Derin sinir ağları ve büyük dil modelleri pek çok görevi çözmüş olsa da muazzam miktarda elektrik tüketiyorlar — oysa insan beyni zekâyı yaklaşık 20 watt ile üretebiliyor. Nature Machine Intelligence dergisinde yayımlanan yeni bir çerçeve farklı bir yol izliyor: beynin kendi veri yapısını, bilişsel haritayı ödünç alarak alışılmadık sorunları enerjinin çok küçük bir kısmıyla çözen bir ağ kuruyor.
Tsinghua Üniversitesi, Graz Teknoloji Üniversitesi ve İtalya Ulusal Araştırma Konseyi araştırmacılarının geliştirdiği yaklaşım, bilişsel bilimden gelen bir içgörüye dayanıyor: beyinler öğrenilen bilgiyi parametre tabloları olarak değil, iç haritalar olarak saklar — gerçek zamanlı hızlı ve uyarlanabilir kararlar sağlayan uzamsal benzeri temsiller. Mevcut yapay zekânın çoğu bu düzeni tamamen göz ardı ediyor.
"Neural sampling from cognitive maps enables goal-directed imagination and planning" başlıklı makalede tanımlanan ağ, devasa çevrimdışı eğitim yerine yerel olarak öğreniyor. Yeni bir hedef verildiğinde, harekete geçmeden önce olası yörüngeleri hayal etmek için 2 boyutlu bir bilişsel haritadan örnekleme yapıyor — insanların planlama yaparken gerçekleştirdiği zihinsel simülasyonun algoritmik bir yankısı. İlk testlerde ağ, hiç karşılaşmadığı sorunları başarıyla planladı ve çözdü; kararları da tipik derin modellerinkine kıyasla çok daha kolay yorumlanabilirdi.
"Evrimin beyinlerde zekâ üreten algoritmalar ve veri yapıları icat etmiş olması ve bu çözümlerin günümüz yapay zekâsında kullanılanlardan çok farklı olması bizi cezbetti," diyor kıdemli yazar Wolfgang Maass. Çerçeve, nöromorfik ve bellek içi hesaplama çipleri için tasarlandı — IBM, Intel ve çok sayıda girişimin üzerinde çalıştığı, verileri depolandığı yerde işleyerek yapay zekânın enerji faturasını düşürmeyi hedefleyen yeni donanım sınıfı.
Araştırmacılar algoritmayı silikona taşımak için halihazırda Intel ve ABD merkezli bir girişimin mühendisleriyle çalışıyor. Maass'ın ekibi yaklaşımı, beynin düşük gecikmeli karar verme yeteneğini ve kendi seçimlerini açıklama becerisini yakalayacak şekilde genişletmeyi planlıyor — bu da yapay zekâ araştırmalarında önemli bir hedef.
