Sistemleri Konuşma Sinyallerini İnsan Beyni Gibi İşliyor
Özet: Yapay zekâ sistemleri, beynin konuşmayı yorumlama biçimine benzer sinyalleri işleyebilir ve bu da potansiyel olarak yapay zekâ sistemlerinin nasıl çalıştığını açıklamaya yardımcı olabilir. Bilim insanları, tek bir heceyi dinlerken beyin dalgalarını ölçmek için katılımcıların kafalarına elektrotlar yerleştirdi ve bu beyin aktivitesini İngilizce öğrenmek üzere eğitilmiş bir yapay zekâ sistemiyle karşılaştırdı. Sonuçlar, şekillerin oldukça benzer olduğunu ve bu durumun giderek daha güçlü sistemlerin geliştirilmesine yardımcı olabileceğini ortaya koydu.
Temel Bulgular:
Yapay Zekâ Sistemleri Beyin Gibi Konuşmayı Nasıl İşliyor?
Beyin Dalgaları ve Yapay Zekâ Sinyalleri Arasındaki Benzerlik
Berkeley Kaliforniya Üniversitesi’nde yapılan yeni bir araştırma, yapay zekâ sistemlerinin sinyalleri, beynin konuşmayı yorumlama biçimine oldukça benzer bir şekilde işleyebildiğini gösteriyor. Bilim insanlarına göre bu bulgu, yapay zekâ sistemlerinin nasıl çalıştığına dair kara kutuyu açıklamalarına yardımcı olabilir. Berkeley Konuşma ve Hesaplama Laboratuvarı’ndan bilim insanları, katılımcıların kafalarına yerleştirilen bir elektrot sistemi kullanarak, katılımcılar tek bir hece olan “bah” kelimesini dinlerken beyin dalgalarını ölçtüler. Daha sonra bu beyin aktivitesini, İngilizce öğrenmek üzere eğitilmiş bir yapay zekâ sistemi tarafından üretilen sinyallerle karşılaştırdılar. UC Berkeley’de dilbilim doçenti ve Scientific Reports dergisinde yakın zamanda yayınlanan çalışmanın baş yazarı Gasper Begus, “Şekiller oldukça benzer” dedi. “Bu size benzer şeylerin kodlandığını, sürecin benzer olduğunu söylüyor. ” İki sinyalin yan yana karşılaştırıldığı grafik bu benzerliği çarpıcı bir şekilde gösteriyor. Begus, “Veriler üzerinde hiçbir değişiklik yapılmadı,” diye ekledi. “Bu ham bir veri.”
Yapay Zekâ Sistemlerinin Çalışma Biçimini Anlamak
Yapay zekâ sistemleri son zamanlarda büyük bir hızla ilerliyor. ChatGPT’nin geçen yıl dünya çapında yayılmasından bu yana, bu araçların toplumsal sektörleri alt üst edeceği ve milyonlarca insanın çalışma biçimlerinde devrim yaratacağı tahmin ediliyor. Ancak bu etkileyici ilerlemelere rağmen, bilim insanları yarattıkları araçların girdi ve çıktı arasında tam olarak nasıl çalıştığına dair anlayışları sınırlı kaldı. ChatGPT’deki bir soru ve cevap, bir yapay zekâ sisteminin zekasını ve önyargılarını ölçmek için bir ölçüt haline geldi. Ancak bu adımlar arasında neler olduğu kara kutu gibi bir şeydi. Bu sistemlerin nasıl ve neden bilgi sağladıklarını – nasıl öğrendiklerini – bilmek, sağlık hizmetlerinden eğitime kadar uzanan alanlarda günlük hayatın bir parçası haline geldikçe önem kazanıyor.
