S:
Makine öğrenimi biyolojik nöronları gözlemlemeye nasıl yardımcı olabilir - ve bu neden kafa karıştırıcı bir yapay zeka türüdür?
A:Makine öğrenimi sadece insan beyni aktivitesini modellemekle kalmaz - bilim adamları ayrıca beynin kendisine ve bu sistemlerin üzerine inşa edildiği bireysel nöronlara bakmak için ML güdümlü teknolojiler kullanır.
Kablolu bir makale, beyne bakmak ve tek tek nöronların özelliklerini tanımlamak için devam eden çabalardan bahseder. Yazar Robbie Gonzalez, bugün hala makine öğrenimi geliştirmenin en ileri noktasında olanları gösteren 2007 çabalarından bahsediyor.
| Ücretsiz İndirme: Makine Öğrenmesi ve Neden Önemlidir |
Bir bakıma, bu projeler denetimli makine öğreniminin emek-yoğun doğasını da göstermektedir. Kontrollü makine öğrenimi programlarında, projenin başarı ve doğruluk için kurulmasına yardımcı olmak için eğitim seti verilerinin dikkatlice etiketlenmesi gerekir.
Gonzalez, bir takımın çeşitli üyelerinin, bu projelerin ihtiyaç duyduğu türden bir etiketleme elde etmek için gereken büyük emek çabasını gerçekleştirmek için bir araya geldiği bir durumdan bahsediyor - yaz öğrencileri, lisansüstü öğrenciler ve doktora sonrası bireyler, moleküler sinirbilimci Margaret Sutherland'ı tanımlamak veri ek açıklamasının veri kümesinin hazırlanmasına nasıl yardımcı olduğunu açıklar. Sutherland'ın yönetmen olduğu Ulusal Nörolojik Bozukluklar ve İnme Enstitüsü, çalışmanın kaynaklarından biriydi.
Derin bir sinir ağı kullanarak, San Francisco sinirbilimci Stephen Finkbeiner ve Google'daki bazı uzmanlar tarafından yönetilen bir ekip, çeşitli floresan işaretleme etiketleri olan ve olmayan hücrelerin görüntülerini gözlemledi. Teknoloji, bir nöronun aksonlar ve dendritler gibi tek tek parçalarına baktı ve Finkbeiner ve diğerlerinin silico etiketleme veya ISL olarak adlandırdığı bir süreçte çeşitli hücre tiplerini birbirinden izole etmeye çalıştı.
Bu tür araştırmalar özellikle makine öğrenimi sürecinde yeni olanlar için kafa karıştırıcı olabilir. Çünkü makine öğrenimi ve yapay zeka fikri, nöronların insan beyninde nasıl çalıştıklarının dijital modelleri olan sinir ağlarına dayanıyor.
Biyolojik nöron üzerine inşa edilen yapay nöron, bir dizi ağırlıklı girdi, bir dönüşüm fonksiyonu ve bir aktivasyon fonksiyonuna sahiptir. Biyolojik nöronlara benzer şekilde, bir çeşit veri güdümlü girdi alır ve bir çıktı döndürür. Bu yüzden bilim insanlarının biyolojik olarak ilham alan sinir ağlarını biyolojik nöronlara bakmak için kullanabilmeleri biraz ironik.
Bir bakıma, özyinelemeli teknolojinin tavşan deliğinden belirli bir şekilde gider - ancak bu endüstrideki öğrenme sürecini hızlandırmaya yardımcı olur - ve sonunda, sinirbilim ve elektrik mühendisliğinin çok yakınlaştığını da kanıtlıyor. bağlantılı. Bazılarının görüşlerine göre, büyük BT zihninden Ray Kurzweil'in insanlar ve makineler arasındaki çizgilerin sürekli bulanıklaşacağı tekillikle yaklaşıyoruz. Tüm bu yeni modellerin nasıl çalıştığını daha iyi anlamak için bilim adamlarının bu çok güçlü teknolojileri dünyamıza nasıl uyguladıklarına bakmak önemlidir.
