Biyolojik bilgisayarların ‘kovan zihni’ geleneksel yapay zekadan daha başarılı

Geliştirdikleri biyolojik bilgisayar CL1’in etki alanını genişletmek isteyen Avustralyalı Cortical Labs, bu sentetik beyinlerden 15 tanesini bir araya getirmenin yolunu buldu. Girişimin arkasında bilgisayarların kolektif olarak daha efektif ve daha akıllıca çalışacakları fikri var. Sistemin adı yapısına uygun bir şekilde seçilmiş, HIVE yani kovan. Şirket, ABD’de düzenlenen ilk Uluslararası Organoid Zeka Konferansı’nda HİVE adlı sistemi tanıttı.

EKİP ÇALIŞMASININ GÜCÜ
Buluşun arkasında bir grup beyin hücresi tarafından desteklenen tek bir makinanın sorunları çözüp görevleri öğrenmesi yerine ekip çalışmasının gücüne ve verimliliğine odaklanma fikri var. Bu fikir işe yaramış görünüyor; çünkü HIVE’ı oluşturan CL1 bilgisayarlar kendilerine verilen görevi inceleyerek sonuca ulaşmanın en verimli yoluna göre işleyişlerini optimize ediyorlar. Bu, işin başında bilim insanlarının laboratuvarda yetiştirilen nöronlara ‘öğretebileceği’ bir şey değildi, biyolojik bilgisayarlar daha büyük bir ağın parçası olduktan sonra bunu bizzat anladı. Sistemi geliştiren bilim insanları, doğanın karmaşık problemleri kolektif olarak çözme yatkınlığını buluşlarında gözlemledi.

Araştırmacılar, HİVE için her biri kendi işlevine sahip birçok çalışana ve ortak bir sonuca katkıda bulunan bir sistem kurguladı. Birlikte çalışan bilgi işlem sistemleri yeni değilse de Cortical Labs’ın CL1 platformunun sağladığı kontrol, ölçek ve donanım entegrasyonu sayesinde fizyolojik sınırları aşabilen bir ölçeğe ulaştı. Ancak canlı hücrelere dayanan sistemin dezavantajı, bir grup nöronun bir gün iyi performans gösterirken ertesi gün düşük performans gösterebilmesi. Ekip, bu yüzden birkaç grubu birleştirerek yükü paylaştırıp performansı korumayı da düşündü. Böylece olası bir aksaklıkta sistemin çalışmaya devam etmesini sağlamayı da öngörüyorlar.

YÜZDE 80 DAHA BAŞARILI
Ekip, yaptıkları ilk deneylerde bir bilgisayar ile kolektif çalıştırdıkları yedi bilgisayarın performanslarını karşılaştırdı. Yedi biyolojik bilgisayarı birbirine bağlamanın neticesinde verilen görevlerdeki başarı oranı yüzde 80’den yüzde 99’a ulaştı.

Ekip, sistemlerini beyin hücreleri yerine algoritmalar kullanan geleneksel yapay zeka modelleriyle de karşılaştırdı. Yapay zeka verilen görevlerde yüzde 32’lik bir başarı yakalarken, en iyi performansa sahip tekil biyolojik bilgisayarın başarısı yüzde 40’lara ulaştı. Ne zamanki birbirine bağlanan birkaç biyolojik bilgisayar işin başına geçti, başarı puanı yüzde 70’lere yükseldi. Aynı görev uzmanlaşan biyolojik bilgisayar gruplarına verildiğinde ise en yüksek sonuçlar elde edildi. Burada elde edilen başarı yüzde 80’lere ulaştı. Bu sonuçlar göz doldursa da HIVE’ın karşılaştırıldığı yapay zeka modeli ile sınırlı olduğu elbette unutulmamalı.

Ekibin yeni hedefi, nöronların bu bağlantılı makinalar arasında nasıl sinyal gönderdiğini ve geri bildirimi nasıl işlediğini çözmek ve daha fazla bağlantı eklemenin sonuçlarda daha da fazla başarı getirip getirmeyeceğini görmek. Bu tür bir sistem başarılı olursa makina öğreniminden yararlanmanın verimli bir yolu olabilir.