Beyin ve Yapay Zekâ Arasındaki Karşılaştırma Tekniği
Begus ve ortak yazarları Johns Hopkins Üniversitesi’nden Alan Zhou ve Washington Üniversitesi’nden T. Christina Zhao, bu kutuyu açmak için çalışan bir grup bilim insanı arasında yer alıyor. Begus bunu yapmak için dilbilim alanındaki eğitimine başvurdu. Begus, konuşulan kelimeleri dinlediğimizde, sesin kulağımıza girdiğini ve elektrik sinyallerine dönüştürüldüğünü söyledi. Bu sinyaller daha sonra beyin sapından geçerek beynimizin dış kısımlarına ulaşıyor. Elektrot deneyi ile araştırmacılar, tek bir sese 3.000 kez tekrarlanan tepki olarak bu yolu izlediler ve konuşmayla ilgili beyin dalgalarının dilin gerçek seslerini yakından takip ettiğini buldular. Araştırmacılar aynı “bah” sesi kaydını, sesi yorumlayabilen denetimsiz bir sinir ağına (bir yapay zekâ sistemi) aktardılar. Berkeley Konuşma ve Hesaplama Laboratuvarı’nda geliştirilen bir tekniği kullanarak, çakışan dalgaları ölçtüler ve bunları oluştukları anda belgelediler. Önceki araştırmalar, beyin ve makinelerden gelen dalgaları karşılaştırmak için ekstra adımlar gerektiriyordu.
Yapay Zekâ Sistemlerinin Geliştirilmesine Katkısı
Begus, dalgaları ilk halleriyle incelemenin, araştırmacıların bu sistemlerin nasıl öğrendiğini ve insan bilişini nasıl yansıttığını anlamalarına ve geliştirmelerine yardımcı olacağını söyledi. Begus, “Bir bilim insanı olarak bu modellerin yorumlana bilirliğiyle gerçekten ilgileniyorum” dedi. “Çok güçlüler. Herkes onlar hakkında konuşuyor ve herkes onları kullanıyor. Ancak onları anlamaya çalışmak için daha az şey yapılıyor.” Begus, girdi ve çıktı arasında olup bitenlerin bir kara kutu olarak kalmaması gerektiğine inanıyor. Bu sinyallerin insanların beyin faaliyetleriyle nasıl karşılaştırıldığını anlamak, giderek daha güçlü sistemler inşa etme çabasında önemli bir ölçüt.
Yapay Zekâ Modellerinin Dil Kullanımına Dayalı Olması
Örneğin, bu anlayışa sahip olmak, giderek daha güçlü hale gelen yapay zekâ modellerine korkuluklar yerleştirmeye yardımcı olabilir. Ayrıca hataların ve yanlılıkların öğrenme süreçlerine nasıl dahil edildiğine dair anlayışımızı da geliştirebilir. Begus, kendisi ve meslektaşlarının bu sinyallerin nasıl karşılaştırabileceğini ölçmek için beyin görüntüleme teknikleri kullanan diğer araştırmacılarla iş birliği yaptıklarını söyledi. Ayrıca Mandarin gibi diğer dillerin beyinde nasıl farklı şekilde çözüldüğünü ve bunun bilgi hakkında ne ifade edebileceğini inceliyorlar. Birçok model, renkler ya da yazılı metinler gibi görsel ipuçları üzerinde eğitilir – her ikisi de ayrıntılı düzeyde binlerce varyasyona sahiptir. Ancak Begus, dilin daha sağlam bir kavrayışın kapısını açtığını ifade ediyor. Örneğin İngiliz dilinde sadece birkaç düzine ses vardır. “Bu modelleri anlamak istiyorsanız, basit şeylerle başlamalısınız. Konuşmayı anlamak ise çok daha kolay” diyor Begus. “Bu modellerin nasıl öğrendiğini anlamamıza yardımcı olacak şeyin konuşma olduğu konusunda çok umutluyum.”
Yazar: Jason Pohl
Çeviren: Zeynep Sude Öztekin
Kaynak: UC Berkeley
İletişim: Jason Pohl – UC Berkeley