Sonsuz Ark/ Evrensel Çerçeveye Yolculuk
"Johns Hopkins Üniversitesi'nden yeni bir araştırma, biyolojik olarak ilham alan belirli yapay zeka mimarilerinin, veriler üzerinde eğitim almadan önce bile insan beyni aktivitesini taklit edebileceğini gösteriyor ve bu da yapay zekanın nasıl öğrenmesi gerektiği konusundaki uzun süredir devam eden varsayımlara meydan okuyor."
Johns Hopkins Study Challenges Billion-Dollar AI Models
Doğru planın seçilmesi görsel yapay zeka sistemlerinde öğrenmeyi hızlandırabilir.
Johns Hopkins Üniversitesi'nin yeni araştırmasına göre, biyolojik olarak ilham alınan yapılarla oluşturulan yapay zeka sistemleri, herhangi bir eğitime tabi tutulmadan önce bile insan beyninde görülenlere benzer aktivite kalıpları üretebiliyor.
Soyut Beyin Teknolojisi İllüstrasyonu, Kaynak: Stock
Nature Machine Intelligence'da yayımlanan araştırma, bir yapay zeka modelinin tasarımının, genellikle aylar süren, muazzam enerji tüketimi gerektiren ve milyarlarca dolara mal olan kapsamlı derin öğrenme süreçlerinden daha önemli olabileceğini öne sürüyor.
"Yapay zeka alanının şu anda izlediği yol, modellere bir sürü veri göndermek ve küçük şehirler büyüklüğünde bilgi işlem kaynakları oluşturmak. Bu da yüz milyarlarca dolar harcamayı gerektiriyor. Bu arada, insanlar çok az veri kullanarak görmeyi öğreniyor," diyor baş yazar ve Johns Hopkins Üniversitesi'nde bilişsel bilimler yardımcı doçenti Mick Bonner. "Evrimin bu tasarımda bir araya gelmesinin geçerli bir nedeni olabilir. Çalışmamız, beyne daha çok benzeyen mimari tasarımların yapay zeka sistemlerini çok avantajlı bir başlangıç noktasına yerleştirdiğini gösteriyor."
Bonner ve meslektaşları, modern yapay zeka sistemlerinin inşasına sıklıkla rehberlik eden üç ana ağ tasarımı kategorisini inceledi: dönüştürücüler, tam bağlantılı ağlar ve evrişimli ağlar.
Yapay Zeka Mimarilerinin Beyin Aktivitesine Karşı Test Edilmesi
Bilim insanları, düzinelerce benzersiz yapay sinir ağı oluşturmak için üç planı, yani yapay zeka mimarisini tekrar tekrar değiştirdiler. Ardından, bu yeni ve eğitilmemiş yapay zeka ağlarını nesne, insan ve hayvan görüntülerine maruz bıraktılar ve modellerin tepkilerini, aynı görüntülere maruz kalan insanların ve primatların beyin aktivitelerine kıyasladılar.
Transformatörler ve tamamen bağlı ağlar, çok daha fazla yapay nöron eklenerek değiştirildiğinde, çok az değişiklik gösterdiler. Ancak, evrişimli sinir ağlarının mimarilerini benzer şekilde ayarlamak, araştırmacıların yapay zekada insan beynindeki örüntüleri daha iyi simüle eden aktivite örüntüleri oluşturmalarını sağladı.
Mimarlık Beklenenden Daha Önemli
Araştırmacılar, eğitilmemiş evrişimli sinir ağlarının, eğitim sırasında genellikle milyonlarca veya milyarlarca görüntüye maruz kalan geleneksel yapay zeka sistemleriyle rekabet ettiğini ve bu durumun mimarinin araştırmacıların daha önce fark ettiğinden daha önemli bir rol oynadığını öne sürdüler.
Bonner, "Büyük veriler üzerinde eğitim gerçekten önemli bir faktörse, o zaman yalnızca mimari değişikliklerle beyin benzeri yapay zeka sistemlerine ulaşmanın bir yolu olmamalı," dedi. "Bu, doğru bir planla başlayıp belki de biyolojiden diğer bilgileri de dahil ederek, yapay zeka sistemlerinde öğrenmeyi önemli ölçüde hızlandırabileceğimiz anlamına geliyor."
Araştırmacılar daha sonra, yeni bir derin öğrenme çerçevesini bilgilendirebilecek, biyolojiye göre modellenmiş basit öğrenme algoritmaları geliştirmek üzerinde çalışıyorlar.
Johns Hopkins Üniversitesi, 5 Aralık 2025, SciTechDaily
Mustafa Tamer, 24.12.2025, Sonsuz Ark, Çeviri, Bilim ve Teknoloji, Aklın Merdivenleri
Referans: Atlas Kazemian, Eric Elmoznino ve Michael F. Bonner tarafından yazılan "Evrişimsel mimariler korteks hizalıdır", 13 Kasım 2025, Nature Machine Intelligence. DOI: 10.1038/s42256-025-01142-3
- Sonsuz Ark'ta yayınlanan yazılardan yazarları sorumludur.
- Sonsuz Ark linki verilerek kısmen alıntı yapılabilir.
- Sonsuz Ark yayınları Sonsuz Ark manifestosuna aykırı yayın yapan sitelerde yayınlanamaz.
- Sonsuz Ark Yayınlarının Kullanımına İlişkin Önemli Duyuru için lütfen tıklayınız.