Araştırmacılar, beyin hücreleriyle her zamankinden daha hassas bir şekilde etkileşime giren yapay nöronlar geliştirdiler. Parkinson hastaları ve nöroprotezler için umutların yanı sıra bu, yapay zeka alanındaki en büyük sorunlardan birinin çözümü olabilir.
Bilgisayarlar katı sıfırlar ve birlerle çalışır. İnsan nöronları patlamalar, ani yükselişler ve sürekli ateşlemelerden oluşan esnek bir biyolojik sinyal repertuarına sahiptir. İki sinyal dili uyumsuz. Birbirleriyle iletişim kurabilmeleri için örneğin implantlarda çeviriye ihtiyaç vardır. Şimdiye kadar bu çoğunlukla beyin sinyallerinin elektrotlar kullanılarak nispeten basit bir şekilde taklit edilmesi yoluyla yapıldı.
Illinois'deki Northwestern Üniversitesi'ndeki araştırmacılar artık taklit etmenin ötesine geçen ve gerçek beyin hücreleriyle doğrudan etkileşime girebilen basılı yapay nöronlar geliştirdiler. Bu esnek ve ucuz bileşenler, canlı nöronlarınkine çok benzeyen elektrik sinyalleri üretiyor. Bu, biyolojik beyin dokusunu doğrudan aktive edebildikleri anlamına gelir. Sonuçlar Nature Nanoteknoloji'de yayınlandı.
Fare beyni dilimleri ile yapılan deneylerde yapay nöronlar, gerçek nöronlardaki yanıtları başarıyla tetikledi. Potansiyel uygulamalar arasında beyin-makine arayüzleri ve işitme, görme veya hareketin yeniden sağlanmasına yardımcı olabilecek implantlar gibi nöroprotezler yer alıyor.
Örneğin günümüzün işitme cihazları, işitme sinirini nispeten basitleştirilmiş sinyallerle uyarmaktadır. Bunu doğru sivri uç şekliyle uyaran yapay nöronlar, sinir sistemine çok daha hassas bir şekilde hitap edebilir. Retina implantlarıyla daha iyi işitme, daha iyi görme, felç vakalarında daha doğal hareket kontrolü; bunların hepsi mümkün olabilir.
Yapay nöronlar, semptomları hafifletmek için derin beyin stimülasyonunun kullanıldığı Parkinson hastalığı, epilepsi veya kronik ağrıda gerçek ilerlemeler sağlayabilir. Çünkü beynin ritmini gerçekten anlayan bir cihaz, buna daha hassas tepki verebilir.
Ayrıca bir gün biyolojik sinyalleri kaydeden, işleyen ve oynatabilen nöroprotezlerde de kullanılabilirler. Bu tür cihazlar Alzheimer hastalığında hafıza performansını desteklemek için kullanılabilir. Bu, 2024 gibi erken bir tarihteki temel araştırmalarda başarıldı. Ancak yalnızca geleneksel, kaba elektrotlar temelinde.
Nöromorfik hesaplama
Yapay nöronların teknolojisi aynı zamanda nöromorfik hesaplama olarak adlandırılan geleceğin başka bir araştırma alanına da işaret ediyor. Bu, beyinden ilham alan yeni nesil bilgisayar sistemleridir.
Gelecekteki donanım, nöronların iletişim kurma biçimini kopyalayarak karmaşık görevleri önemli ölçüde daha az enerji tüketimiyle gerçekleştirebilir. Beyin bilinen en enerji verimli bilgisayar sistemi olmaya devam ediyor. Bilim adamları bu nedenle ilkelerini modern teknolojiye uygulamayı umuyorlar.
Araştırmayı yöneten Northwestern Üniversitesi'nden Mark C. Hersam, “Bugün içinde yaşadığımız dünyaya yapay zeka hakimdir” dedi. “Yapay zekayı daha akıllı hale getirmenin yolu, onu giderek daha fazla veriyle eğitmektir. Bu veri yoğunluklu eğitim, çok büyük bir güç tüketimi sorununa yol açıyor. Bu nedenle, büyük verileri ve yapay zekayı idare etmek için daha verimli donanım geliştirmemiz gerekiyor. Beyin, dijital bir bilgisayardan beş kat daha fazla enerji verimliliğine sahip olduğundan, beyne yeni nesil bilgi işlem için bir ilham kaynağı olarak bakmak mantıklıdır.”
