılı Yapay Sinaps 
Ekip bu sefer çipi gerçek bir görevde test etti. Karakteristik özellikleri taklit ederek MNIST veri tabanında bulunan el yazısı örneklerini kullandılar. Bu yapay nöral ağ, on binlerce farklı el yazısı ile yazılmış rakamı %95’lik doğruluk payıyla ayırt edebildi – ki şu anda var olan yazılım %97’ye ulaştı.
Bir sonraki aşama ise el yazısı tanıma görevini gerçekleştirebilecek yeterlilikte bir çip üretmek ve taşınabilir nöral ağ cihazları icat etmek.
Kim, “Bir süper bilgisayarın yerini alabilecek fakat tırnak büyüklüğünde bir çip tasarlamak istiyoruz. Bu araştırma gerçek yapay zeka donanımı üretmek için bir sıçrama tahtası” diyor.
KAYNAK: Science Alert
Güzel bir yazı olmuş