Karl Friston'ın Yapay Zeka Yasası Kanıtlandı: FEP, Nöronların Nasıl Öğrendiğini Açıklıyor

Yapay Zeka Dünyası Sonsuza Kadar Değişti

Dr. Karl J. Friston, dünyada en çok alıntı yapılan sinir bilimcidir ve beyin görüntüleme ve fizikten ilham alan beyin teorisi alanındaki çalışmalarıyla tanınmaktadır. Aynı zamanda VERSES AI'da Baş Bilim Adamı olarak görev yapıyor ve Serbest Enerji Prensibi'ne (FEP) dayanan, Aktif Çıkarım Yapay Zeka adı verilen tamamen yeni bir yapay zeka türü üzerinde çalışıyor; Karl'ın teorisi, Japonya'daki araştırmacılar tarafından yeni kanıtlanmış olan teori. beyin öğrenir.

Şimdiye kadar yapay zeka araştırmalarının çoğu, birçok zorlukla karşı karşıya olduğu bilinen makine öğrenimi modelleri etrafında yoğunlaşıyordu. Eğitim için büyük miktarda veri yüklemenin sürdürülemez mimarisinden, çıktılardaki yorumlanabilirlik ve açıklanabilirlik eksikliğine kadar, makine öğrenimi algoritmaları bilinemeyen, kontrol edilemeyen araçlar olarak görülüyor ve kalıp eşleştirmede iyi olmalarına rağmen gerçek bir 'düşünme' yok. " yer alıyor.

Dr. Friston'ın VERSES ile yaptığı çalışma tamamen farklı ve birkaç ay içinde halkın eline geçecek. Aktif Çıkarım Yapay Zekası ve FEP, yeni Uzamsal Web Protokolü ile birleştiğinde, biyolojik zekanın doğadaki çalışma şeklini taklit eden birleşik bir dağıtılmış kolektif zeka sisteminin temelini atıyor. Kendi kendini organize eden, kendi kendini optimize eden ve kendi kendine gelişen tamamen yeni bir bilişsel mimari yarattılar. Ancak yine de tamamen programlanabilir, bilinebilir ve denetlenebilir olduğundan insan yönetimine paralel olarak ölçeklenebilir.

Yapay zeka hakkında bildiğinizi düşündüğünüz her şeyi değiştirecek yapay zeka budur.

Beyniniz Nasıl Öğrenir?

Beyninizin her gün deneyimlediğiniz sürekli görüntü, ses, koku ve diğer duyumlardan nasıl anlam çıkardığını hiç merak ettiniz mi? Bu kaotik girdiyi, dünyayı algılamanıza, anlamanıza ve gezinmenize olanak tanıyan tutarlı bir gerçeklik resmine nasıl dönüştürür?

Sinirbilimciler onlarca yıldır bu soruyu düşünüyorlar. Şimdi, heyecan verici yeni araştırmalar, Dr. Karl J. Friston'un "Serbest Enerji Prensibi" adı verilen ve zahmetsiz algının ardındaki derin hesaplamaları açıklayan çığır açıcı bir teorinin deneysel olarak doğrulanmasını sağlıyor.

Japonya'daki RIKEN araştırma enstitüsünden bilim adamları tarafından 7 Ağustos 2023'te Nature Communications'da yayınlanan çalışma , nöron ağlarının bu prensibe dayalı olarak kendi kendini organize ettiğinin kanıtını sağlıyor. Bulguları, beyinlerin, sürprizleri en aza indirmek ve ileriye yönelik daha iyi tahminler yapmak için inançları sürekli güncelleyerek, dünyaya ilişkin tahmine dayalı bir model oluşturduğunu doğruluyor.

" Sonuçlarımız, serbest enerji ilkesinin biyolojik sinir ağlarının kendi kendini düzenleyen ilkesi olduğunu gösteriyor. Belirli duyusal girdilerin alınması üzerine öğrenmenin nasıl gerçekleştiğini ve uyuşturucuların neden olduğu ağ uyarılabilirliğindeki değişikliklerle öğrenmenin nasıl bozulduğunu öngördü.” – Takuya Isomura, RIKEN

Algının Gizemini Çözmek

Bu teorinin neden bu kadar devrim niteliğinde olduğunu anlamak için beyninizin karşı karşıya olduğu zorluğun büyüklüğünü takdir etmemiz gerekiyor. Her an duyularınız, ışık ve gölge desenleri, kulak zarlarınızı titreten ses dalgaları, koku alıcılarını harekete geçiren kimyasallar gibi çeşitli sinyallerden oluşan bir kar fırtınası toplar. Beyniniz bir şekilde bu kaosu anlamlandırıyor; bir yüz, bir melodi veya kahve kokusu gibi tutarlı nesneleri algılıyor.

Süreç anında ve zahmetsiz görünüyor. Ama aslında beyniniz inanılmaz derecede karmaşık bir çıkarım problemini çözüyor, duyusal kalıpları oluşturan dış dünyadaki olası nedenleri buluyor. Bu ters bulmaca (etkilerden geriye doğru çalışarak gizli nedenleri ortaya çıkarmak) son derece zordur, özellikle de aynı neden (bir kişinin yüzü gibi) bağlama bağlı olarak farklı duyusal modeller yaratabildiğinden.

Ünlü sinir bilimci Karl Friston tarafından formüle edilen Serbest Enerji Prensibi, beynin bununla nasıl başa çıktığına dair zarif bir açıklama sunuyor. Nöronların, gelen duyusal verileri açıklamak için sürekli olarak yukarıdan aşağıya tahminler ürettiğini belirtiyor. Herhangi bir uyumsuzluk, gelecekteki tahminleri iyileştirmek için inançları güncelleyen "tahmin hatalarına" neden olur. Beyniniz, sürpriz ve belirsizliği en aza indirmek için dünyaya dair iç modelini sürekli olarak güncelleyen bir çıkarım makinesidir.