Modern bilgisayarlar, milyarlarca aynı transistörü sert, iki boyutlu silikon çiplere paketleyerek artan iş yüklerinin üstesinden gelir. Her bileşen aynı şekilde davranır ve bir kez oluşturulduktan sonra sistem değişmez kalır.
Beyin temelde farklı çalışır. Her biri özel görevleri yerine getiren ve yumuşak, üç boyutlu ağlar halinde düzenlenmiş birçok farklı türde nörondan oluşur. Bu ağlar sürekli değişiyor, öğrendikçe yeni bağlantılar oluşturuyor ve mevcut bağlantıları da uyarlıyor.
Hersam, “Silikon milyarlarca özdeş bileşen aracılığıyla karmaşıklığa ulaşıyor” dedi. “Her şey aynı, katı ve bir kez üretildiğinde değişmez. Beyin ise bunun tam tersidir. Heterojen, dinamik ve üç boyutludur. Bu yönde ilerlemek için yeni malzemelere ve elektronik yapımında yeni yöntemlere ihtiyacımız var.”
Yapay nöronlar daha önce geliştirilmiş olmasına rağmen çoğu aşırı basit sinyaller üretiyor. Daha karmaşık davranışlara ulaşmak için mühendisler genellikle büyük bileşen ağlarına ihtiyaç duyar ve bu da enerji tüketimini artırır.
Beyin benzeri davranışa sahip yazdırılabilir materyaller
Gerçek sinirsel aktiviteyi daha iyi kopyalamak için Hersam'ın ekibi, beynin yapısına daha çok benzeyen, yumuşak, yazdırılabilir malzemelerden yapay nöronlar üretti. Yaklaşımları, yarı iletken görevi gören molibden disülfürün (MoS₂) nano ölçekli pullarından ve elektrik iletkeni görevi gören grafenden yapılan elektronik mürekkeplere dayanıyor. Bu malzemeler, aerosol jet baskı kullanılarak esnek polimer yüzeylere uygulandı.
Daha önce araştırmacılar, bu mürekkeplerdeki polimerin elektriksel performansı etkilediği için kusurlu olduğunu düşünmüş ve baskı işleminden sonra polimeri çıkarmışlardı. Bu çalışmada ekip, bileşeni geliştirmek için tam olarak bu özelliği kullandı.
“Polimeri tamamen çıkarmak yerine yalnızca kısmen ayrıştırıyoruz” diye açıkladı. “Daha sonra cihazdan akım geçirdiğimizde, polimerin daha fazla ayrışmasını sağlıyoruz. Bu ayrışma mekansal olarak homojen olmayan bir şekilde meydana geliyor ve iletken bir filamanın oluşmasıyla sonuçlanıyor, böylece tüm akım uzayda dar bir alanla sınırlı kalıyor.”
Bu dar iletken yol, bir nöronun ateşlenmesine benzer ani bir elektriksel tepki üretir. Ortaya çıkan cihaz, tekli ani artışlar, sürekli ateşleme ve patlama modelleri dahil olmak üzere gerçek sinirsel iletişime çok benzeyen çok çeşitli sinyaller üretebiliyor.
Her yapay nöron daha karmaşık sinyaller üretebildiğinden, daha zorlu görevleri gerçekleştirmek için daha az bileşene ihtiyaç duyulur. Bu, bilgi işlem verimliliğini önemli ölçüde artırabilir.
Almanya'dan ilgili araştırma
Kuzeybatı çalışması tek başına durmuyor. Almanya'da konuyla ilgili çeşitli programlar yürütülüyor: Aachen ve Jülich'te RWTH ve Forschungszentrum Jülich'ten bilim insanları, 45 milyon Euro'ya kadar devlet finansmanıyla sözde hafızalı cihazları araştırıyorlar. Bunlar, bilgiyi biyolojik sinapslara benzer şekilde depolayan ve işleyen çiplerdir ve bu nedenle geleneksel transistörlere göre çok daha fazla enerji verimliliğiyle çalışırlar.
