Geçtiğimiz günlerde bilgisayar mühendisliği okuyan bir arkadaşımla nöral networkler üzerine tartışıyorduk. Arkadaşımın aksine, savunduğum fikir bilgisayarların (mevzubahis bilgisayarlar geleneksel, 0-1 kapılı mikroişlemcilere sahip bilgisayarlardı) yeni “insan beyinleri” olamayacağı ancak “emülatör” olabileceği yönündeydi. Ancak yeni bir hesaplayıcı mimarisiyle insana ulaşılabileceğini ve mevcut işlemcilerimizle insan olamasak da insanın ilerisine geçecek yeni “canlılar” yaratmamızın mümkün olduğunu da ekledim.
“İnsan beyni” gibi bilgisayardan kastımız Turing Testi‘ni geçen yapay zekalar oluşturmak kesinlikle değildi. Bunun bir çok firma tarafından başarıldığını biliyoruz. Şu açıktır ki insan zekası ile mikroçiplere yüklediğimiz zeka elma ile armut kadar başka şeylerdir. Örneğin bir bilgisayar bir metinde hangi kelimeden kaç tane olduğunu milisaniyeler içinde hesaplarken, insan o metni okuyup içindeki mesajları algılayan ana fikrini hesaplayabilen bir zeka türüne sahiptir. İkisi de rakibinin yaptığı işi aynı verimlilikle yapabilmekten uzaktadır.
İnsan beyni gibi bilgisayardan kastımız bir insan gibi düşünen yani nicel veri olmadığında önyargı üreten ve nitelikli geribesleme gelinceye kadar önyargılarını önceki deneyimleriyle kıyaslayan, bilince sahip ve benliğini korumak için mücadele eden, iç içe geçmiş veya eğreltilemeli cümleler yaratıp mesaj iletebilen, toplumla uyuşan sezgileri olan bir yapay zeka-işlemci birleşikliğiydi.
İnsan olmanın tanımını yaptığımıza göre benim geleneksel bilgisayarların ancak emülatör olabileceğini düşünmemin sebeplerine gelebiliriz. İşlemciler mantık kapıları, mantık kapıları ise transistör devrelerinden oluşur. İşlemci “açık(iletir)” ve “kapalı (yalıtır)” durumlarına geçiş yapabilen yarı iletken transistörlerden oluşur. (“1” durumu açık, “0” durumu kapalıyı belirtecektir) Transistör devrelerinin oluşturduğu mantık kapıları ise transistörlerin “1” veya “0” olmasına göre belirli bir çıktı verir. Tek bir transistörün hesaplama yeteneği anlamsızdır. Bir çok transistör bir araya gelerek çeşitli mimarilerde hesaplayıcılar oluşturur.
İnsan beyni sinir hücrelerinden oluşur (Konnektomiyi bu yazıda tamamen es geçeceğim. Yoksa yazı çok uzayacak.). Sinir hücreleri dinlenme halinde negatif elektrik potansiyeli ile yüklüdür. “Bazı” uyarılara cevap olarak ise pozitif potansiyel ile yüklenir ardından ürettiği pozitif potansiyelleri diğer hücreye bilgi olarak gönderir. İşlemci gibi tek başına kalmış sinir hücresinin de hesaplama yeteneği anlamsızdır. Diğer hücrelerle bütün bir devre oluşturana kadar anlamlı bir çıktı üretilemez. İşlemci ile beynin hesaplama yöntemleri ilk bakışta benzer gibi gözükse de birbirlerinden tamamen farklıdır.
