Biyolojik organizmaların zekasını karakterize etmek zor ama çok önemlidir. Üç ana zeka teorisi-Sinir Ağları'nın Düzensiz Sistemleri, Serbest Enerji Prensibi ile Önerilen Beynin İstatistiksel Çıkarım Görünümü1ve temel bir hesaplama modeli olan Turing Machine – neredeyse bağımsız olarak kabul edildi. Burada, mevcut çalışma “biyolojik zekanın ortaya çıkması için üçlü denklik2“Matematiksel olarak üç kavram arasındaki üçlü denkliği gösterdi. Bu, bir kanonik sinir ağının sınıfının, dış dünyada Turing makinelerinin istatistiksel çıkarımı yoluyla çeşitli akıllı algoritmalar elde edebileceğini düşündürmektedir. Bu sonuçlar, istatistiksel sonuç ve gelişme, insan ve hayvanların, insanlık ve hayvanların, insanlık ve hayvanların, insan anlayışının ve insan anlayışımızın insan anlayışını sunabileceğini göstermektedir.
Arka plan
Biyolojik zeka, diferansiyel denklemler olarak ifade edilebilen nöronların ve sinaptik bağlantıların dinamiklerinden kaynaklanır. Ayrıca, biyolojik zeka, gelecek nesillere daha fazla gen geçiren bireylerin seçimi tarafından yönlendirilen evrim yoluyla oluşturulur. Bununla birlikte, bu tür evrimsel süreçlerden ortaya çıkan akıllı algoritmaların kesin bir açıklaması henüz belirlenmemiştir.
Serbest enerji prensibine göre, tüm biyolojik organizmaların algılanması, öğrenilmesi ve etkisi varyasyonlu serbest enerjiyi en aza indirmek için belirlenir. Bu, biyolojik organizmaların varyasyonel Bayesian çıkarımlarını kendi kendini örgütleyen bir şekilde gerçekleştirmesiyle sonuçlanır. Bu perspektiften, bu organizmalar, beyinlerinde dış dünyanın dinamiklerini temsil eden üretken bir model oluşturarak algılarını ve eylemlerini optimize eder.
Daha önce kanonik sinir ağlarının nöral aktivite denklemlerinden biyolojik olarak makul bir enerji fonksiyonu belirledik3 ve varyasyonlu serbest enerjiye matematiksel denkliğini gösterdi. Bu, serbest enerji prensibinin geçerliliğini gösterir4 Nöronal ve sinaptik seviyelerde mekanik fenomenler için. Dış dünyanın Bayes'in çıkarımını gerçekleştirmesi olarak okunabilen böyle dinamik bir sistem, Bayes dinamik bir sistem olarak adlandırılır.
Bununla birlikte, tek başına serbest enerji prensibinin yeterli zeka elde edip edemeyeceği belirsizliğini korumaktadır. İstatistiksel çıkarım ve jenerik zekaya dayanan algı ve eylemin optimizasyonu arasında boşluklar devam etmektedir. Serbest enerji prensibi üzerine yapılan önceki çalışmalar biyolojik sinir ağlarının keyfi algoritmalar elde edip edemeyeceğini belirlememiştir. Bu nedenle, mevcut çalışma, kanonik sinir ağlarının genel algoritmaları kendi kendini organize eden bir şekilde alıp alamayacağını düşünmektedir.
Bulgular
Başlangıçta, bir Turing makinesi sınıfı için bir enerji fonksiyonu dikkate alınmıştır. Sabit noktası bir Turing makinesinin geçiş eşlemesini ifade eden bir diferansiyel denklem tanımlanmıştır ve Helmholtz enerjisini yeniden yapılandırmak için integrali hesaplanmıştır. İlginç bir şekilde, bu Turing makineleri Helmholtz enerjisine, kanonik sinir ağları sınıfı için paylaşılan bir fonksiyonel formda. Bu nedenle, bu kanonik sinir ağları, nöral aktivite ve plastisiteleri yoluyla Turing makinelerini uygulayabilir (Şekil 1).
Bu yazışmada nöral aktivite XT Orta katmanda, otomat durumlarını kodlamak olarak yorumlanabilir, çıkış katmanındaki sinaptik bağlantılar belleği kodlama ve nöral aktivite yTBellek okumalarını kodlayan çıkış katmanında. Çıktı katmanındaki nöral aktivite, iç temsili değiştirmek için orta katmana iletilen zihinsel eylemler üreterek bellek bilgilerini okur. Ayrıca, bellek yazıları hızlı İbranice sinaptik plastisite ve modülasyonları kullanılarak temsil edilebilir.
Özellikle, iki zihinsel etkiye sahip kanonik sinir ağları, birkaç harici Turing makinesinin geçiş eşlemelerini ayrı ayrı saklayarak diğer Turing makinelerinin davranışını taklit eden evrensel bir Turing makinesi oluşturabilir. Bu nedenle, bu kanonik sinir ağları sınıfı prensip olarak keyfi algoritmaları ve evrensel Turing makinelerini temsil edebilir.
