Yapay zekâ alanında kaydedilen tüm ilerlemelere rağmen dünyanın en esnek ve verimli bilgi işlemcisi insan beyni olmaya devam ediyor. Her gün değişen ve eksik bilgilere dayanarak hızlı şekilde kararlar alabilsek de, günümüzün yapay zekâ sistemlerinin çoğu yalnızca iyi etiketlenmiş veriler üzerinde eğitildikten sonra çalışır ve yeni bilgiler mevcut olduğunda, bunları dâhil etmek için genellikle yeniden bir eğitim gerekir. MIT mezunu tarafından ortaklaşa kurulan Nara Logics, beyni daha yakından taklit ederek yapay zekâyı bir sonraki seviyeye taşımaya çalışıyor. Şirketin yapay zekâ motoru, beyin yapısını ve devre düzeyinde işlevi kopyalamak için sinirbilimdeki son keşifleri kullanıyor.
Sonuç, geleneksel sinir ağı tabanlı sistemlere göre bir sürü avantajı olan bir yapay zekâ platformudur. Diğer sistemler de titizlikle ayarlanmış sabit algoritmalar kullanırken, kullanıcılar verilerini daha fazla keşfetmek için değişkenleri ve hedefleri değiştirerek Nara Logics’in platformuyla etkileşime girebilir. Platform, etiketli eğitim verileri olmadan da çalışmaya başlayabilir ve kullanılabilir olduklarında yeni veri kümelerini dâhil edebilir. Belki de en önemlisi Nara Logics’in platformu, sunduğu her tavsiyenin arkasındaki nedenleri açıklayabilir – sağlık hizmetleri gibi sektörlerde benimsenmenin temel gücü gibi.
İlginizi çekebilir: İyilik Yolunda Yapay Zekâ: Yapay Zekâ İnsanlığa Nasıl Yardımcı Oluyor
“Sağlık bakımı müşterilerimizden birçoğu örneğin, birinin hastaneye yeniden yatma olasılığını veren YZ sistemlerine sahip olduklarını söylüyor, ancak bunlara hiç sahip olmadılar ‘ama neden?’ “diyor CTO şirketi ve kurucu Nathan Wilson Ph.D. ile yöneten Nara Logics CEO’su Jana Eggers. Nara Logics’in yapay zekâ platformu şu anda sağlık kuruluşları, tüketici şirketleri, üreticiler ve federal hükümet tarafından daha düşük maliyetler ve müşterilerle daha iyi etkileşim kurma gibi şeyler yapmak için kullanılıyor.
Platformun mimarisi, Wilson’un sinirbilimin karmaşıklıklarını onlardan soyutlamak yerine kucaklamaya karar vermesinin bir sonucudur. Bu yaklaşımı, uzun süredir insan zihnini tersine mühendislik görevini üstlenen MIT’nin Beyin ve Bilişsel Bilimler Bölümü’nde çalışarak on yıldan fazla bir süredir geliştirdi. Wilson, “Nara Logics’te, sinirbilimin daha önce görmediğimiz kararlar almak için gerçekten heyecan verici yollara yol açacak gerçekten iyi bir yolda olduğunu düşünüyoruz” diyor.
Bir Tutkunun Peşinde
Wilson, lisans ve yüksek lisans dereceleri için Cornell Üniversitesi’ne katıldı. Ancak 2000 yılında MIT’ye ulaştığında, ortada kaldı. Beş yıllık bir Ph.D. ve yedi yıllık bir doktora sonrası, beyin işlevini simüle etmek için matematiksel çerçeveler yarattı. Wilson, “MIT’deki topluluk, bilgisayar biliminin sunduklarının ötesine geçen yeni hesaplama modelleri geliştirmeye gerçekten odaklanmış durumda” diyor. “Çalışma, bilgisayar bilimi ile bağlantılı ancak aynı zamanda beynimizin bize bilgisayarların nasıl çalıştığını veya bilgisayarların nasıl çalışabileceğini öğretebilecek olduğunu da değerlendiriyor.”
Wilson, doktora sonrası çalışmasının son yıllarında, 2010’dan 2012’ye kadar geceleri ve hafta sonları, algoritmalarını Nara Logics’in temeli olacak ticari bir sisteme çevirmeye de başlıyordu. 2014 yılında çalışmaları, bir dizi başarılı işe liderlik eden ancak yapay zekâ konusundaki başarısızlığı hakkında bıkmış olan Eggers’ın dikkatini çekti. Eggers, Nara Logics’in yapay zekâ motorunun işletmelere yardımcı olmak için üstün bir yol sunduğuna ikna oldu. O zamanlar bile şirketin Nara Logics Synaptic Intelligence olarak adlandırdığı motor, kendisini bu alanda benzersiz kılan özelliklere sahipti.