TU Dresden'de, beynin hem öğrenme hem de hafıza fonksiyonlarını tek bir bileşende taklit eden, silikon tellerden yapılmış bir nanotransistör geliştirildi. Göttingen'de, üniversiteden ve Max Planck Enstitüsü'nden araştırmacılar, insan serebral korteksindeki sinir hücrelerinden esinlenerek, kendilerini organize eden ve dış kontrol olmadan öğrenen yapay nöronları sundular.
Northwestern'in çalışmasını şu ana kadar benzersiz kılan şey, basılabilir, esnek malzemelerin ve canlı beyin dokusuyla doğrudan etkileşime girebilme yeteneğinin birleşimidir. Alman yaklaşımları ya bilgi işlem donanımına ya da nöron modellerine odaklanıyor; her ikisine aynı anda değil. Bununla birlikte, etkinliklerin genişliği, beyinden ilham alan, enerji tasarruflu hesaplamaya yönelik uluslararası yarışın uzun zamandır tüm hızıyla devam ettiğini gösteriyor.
Yapay nöronların canlı sistemlerle gerçekten etkileşime girip giremeyeceğini test etmek için araştırmacılar Weinberg Koleji'nde nörobiyoloji profesörü Indira M. Raman ile çalıştı. Ekibi yapay sinyalleri fare beyincik dilimlerine uyguladı.
Sonuçlar, elektriksel ani yükselişlerin zamansal davranışları ve süreleri de dahil olmak üzere temel biyolojik özellikleri yansıttığını gösterdi. Bu sinyaller gerçek nöronları güvenilir bir şekilde aktive etti ve sinir devrelerini doğal beyin aktivitesine benzer şekilde tetikledi.
Hersam, “Diğer laboratuvarlar organik malzemelerden yapay nöronlar yapmayı denedi ancak çok yavaş ateşlendiler” dedi. “Ya da çok hızlı olan metal oksitleri kullandılar. Yapay nöronlar için daha önce gösterilmeyen bir zamansal aralıktayız. Canlı nöronların yapay nöronumuza nasıl tepki verdiğini görebilirsiniz. Böylece yalnızca doğru zaman ölçeğine sahip değil, aynı zamanda canlı nöronlarla doğrudan etkileşime girecek doğru sivri uç şekline sahip sinyalleri de gösterdik.”
Yapay zeka için bir fırsat
Yeni yaklaşım, performansın ötesinde çevresel ve pratik faydalar da sunuyor. Üretim süreci basit ve ucuzdur ve eklemeli baskı yöntemi, malzemeyi yalnızca ihtiyaç duyulan yerde biriktirerek israfı azaltır.
Yapay zeka sistemleri daha karmaşık hale geldikçe enerji verimliliğini artırmak özellikle önemlidir. Büyük veri merkezleri halihazırda çok büyük miktarda elektrik tüketiyor ve soğutma için önemli miktarda suya ihtiyaç duyuyor.
Hersam, “Yapay zekanın enerji ihtiyaçlarını karşılamak için teknoloji şirketleri, özel nükleer enerji santralleri tarafından desteklenen gigawatt'lık veri merkezleri inşa ediyor” dedi. “Yeni nesil bir veri merkezinin 100 nükleer enerji santraline ihtiyaç duyacağını hayal etmek zor olduğundan, bu devasa güç tüketiminin bilişimin daha fazla ölçeklendirilmesini sınırlayacağı açıktır. Diğer bir sorun ise gigawatt'larca gücün dağıtılmasının muazzam miktarda ısı üretmesidir. Veri merkezleri suyla soğutulduğu için yapay zeka, su kaynağı üzerinde önemli bir baskı oluşturuyor. Neresinden bakarsanız bakın, yapay zeka için daha fazla enerji verimli donanım geliştirmemiz gerekiyor.”
Bir yanıt yazın