Bir hücrenin ve transistörün maksimum uyarılma durumuna “1” ve minimum uyarılma durumuna “0” dersek(mV cinsinden olmadığına dikkat ediniz.): Transistörler “1” veya “0” gibi iki tane kesikli değer alabilirken bir sinir hücresi “1” veya “0” arasında sınırsız sayıda değer alabilir (Aksiyon potansiyellerinin belirli bir değerde tutulmaya çalışıldığı aklınıza gelebilir. Ancak burada kastım akson ve dendritin alabileceği değerler. Hücrelerde hesaplamaların büyük bölümünün dendrit ve aksonlarla yapıldığını unutmayınız. Daha kolay bir şekilde anlayabilmek için dendriti giriş transistörü aksonu ise girişten sonraki 2. transistör, aksiyon potansiyelini ise iki transistör arasındaki iletken uzay olarak hayal edebilirsiniz. (Bu senaryoda ikinci nöronu ise 3. transistör gibi düşününüz Kafanız karıştıysa EPSP’leri ve potansiyelleri işlediğim diğer yazıya bakabilirsiniz: Detaylı bilgi için tıklayınız ). Bu sınırsız sayıda değer alma kabiliyeti sinir hücresine hesaplama için çok fazla olanaklar sunmaktadır. (Bir o kadarını da götürmektedir.)
Örneğin +0.10’da 1, +0.20’de 3 farklı nörona, +0.30 da 5 nörona ileti yollayan ve her 1 ms’de -0.05 dışarı pozitif potansiyel boşaltarak “0”‘a ulaşmaya çalışan nöronumuz olduğunu hayal edelim. 0’dan +0.05 e taşıyan da x uyarımız var. X uyarımızı her 1 ms’de bir kere yollarsak (her 1ms’de -0.05 yük boşaltan nöron 0’a ulaşacağı için) hücre 0.05 ve 0.00 arasında gidip gelecek ve her halükarda kendine gelen uyarıyı kendinden sonraki nöronlara aktaramayacaktır. Ancak 1 ms’de 2 kere yolladığımızda 1 tane, 1 ms’de 4 kere yolladığımızda 3 farklı, 1 ms’de 6 kere yolladığımızda 5 farklı nörona çeşitli tipte uyarılar gönderilecektir (Diğer nöronlara gönderilen uyarıların tipi frekansa göre değişme yeteneğine sahiptir.). Yani frekansa dayalı hesaplama yapabilme kabiliyetini kazanmıştır sinir hücremiz. Ayrıca X uyarısı +0.05 bilgi taşırken Y uyarısı -0.03 ve Z uyarısı +0.07 durumu taşıyabilir (Belirli bir nöron gönderdiği uyarının niteliğine; nöron tipine, kimyasal çevreye, epigenetik yapıya göre zorunlu olarak sahip olur.)
“1” ve “0” arasında sınırsız değer almanın sağladığı kabiliyetler için çok sayıda örnek verilebilir. Ancak son ve çok önemli bir örnekle bu mevzuyu kapatacağım. Transistörler arasında aktarılan bilgi tek boyutluyken sinir hücresinin aktardığı bilgi çok boyutludur. Benim daha önceki yazım Teknik Seri 3‘ü okuyanların veya konuya hakim olanların bildiği gibi sinir hücreleri bir sonraki hücreye bilgi aktarırken (merkezi sinir sisteminde kısıtlı sayıda bulunan gap-junction aracılı aktarımları saymazsak) izlediği yol şu şekildedir:
1-Dışarıdan bilgi alınır
2-Hücre aldığı bilgiyi öteki uçtaki sinir kavşağına götürür.
3-Bilgi, hücrenin tipi-o anki durumu-çevre koşullarına göre seçilen çeşitli kimyasallarla aktarılmaya hazır hale getirilir (transduction).
4-Alıcı hücre kimyasalların taşıdığı bilgiyi reseptörleri aracılığıyla uygulamaya-taşımaya hazır hale getirir (decoding).
