Geleceği Tahmin Eden Suni Zekâ Geliştirildi: Bu Ne Demek?

Geleceğe gitmek fikri şu anki haiz olduğumuz teknoloji ile olanaksız. Zira meydana getirilen bilimsel emekler, çoğunlukla falcılıkla özdeşleşen “geleceği görme” davranışı ile ilişkili değil. Başlığı okuyunca ‘1 saniye sonrasını tahmin etmekte ne var?’ kabul edebilirsiniz sadece emin olun iş öyleki değil. Bilim dünyasında meydana getirilen bu bulgu ile beraber fazlaca mühim bir son zamanların kapısı aralanıyor: Geleceği anlamak.

Ohio Eyalet Üniversitesinden araştırmacılar, ‘yeni nesil rezervuar hesaplama’ adını verdikleri ve kendileri geliştirdikleri bir suni zekâ kullanarak zaman-mekansal (spatiotemporal) kaotik sistemlerin davranışlarını tahmin etmenin yeni bir yolunu buldular.

Windows 10 yüklü bir dizüstü bilgisayarda bile çalışabilen bir algoritma, geçmişteki karmaşık problemlere bakıp gelecektekileri çözmeye çalışıyor:

Araştırmacılar, yeni algoritmalarını geçmişte birçok kez incelenen karmaşık bir sorun üstünde kontrol ettiler. Atmosferik bir hava durumu modelinin davranışını tahmin etmesi ihtiyaç duyulan bu yeni algoritma, aynı problemi çözebilen geleneksel makine öğrenimi algoritmalarına kıyasla 400 ila 1.250 kat daha azca eğitim verisi kullandı.

Üstelik algoritma, bunu fazlaca daha azca bir maliyetle başardı. Geleneksel makine öğrenimi algoritmaları şeklinde süper bilgisayarlar gerektirmeyen bu algoritma, Windows 10 işletim sistemine haiz bir dizüstü bilgisayarda bile çalıştırılabiliyor ve rakiplerine kıyasla 240.000 kat daha süratli bir halde sonraki 1 saniyenin tahminini yapabiliyor.

Algoritmanın geliştiricilerinden Wendson De Sa Barbosa, mevzuyla ilgili şu şekilde diyor: “Bu fazlaca coşku verici bundan dolayı bunun makine öğrenimi alanında veri işleme verimliliği ve tahmin doğruluğu açısından mühim bir ilerleme olduğuna inanıyoruz.”

İyi tamam da bu ne işimize yarayacak?

Burada aslen kilit vaka algoritmanın 1 saniye sonrasını tahmin etmesi değil, zaman-mekansal kaotik sistemleri fazlaca süratli bir halde çözebilmesi. De Sa Barbosa, şu şekilde diyor: “Çağıl makine öğrenimi algoritmaları, geçmiş verileri kullanarak temel fizyolojik kurallarını öğrenerek dinamik sistemleri anlamak için fazlaca uygundur. Kafi veriye ve hesaplama gücüne haiz olduğunuzda, gerçek dünyadaki herhangi bir karmaşık sistem hakkında makine öğrenimi modelleriyle tahminler yapabilirsiniz.”

Buna en büyük örnek, insan kalbi hücreleri. Kalp hücreleri, düzgüsel bir kalp atışından anormal derecede yüksek bir frekansa geçen kaotik zaman-mekansal şemalar sergilerler. Kısaca bu araştırmanın sonucunda suni zeka ile beraber gelecekte bir kalp hastalığını daha emareleri göstermeden denetim altına alınabilir demek:

“Bir sistem için bu benzersiz süreçlerin nasıl gelişeceğini doğru bir halde tanımlayan denklemler biliniyorsa, davranışı tekrardan üretilebilir ve tahmin edilebilir.”

Burada kalp hücreleri yalnız bir örnek, zaman-mekansal kaotik problemlere ve şemalara haiz fazlaca fazla unsur, gerçek dünyada mevcut. Siz ne düşünüyorsunuz? Düşüncelerinizi yorumlarda bizlerle paylaşmayı lütfen ihmal etmeyin.