Robot Arılar ile ilgili haberi okuyunca “nöromorfolojik çip” teknolojisinin gelişimi beni epeyce şaşırttı. 2014 yılında bilgisayar mühendisleri umut vaat eden ilk geniş ölçekli “nöromorfik (nueromorphic)” yongaları duyurdular. Bu yongalar bir canlı varlığın beynini taklit edecek şekilde tasarlandı. Temeli 70 yıl önce Macar asıllı, matematik ve bilgisayar bilimcisi John von Neumann tarafından atılmıştı. Bu yongalar elektronik tablolama ve kelime işlemeyi temel alan mantıksal işlemleri başarıyla yürütebilirken veri yığınını bütünleştirme konusunda zorlanıyorlar.
Nöronlar kimyasal sinyaller yoluyla binlercesiyle iletişim kurabiliyorlar. Bu, beynimizin pek çok bilgiyi aynı anda işlemesini sağlayabilmesi anlamına geliyor. Nöromorfolojik çip beynimizin çalışma şeklini taklid ederek birbirleriyle paralel pek çok işlemi aynı anda ele alıp en uygun sonucu buluyor. Fakat yaklaşık 100 trilyon snapsla (nöronların kuyrukların ucunda yer alan saçaklar) 100 milyar hücresel ağ ile karşılaştırıldığı zaman IBM’nin TrueNorth (nöromorfik) yongası 5.4 milyar transistör ve 256 milyon snaps’la insan beyninin gölgesinde kalmakta. Intel bu senenin 4. çeyreği başlarında yeni çıkarttığı Loihi adını verdiği nöromorfolojik çipte 1024 yapay nöron veya 130 milyon muhtemel sinaptik bağlantıya sahip simüle nöronlar var; yine de 80 milyar nörondan hâlâ çok uzak.
Bütün bu gelişmelere rağmen Facebook’un derin öğrenme uzmanı Yann LeCu nöromorfolojik yongaların görüntü tanıma gibi görevleri kolayca yapamayacağını söyledi. Intel de bazı derin öğrenme modelleriyle iyi sonuçlar alınamayacağını açıkladı. Tam bu noktada Harvard Üniversitesi'nin “RoboBee” (Robot Arı) projesi kapsamında Cornell Üniversitesi'nden araştırmacılar minik robotlara özerk hareket kabiliyeti kazandıran yeni nesil algoritma üretti. Üniversitesinin Akıllı Sistemler ve Kontroller Laboratuvarı direktörü Silvia Ferrari “Robot Arı rüzgar esintisi ve fiziksel engellerle karşılaştığında kontrolü kaybediyorlardı; fakat yeni çip ve algoritmalarla bu engeli aşmayı başardık. Dolayısıyla farklı durumlara tepki vermeyi öğrenen kontrol ediciler geliştirdik.” diye konuştu (daha fazla bilgi üniversitenin haftalık gazetesi Cornell Chronicle’dan edinilebilir).
Halen kullanmakta olduğumuz yazılım ile geliştirilen algoritmalar elimizin altındaki işlemcilerin, belleklerin gücü nispetinde iş görebilmektedir. Nöromorfik (Nueromorphnic) yongalar 0 ve 1’lerle sınırlanan kısıtlı dünyamıza daha geniş bir çerçeveden bakmamızı sağlayabilirler. İşte o zaman gerçek bir yapay zekaya sahip insansı robotlardan söz edebiliriz. Nöromorfik yongalar bu işi başaracaklar demiyorum; şu anki kullanmış olduğumuz yongalarda değişime gitmediğimiz müddetçe hayalini kurduğumuz ya da korktuğumuz geleceğin dünyasını öngörecek noktaya ulaşamayacağımızdan endişeliyim.
Elimizdekileri kullanıp en iyisini yapmaya gayret edeceğiz; diğer taraftan ise yeni bakış açısına ihtiyacımız olduğunu unutmayalım.