İlginizi çekebilir: Elon Musk: Yapay Zekâ 5 Yıl İçerisinde İnsanlardan Daha Üstün Olacak
Motorda, hastalar ve tedaviler gibi müşterilerin verilerindeki nesneler, biyolojik sistemlerde gözlemlenene benzer bir yapıda, diğer nesnelerle paylaştıkları özelliklere göre matrisler halinde düzenlenir. Nesneler arasındaki ilişkiler, şirketin hücre ve devre tabanlı sinirbilim araştırmalarından uyarlanan sinaptik öğrenme kuralları olarak adlandırdığı bir dizi yerel işlev aracılığıyla da oluşur.
Wilson, “Yaptığımız şey, tüm meta verileri kataloglamak ve Connectomes olarak adlandırdığımız şey içeri girip yapılandırılmamış verilerin veri tabanını araştırmak ve bunlarla ilgili tüm bağlantılar arasında ki bağlantı kurmak,” diye açıklıyor. “Bu arka plana sahip olduğunuzda, içeri girip” şunu ve bunu beğendim “diyebilirsiniz ve motorun verileri sıkıştırmasına ve size bu parametrelerle eşleşmeler vermesine izin verebilirsiniz.
Nara Logics’in Synaptic Intelligence’taki her bir nesnesi, özelliklerini ve kurallarını yerel olarak saklar ve platformun yalnızca az sayıda ilişkili nesneyi güncelleyerek yeni verilere uyum sağlamasına izin verir. Aşağıdan yukarıya yaklaşımın beyin tarafından kullanıldığına inanılıyor. Wilson, “Bu, derin öğrenmeden veya diğer yaklaşımlardan tamamen farklı,” Her şeyi küresel olarak optimize edeceğiz ve her hücre küresel algoritmanın söylediğini yapıyor “diyor.” Sinirbilimciler bize her hücrenin belli bir ölçüde kendi isteğiyle kararlar verdiğini söylüyor. ”
İlginizi çekebilir: 2021 Yılı Yapay Zekâ Tahminleri: Yapay Zekanın Ulaşabileceği Sınırlar
Tasarım, kullanıcıların belirli nesneleri veya özellikleri “etkinleştirerek” ve başka nelerin etkinleştirildiğini veya bastırıldığını görerek verilerdeki ilişkileri keşfetmelerine olanak tanır. Bir cevap vermek gerekirse, Nara Logics’in motoru, veri kümesinde yalnızca az sayıda nesneyi etkinleştirir. Şirket, bunun beynin daha yüksek bölgelerinde kullanıldığına inanılan ve herhangi bir anda sadece az sayıda nöronun etkinleştirildiği “seyrek kodlamaya” benzediğini söylüyor. Seyrek kodlama ilkesi, şirketin platformunun yolunu izlemesine ve kullanıcılara kararlarının arkasındaki nedenleri sunmasına olanak tanır.
Şirket büyüdükçe, Wilson MIT topluluğunun araştırmalarına bağlı kaldı ve Nara Logics, Wilson’ın şirketin müşteriye dönüşen birçok bağlantı kurduğunu söylediği MIT Endüstriyel İrtibat Programı tarafından yürütülen STEX25 girişim hızlandırıcısına katıldı.
Akıl benzeri bir yapay zekâdan yararlanma
Üreticiler, nesnelerin interneti cihazlarından gelen verileri daha iyi anlamak için Nara Logics’in platformunu kullanıyor, tüketici şirketleri bunu müşterilerle daha iyi bağlantı kurmak için kullanıyor ve sağlık hizmetleri grupları daha iyi tedavi kararları almak için kullanıyor. Wilson, “Karar vermenin mekaniği olan belirli bir algoritmaya odaklandık” diyor. “Bunun kodlayabileceğiniz bir şey olduğuna inanıyoruz ve bu süreci doğru bir şekilde gerçekleştirirseniz bunun değerli olacağına inanıyoruz.”
COVID-19 endüstrileri alt üst etti ve kuruluşların uyarlanabilir yazılım araçlarına yatırım yapma ihtiyacının altını çizdiğinden, Nara Logics müşteri tabanını neredeyse ikiye katladı. Kurucular, diğer YZ sistemlerine göre daha işbirliğine dayalı ve insanlara daha duyarlı olduğunu düşündükleri bir çözümü ölçeklendirmekten heyecan duyuyorlar.
Wilson, “Katkıda bulunduğumuz en önemli farkın, insanların katıldığı ve insanların döngü içinde olduğu bir yapay zekâ oluşturmak olduğunu düşünüyoruz – ne yaptığının farkında ve ne yaptığını anlıyor ve farkındalar,” diyor. “Bu, her gün daha akıllı kararlar almalarına yardımcı oluyor ve bunlar büyük bir fark yaratmak için toplanıyor.”
Serra Nur Salim
Bunlar da ilginizi çekebilir
Yapay Zekâ 10 Farklı Şekilde Bu Şaşırtıcı Yetenekleri Gösterdi!
Avrupa Birliği İnsan Hakları Kurumu Sorunları, Yapay Zeka Etik Hususlarına İlişkin Raporu
