Beyin-Esinli Tasarım: Yapay Zekâ İçin Büyük Veri Gereksiz Olabilir

Johns Hopkins Üniversitesi ekibi, yapay zekâ modellerini biyolojik beyne daha çok benzeyecek şekilde yeniden tasarladığında bazı modellerin hiçbir eğitim verilmeden insan beyniyle benzer iç aktivite örüntüleri ürettiğini bildirdi. Bulgular Nature Machine Intelligence dergisinde yayımlandı ve büyük veriyle uzun süreli eğitime dayanan yaygın yaklaşımın tek yol olmayabileceğini ortaya koyuyor.

Deney düzeni ve bulgular: Araştırmacılar transformerlar, tam bağlı (fully connected) ağlar ve konvolüsyonel sinir ağları gibi yaygın mimarileri onlarca farklı varyasyonla uyarladı. Hiçbir model önceden eğitilmeden nesneler, insanlar ve hayvanlara ait görüntüler gösterildi; içsel aktivite bu görüntüler için insan ve maymun beyin yanıtlarıyla karşılaştırıldı. Transformerlarda ve tam bağlı ağlarda kat sayısını artırmak anlamlı değişiklik yaratmazken, konvolüsyonel ağlardaki benzer düzenlemeler beyinle daha uyumlu aktivite desenleri verdi; bazı konvolüsyonel modeller, tipik büyük veriyle eğitilen sistemlerle kıyaslanabilir performans sergiledi.

Çalışmanın yazarları, mimarinin başlangıç noktasının öğrenme sürecinde büyük öneme sahip olduğunu vurguluyor. Ekip, mimarideki bu avantajı basit, biyolojiden esinlenen öğrenme yöntemleriyle birleştirerek derin öğrenme çerçevelerini hem hızlandırmayı hem de veri, hesap ve enerji maliyetlerini azaltmayı hedefliyor.

Kaynaklar ve Bağlantılar:

Visited 71 times, 1 visit(s) today

Last modified: 07 Ocak 2026