RWTH Aachen Üniversitesi Makine Mühendisliği Bilgi Yönetimi Enstitüsü’nden bir araştırmacı ekip; bilgilerin Yapay Sinir Ağları (YSA) içinde nasıl yapılandırıldığını belirlemek için, nörobilim tekniklerinin kullanımını araştırdı. ArXIV’de yayınlanan makalelerinde araştırmacılar; ablasyon adı verilen ve beynin parçalarını, işlevlerini belirlemek için sinir ağları yapılarında kesmeyi gerektiren bir teknik uyguladılar.
Araştırmacı Richard Meyes ve Tobias Meisen: “Beynimizin nasıl çalıştığını açıklayan, sinirbilim alanındaki araştırmalardan ilham aldık. Beynin fonksiyonelliğiyle ilgili birçok fikir; beynin belirli bölümlerinin kontrollü bir şekilde dikkatlice kesildiği bir yaklaşım olan ablasyon çalışmalarında keşfedildi. Bu çalışma; beyinleri konuşma veya hareket gibi gündelik işleri yapma becerisini etkiledi.”
Çalışmanın amacı; YSA’ları biyolojik bir bakış açısıyla incelemek, yapılarını ve farklı bileşenlerinin işlevlerini değerlendirmektir. Bunu da, sinirbilim araştırmalarında iki yüz yıldan beri kullanılan bir teknik olan ablasyonla gerçekleştirmektir.
Temel olarak, ablasyon; sadece bu hasarın davranışsal etkilerini gözlemlemek ve dolayısıyla bu alanların işlevini daha iyi anlamak amacıyla, beynin belirli alanlarındaki dokuyu seçici olarak çıkarmak veya tahrip etmekten ibarettir. Ablasyon, birçok çalışmada YSA’lara halihazırda uygulanmıştır. Ancak bu çalışmalar; temel olarak ağ katmanlarının ince ayarlanması ve yapısının değiştirilmesi üzerine odaklanmıştır. Bu nedenle biyolojik aramalardan daha çok, parametre aramalarına benzemektedir.
Araştırmacılar; çalışmalarında, YSA alanlarına zarar vermek ve bunun performanslarını nasıl etkilediğini gözlemlemek istedi. Sonunda, yapay sinir ağlarının organizasyonunu biyolojik olanlarla karşılaştırmak için, bu gözlemleri kullandılar.
Lillian, Meyes & Meisen. /RWTH Aachen Üniversitesi/techxplore
Meyes ve Meisen: “Yapay sinir ağlarını anlamak için kullanılan ablasyonların ardındaki fikir basit: İlk olarak, belirli bir görevi yerine getirmek için bir ağı eğitiyoruz. Örneğin el yazısıyla yazılan rakamları tanımak gibi… İkinci olarak, ağın küçük bir kısmını kesiyor ve ağların performansının neden olduğu zarardan dolayı nasıl değiştiğini değerlendiriyoruz. Üçüncüsü, hasar görmüş parçanın konumu ile ağın performansı üzerindeki etki arasındaki ilişkiden dolayı, ağın belirli yeteneklerinin, örneğin kontrollü robotun ileri hareketlerini gerçekleştirmesinin, kasıtlı olarak imha edilebileceğini gördük.”
Araştırmacılar; tel bir köprüde gezinmek için eğitilmiş YSA’lara müdahale ederek, sonuçlarından nasıl etkileneceğini incelediler. Yapay ve biyolojik ağlar arasında gerçekten bağlantılar ve benzerlikler olduğunu öne sürerek, bir dizi ilginç bulgu topladılar. Bu benzerlikler hem ağların kendilerini nasıl düzenledikleri ve hem de bilgileri nasıl sakladıkları ile ilgilidir.
Her ablasyon grubu kaldırıldıkça; bu grup olmadan çıktı /Lillian, Meyes & Meisen. /RWTH Aachen Üniversitesi/techxplorekaydedilir. Araştırmacılar, her grubun ablasyonundan sonra, parçaları çıkarıldığında, ağın nasıl değiştiğini gösteren çıktıların bir listesini verdiler.
Meyes, Meisen ve Lillian’ın topladığı etkileyici sonuçlara rağmen, çalışmalarının bazı kısıtlamaları vardı: Çalışma; biyolojik ve yapay sinir ağları arasındaki bağlantıları incelemede ilk adımdı. Örneğin, deneyleri takviye öğreniminin kullanımıyla sınırlıydı ve gerçek zamanlı, robotik olarak eğitilmiş bir modele dayanıyordu.
Gelecekteki araştırmalar; tüm bu sorunlara çözüm bularak; YSA’larla beyin ağları arasındaki benzerlikleri daha ayrıntılı ve daha geniş ölçeklerde inceleyebilir.
Bir görüntü için tipik bir ağın ablasyon sonuçları… Araştırmacılar tarafından kullanılan yöntem; her ablasyon grubunu diğer denemelerdeki emsalleriyle eşleştiriyor. Bu veri genişletilmiş eylem alanının bir bölümünü oluşturur. /Lillian, Meyes & Meisen. /RWTH Aachen Üniversitesi/techxplore
Meyes ve Meisen: “Bir sonraki adımlarımızdan biri, beyin aktivitesinin fMRI gibi görüntüleme yöntemleriyle görselleştirilebildiği gibi; YSA’lardaki aktivitelerin de görselleştirilmesi olacaktır. YSA’lardaki karar alma sürecini daha şeffaf hale getirmeyi ve yapay zeka konusunda yeni bir bakış açısı kazandırmayı hedefliyoruz.”
Comments