Diğer nörona aktarılacak olan bilgi onlarca kimyasala (Glutamat, glisin, gaba…)dönüşebilir. Hesaplamanın özellikerinden olan bilgi taşıyıcı kimyasal seçimi aksondaki çeşitli şartlara (Mevcut elektriksel potansiyeli, çevresindeki sıvının durumu, sahip olduğu aminoasitler ve kimyasal rezervler…) göre zorunlu olarak yapılır. (Yani hücrenin geçmişi hesaplama algoritmalarını etkiler. Bu önemli bir noktadır çünkü benliğimizin oluşması için geçmiş bilgisinin depolanmasına ihtiyacımız vardır)
Kimyasalların taşıdığı bilgi 2. hücreye ulaştığı zaman reseptörler aracılığıyla “decode” edilir. Decode’u yapan reseptörler her kimyasal için çeşitli sayıdadır (örneğin glutamat için: Glut-1 Glut-2…) ve her reseptör kendi özel etkilerine yani “decoding algoritma spektrumuna” sahiptir. Bazı reseptörler aldıkları bilgiyi hücre içinde uyarılma durumunda (“1” veya “0”) değişiklik yaparken (örneğin +0.05’e ulaştırma) Bazı reseptörler aldıkları bilgiyi hücrenin “0” veya “1” durumunu değiştirmek için değil, aksine daha sonra gelecek olan uyarıyı decodelarken izlenecek algoritmayı değiştirmek için kullanırlar.
Ayrıca her reseptör farklı uyarılma durumlarında(“1” veya “0” arasında aldığı değere göre) farklı etkiler yaratabilir. Örneğin MDMA reseptörleri “+0.20” (farazi bir değer) durumuna ulaşana kadar hücre içinde değişiklik yapmazken “+0.20” den sonra hem geleceğe yönelik (decoding algoritma değişimi) hem anlık (kendinden sonraki nörona uyarı gönderme) etkiler yaratabilmektedir.
Sinir hücrelerine (ve tüm organik canlılığa) has bir başka özellik de kesin değerler-etkiler-cevaplar yerine olasılık-istatistik mantığıyla çalışmalarıdır. Yani aynı uyarı, aynı koşullarda olarak görülen hücrede (Buradaki aynı diyerek Planck Sabiti ölçeğinde Heisenberg kurallarına dayanarak maksimum çözünürlükte baktığımızda gördüğümüz bire bir benzerlikten bahsediyorum.) belirsizlik ilkesinden ötürü farklı sonuçlar doğurmaya gebedir.
Heisenberg belirsizlik ilkesini bir kenara bırakıp gündelik hayata yöneldiğimizde işler daha da dramatikleşir. Buna sebep olan ilk şey az önce decoder olarak tanımladığım reseptörlerin çalışma prensibidir. Her hücre milyonlarca reseptör barındır. Bu reseptörler dinamik bir şekilde “yaşamlarına” devam etmektedir. Konumları, sayıları, çevresi sürekli değişir. Bu değişkenliğin sonucu olarak hücreler belirli miktardaki kimyasala belirli bir tepki verememektedir. Kimyasal bilginin nereden salındığı, salınan kimyasal havuzun içeriği, reseptörlerin yeri ve sayısı bu uyarılmayı etkiler. A hücresine 1. saniyede giden X uyarısı ile 2. saniyede giden X uyarısı bambaşka etkiler yaratır.
Kesin etkiler yerine olasılıklardan bahsedebiliriz. Hem de bir değil bir çok farklı olasılık türünden. Örneğin x mol kimyasalın reseptörlerin %70’ini uyarma olasılığı = %Z, Reseptörlerinin %70’i uyarılmış hücrenin aksiyon potansiyeli başlatma olasılığı =%Z, Uyarılmış bir reseptörün açılma olasılığı=%Z gibi. Elimizde ölçülemeyecek kadar küçük değişikliklerin bile çok büyük etkiler yarattığı, her tepkinin karşılık bulduğu dinamik bir sistem var.
İşlemcilerdeyse böyle bir şeyden bahsedemeyiz. Transistörlerin “1” ve “0” arasında kesikli iki değer aldığından bahsettim. Ancak bu değerlerin birer spektrum olduğunu ve temsil ettikleri şeyin temelde transistörlerdeki kesin uyarım değeri yerine bir sonraki transistöre yaptığı etkiyi temsil ettiğini unutmayınız. Transistörde değerlendirilip diğer transistöre gönderilen belirli bir eşiğin üstündeki elektriksel yüklerin hepsi (farazi olarak= +70 mV) “1” olarak değerlendirilir ve hesaplama açısından-diğer transistöre aktarılan bilgi açısından fark yaratmaz. Yani özetle küçük değerler-değişikler önemini kaybettiği için rastgelelik minimum seviyededir. İnsana maksimum seviyeden benzeyen bir hesaplama yapabilmek için -mimarinin sınırlarını kısıtlayacağını düşündüğüm- yapay bir rastgelelik faktörü eklemeyi düşünmemiz gerekebilir. Ancak buna girmeyeceğim.