Özellikle, burada ele alınan Turing makineleri, bir enerji fonksiyonunu en aza indirdiğinden Bayes dinamik bir sistem olarak görülebilir. Bu kanonik sinir ağları ve Turing makineleri, yaygın olarak kullanılan bir üretken model olan kısmen gözlemlenen Markov karar süreçlerine (POMDPS) dayanan Bayesian çıkarımını gerçekleştirir. Otomaton ve bellek durumları arka beklentiler olarak temsil edilir. Bu nedenle, kanonik sinir ağlarının matematiksel temsilleri, bir POMDP sınıfı altındaki varyasyonel Bayesian çıkarımları ile Turing makineleri arasındaki üçlü denklik kuruldu (Şekil 1). Bu eşdeğerlik, kanonik sinir ağlarının dış Turing makinelerinin varyasyonel Bayes çıkarımlarını biyolojik olarak akla yatkın bir şekilde gerçekleştirebileceğini doğruladı.
Şekil 1. Üçlü denklik şeması. (Alt) Dış dünyayla etkileşime giren kanonik sinir ağlarının dinamik bir sistemi. (Sol üst) Serbest enerji prensibi tarafından önerilen dış dünyanın varyasyonel Bayes çıkarımına dayanan beyin modeli. Beyin, üretken bir model kullanarak dış dünyayı etkiler. (Sağ üst) Harici ve iç Turing makineleri arasındaki etkileşim. Bu üç neredeyse bağımsız olarak gelişmiş teorik kavram arasında bire bir yazışma vardır.
Ayrıca, evrimsel bir perspektiften bakıldığında, bu çalışma, Bayes-optimal çıkarım ve karar verme de dahil olmak üzere uyarlanabilir algoritmaların doğal seleksiyon yoluyla ortaya çıktığını göstermektedir. Nüfus düzeyinde Helmholtz enerjisi, yukarıda tanımlanmış Helmholtz enerjisinin bireyler ve evrimsel fitness fonksiyonu entegre edilmesiyle tanımlanabilir. Bu Helmholtz enerjisi aynı zamanda popülasyon düzeyinde varyasyonlu serbest enerjiye karşılık gelir. Böylece, bireylerin doğal seleksiyon yoluyla seçilmesi, Bayes model seçimi kullanarak üretken modeli optimize etmeye karşılık gelir. Bu, dış dünyada Turing Makinesi durumlarının varyasyonel bir Bayesian çıkarımı olarak doğal seleksiyondan kaynaklanan uyarlanabilir algoritmanın (yani üretken model) karakterizasyonunu sağlar.
Bu önermeler, algoritma uygulaması ve sinir ağı evriminin sayısal simülasyonları ile desteklenmektedir. Örneğin, harici bir algoritma bir toplayıcı olduğunda, kanonik sinir ağları doğal seleksiyon yoluyla taklit etmek için kendi kendini organize edebilir (gelişebilir). Bu, uyarlanabilir algoritmaların evrim yoluyla nasıl ortaya çıktığına dair bilgiler sağlar.
Perspektifler
Kanonik sinir ağlarının erdemi, zihinsel eylemler ve hızlı plastisitenin bir bağlama bağlı olarak programları okuması ve yazması, dış dünyanın çeşitli algoritmalarını taklit eder. Bu, sabit bir üretken modele dayanan tek bir algoritma yürüten geleneksel nöral devre modelleriyle tezat oluşturur. Çevrenin ve diğer ajanların algoritmaları doğrudan gözlemlenemese de, kanonik sinir ağları doğal olarak bu algoritmaların Bayes çıkarımlarını davranışlarından ve tepkilerinden yapabilir. Bu, kanonik sinir ağlarının prensip olarak genel akıllı algoritmaları kendi kendini örgütleyen bir şekilde elde edebileceğini düşündürmektedir. Bu kavram, Bayes model seçimi ve inanç güncellemesi açısından evrimsel süreçlerden ortaya çıkan biyolojik zekanın evrensel bir karakterizasyonunu sağlayacaktır.
Referanslar
- Friston, KJ Serbest enerji prensibi: Birleşik bir beyin teorisi? Nat. Rev. Neurosci. 11127-138 (2010). https://doi.org/10.1038/nrn2787
- Isomura, T. Biyolojik zekanın ortaya çıkması için üçlü denklik. Komün. Fiz. 8160 (2025). https://doi.org/10.1038/s42005-025-02059-4
- Isomura, T., Shimazaki, H. & Friston, KJ kanonik sinir ağları aktif çıkarım gerçekleştirir. Komün. Biol. 555 (2022). https://doi.org/10.1038/s42003-021-02994-2
- Isomura, T., Kotani, K., Jimbo, Y. & Friston, KJ Serbest enerji prensibinin in vitro sinir ağları ile deneysel validasyonu. Nat. Komün. 144547 (2023). https://doi.org/10.1038/s41467-023-40141-z
Ek Bilgiler: Bu blog yazısı, aşağıdaki basın bülteninin (Japonca) çevirisine dayanmaktadır: https://www.riken.jp/press/2025/20250417_1/
Bir yanıt yazın