Nöron Ağlarında Teorinin Kanıtlanması

Serbest Enerji Prensibi algı, öğrenme ve dikkat ile ilgili birçok gözlemi tek bir birleştirici çerçevede sentezler. Ancak biyolojik nöron ağlarında doğrudan deneysel doğrulama eksiktir.

Böyle bir kanıt sağlamak için Japon ekip, sıçan embriyosunun beyin hücrelerinden yetiştirilen mikro ölçekli nöron kültürleri yarattı. İki “hoparlörden” gelen sinyallerin karıştırılmasıyla üretilen, işitsel duyuları taklit eden elektriksel modeller ilettiler.

Başlangıçta ağlar rastgele tepki verdi, ancak gürültülü bir kokteyl partisinde tek bir sese uyum sağlamak gibi, bir konuşmacıya veya diğerine seçici olarak yanıt vermek için yavaş yavaş kendi kendine organize oldu. Bu, karışık duyu sinyallerini belirli gizli nedenlere göre ayırma yeteneğini gösterdi; algı için kritik bir hesaplama.

Tahminler Doğrulanıyor

Araştırmacılar, bu öz-organizasyonun, Serbest Enerji İlkesine dayanan bilgisayar modellerinin niceliksel tahminleriyle eşleştiğini güçlü bir şekilde gösterdi. Yaşayan nöron ağları tarafından kullanılan örtülü hesaplama modellerinin tersine mühendislik yoluyla öğrenme yörüngelerini yalnızca ilk ölçümlere dayalı olarak tahmin edebildiler. Yukarıdan aşağıya tahminlerdeki uyumsuzluklar, ileriye dönük tahminleri iyileştiren sinaptik değişikliklere yol açtı.

Ekip ayrıca, farmakolojik etkilerle tutarlı olarak nöron uyarılabilirliğini manipüle etmenin, ağların mevcut modellerini bozarak tahmin edildiği gibi öğrenmeyi değiştirdiğini gösterdi. Genel olarak çalışma, Serbest Enerji Prensibinin, duyusal verileri en iyi açıklayan yukarıdan aşağıya üretken modelleri sürekli olarak güncellemek için sinaptik bağlantıları yapılandırarak nöron ağlarının Bayes çıkarımını nasıl gerçekleştirdiğini açıkladığı konusunda ikna edici kanıtlar sunuyor.

Beyinden Esinlenen Yapay Zekaya Doğru

Biyolojik sinir ağlarının mükemmel hesaplama yeteneklerini anlamanın önemli pratik sonuçları vardır. Dr. Friston'ın VERSES Yapay Zeka ile Baş Bilim Adamı olarak yaptığı çalışmada olduğu gibi, Aktif Çıkarım ve Serbest Enerji İlkesi, Uzamsal Web Protokolü ile birlikte, biyomimetik zekaya dayanan tamamen yeni bir yapay zeka türüne ulaşmak için kullanılıyor. insan algısının verimliliği ve genelleştirilebilirliği ile makine öğreniminin kaba kuvvetle geri yayılımı yerine.

Araştırmacıların öne sürdüğü gibi, Aktif Çıkarım Yapay Zeka ve Bayes çıkarımı yoluyla Serbest Enerji Prensibi, bir sinir ağının yeni gerçek zamanlı duyusal verilerin alımı ve sürekli güncellenmesi yoluyla kendi kendini optimize etmesine olanak tanırken aynı zamanda önceden belirlenmiş çıktıları ve tespitleri göz önünde bulundurarak tahmine dayalı modeller oluşturur. Gerçek sinir ağlarının yaptığı gibi öğrenen, beyinden ilham alan yapay zekaların (Akıllı Ajanlar) yaratılmasını mümkün kılıyor. Bağlam açısından zengin iç içe geçmiş dijital ikiz alanlardan oluşan birleşik bir küresel ağ içinde, tümü kendi referans çerçevelerinden elde edilen benzersiz uzmanlaşmış zekaların kendi bakış açılarından kaynaklanan bu Akıllı Aracıların bir topluluğu, eksik olan bağlamsal dünya modelini sağlıyor. pratik yapay zeka uygulamaları. Bu, yapay zeka araştırmalarını ilerletme ve AGI'ye (genel zeka) veya ASI'ye (süper zeka) ulaşmada yapbozun kritik bir parçasıdır. Bu tür nöromorfik hesaplama sistemlerini geliştirmek, makinelerdeki biyolojik bilişin çok yönlülüğünü ve uyarlanabilirliğini taklit etmeye çalıştığımız için hayati bir hedeftir.

Dolayısıyla, kendi beyninizin nasıl çalıştığını anlamak soyut görünse de, bu öncü araştırma, pratik yapay zeka uygulamalarını daha da yakınlaştırıyor ve VERSES AI'nın AI dünyasına sunduğu ve öncülük ettiği gerçek anlamda devrim niteliğindeki çalışmayı doğruluyor. Serbest Enerji Prensibi, kortikal hesaplamaya ilişkin birleştirici bir teori sağlar ve bunun canlı nöron ağlarında deneysel olarak doğrulanması, gerçek anlamda beyne benzer yapay zekalar oluşturmaya yönelik yolda önemli bir kilometre taşına işaret eder.

Dr. Karl Friston'un Aktif Çıkarım Yapay Zeka ve Özgür Enerji Prensibi alanında onlarla birlikte yaptığı devrim niteliğindeki çalışmalar hakkında daha fazla bilgi edinmek için VERSES AI ve Spatial Web Foundation'ı ziyaret edin .