Transistör düzeyinde gönderilen bilgideki minimum değişiklik “1”den “0” (veya tersi) duruma geçmektir. Kendinden sonraki transistöre “1” yerine “0” bilgisini gönderen bir transistör tüm devreden alınan cevabın saçma ve alakasız olmasına sebep olacaktır. İnsanda ise olabilecek en küçük değişiklikler cevabın anlamını bu derecede değiştirmeyecektir. Yani işlemcilerin hata verme olasılığı da çok daha fazla gibi görünmektedir.
Ayrıca bilgisayarlarımızda bulunan transistörlerde konumlar çok önemlidir. Mantık kapının ortasından rastgele uyarılar verdiğinizde anlamlı cevaplar alma ihtimaliniz çok düşüktür. Ancak Penfield Deneylerinde kanıtlandığı gibi beynimizdeki devrelerin çeşitli yerinden yapılan uyarılar anlamlı cevaplar oluşturabilmektedir.
“Değişen çevreye maksimum adaptasyon” stratejisine yönelik evrimleşen insan beyni tüm hücreleriyle beraber plastisiteye sahip bir yapıdadır. Beynimiz yeni hesaplama algoritmaları yaratırken, eskilerini silebilir; kendini belirli dereceye kadar iyileştirebilir, hormonların yarattığı duygu durumlarla tabiri caizse kendini bambaşka modlara sokarak çevresine uygun hesaplama algoritmaları arasında gezinebilir.
En önemlisi zamanın izlerini taşır. Hatta taşıdığı bu izler o kadar derin etkiler yaratır ki: bir gün bilim insanları beyindeki tüm verileri okuyan bir makine geliştirip Emrecan Uludağ’dan aldığı verileri Emrecan Uludağ’ın düşünceleriyle eşleştirerek Emrecan Uludağ’ın tüm düşüncelerini okumanın bir yolunu bulursa bu makine Emrecan Uludağ dışında birinde kullanıldığında muhtemelen saçma ve tutarsız sonuçlar verecektir. Her insan beyni bu yüzden eşsizdir.
İşlemci ise biz ne ürettiysek o algoritmayı kullanarak ömrünü tamamlayacaktır. (Yazılımlarla hesaplama algoritmaları bir dereceye kadar değiştirilebilse de çok sabit kurallara bağlı kalarak sınırlara takılacaktır.)
Tamamen farklı sorunları çözmeye yönelik meydana gelen işlemci ve insan beyninin elma ile armut kadar farklı olduğunu kabul etmek ve kaynaklarımızı işlemcileri insana benzetmeye çalışmak yerine, işlemcilerden maksimum faydayı almak için harcamak daha mantıklı olacaktır.
Tüm bu farklıklar yüzünden geleneksel bilgisayarların emülatörden başka bir şey olamayacağını düşünüyorum.
İşlemciyi, insan beynine benzetme çabalarının temellerinden birinin insanın beynini bir gelecekte dijital ortama aktararak ölümsüzlüğü yakalama telaşı olduğunun da farkındayım. Daha beyni anlamaktan çok uzakta olduğumuz gerçeğini göz ardı ettiğimizde bile geleneksel teknolojiyle bu arzu tatlı bir hayalden başka bir şey değil benim için.
Bilgi seviyemin kısıtlı olduğu alanda, on sene sonra okurken muhtemelen “geçmişte ne kadar cesur ve cahilmişim” diyeceğim bir yazıyı yayımlayarak boynumdan büyük bir işe giriştiğimin farkındayım. Tek amacım kendimle tartışırken bu tartışmanın internetin sonsuzluğunda bir iz bırakmasını sağlamaktır.
