Geleceğe dair bilim kurgu senaryolarını gerçeğe dönüştürmeye bir adım daha yaklaşırken, biyolojik bilgisayarlar hakkında heyecan verici bir gelişme gündeme geliyor. İnsan beyni hücrelerinden oluşan minik bir küme, kısa sürede beklenmedik bir öğrenme eşiğini geçebilecek bir performans sergiledi. Avustralyalı Cortical Labs’ın nöron tabanlı çipleri, artık Doom adlı klasiğe karşı oynayabilecek seviyeye ulaştı. Bu başarı, henüz insan oyuncularla yarışabilecek bir düzeye ulaşamasa da, biyolojik bilgisayarlar için önemli bir kilometre taşı olarak değerlendiriliyor.
Deneyin temelinde, mikroelektrot dizileri üzerine yerleşik canlı beyin hücrelerinden oluşan bir sistem yatıyor. Yaklaşık 800 bin nöron, elektrik sinyallerini gönderebilmek ve alabilmek için özel bir yüzey üzerinde büyütülüyor. Önceki çalışmada, 2021’de Pong oyununu öğretebilmek için uzun ve karmaşık bir eğitim süreci gerekiyordu; bu kez ise süreç çok daha pratik hale getirildi.
800 BİNDEN FAZLA CANLI NÖRON KULLANILDI ifadesi, projenin ölçeğini anlamak için önemli bir işaret. Şirket, çipleri programlamayı kolaylaştıran yeni bir arayüz geliştirdi ve artık Python ile kontrol etmek mümkün. Bağımsız geliştirici Sean Cole, bu arayüz sayesinde Doom’u öğrenmesi için nöron tabanlı çipleri eğitmeyi başardı ve süreç yalnızca yaklaşık bir hafta sürdü.
Cortical Labs’ın kurucularından Brett Kagan, bu gelişmenin teknoloji açısından büyük bir öneme sahip olduğuna dikkat çekiyor. Kagan’a göre, birkaç yıl önce Pong deneyini gerçekleştirmek için yıllar süren çalışmalar gerekliydi; Doom’un öğrenilmesi ise deneyimli bir geliştiricinin sadece birkaç gününde tamamlandı. Çok hızlı öğrenme vurgusu, bu tür biyolojik sistemlerin silikon tabanlı yapay zekâlara kıyasla ne derece farklı bir öğrenme potansiyeli taşıdığını gösteriyor.
Yeni deneyde kullanılan çip, Pong için kullanılanla göre yaklaşık dörtte biri kadar nöron içeriyor. Buna rağmen oyun sırasında tamamen rastgele hareket eden bir oyuncu statüsünden daha iyi performans sergileyebiliyor. Ancak mevcut düzey, deneyimli insan oyuncuların gerisinde. Bununla birlikte, araştırmacılar biyolojik sistemlerin, geleneksel makine öğrenimi yöntemlerinden çok daha hızlı öğrenme kapasitesine sahip olduğuna inanıyorlar. Yeni öğrenme algoritmalarıyla performansın zamanla artabileceğini de öngörüyorlar. Kagan, bu çiplerin insan beyniyle doğrudan karşılaştırılmasının doğru olmayacağını vurguluyor ve bu teknolojiyi aslında “canlı ama bir bilgi işleme materyali” olarak görmek gerektiğini ifade ediyorlar. Araştırmacılar, bu çalışmaların biyolojik veya hibrit bilgisayarların karşılaşacağı karmaşıklık, belirsizlik ve gerçek zamanlı karar verme gibi zorlukları aşmada yol gösterici olabileceğini belirtiyor.