Meyve sinekleri, zekâlarıyla pek tanınmaz; bahçede bırakılmış bir kadeh şarabın içinde boğduğunuz onlarcasından biri olabilirler. Ancak bu minik canlılar, haşhaş tohumundan bile küçük beyinleri ve yaklaşık 140 bin nöronlarıyla, çok geniş bir koku yelpazesini saniyeden kısa sürede ayırt edebiliyor ve bu kokuları uzun süre hafızalarında tutabiliyorlar. Bu yetenekleriyle, günümüzün en gelişmiş 'elektronik burunlarından' bile çok daha başarılılar.
Peki, neden doğrudan sineği kopyalamıyoruz? Giderek artan sayıda araştırmacının sorduğu soru bu. Okinawa Bilim ve Teknoloji Enstitüsü'nden Kevin Max ve Yang Shen, bu fikirden yola çıkarak Spi-Fly adını verdikleri yeni bir algoritma geliştirdi. Araştırmanın bulguları, Neuromorphic Computing and Engineering dergisinde yayımlandı.
Koku Alma Duyusunun Karmaşıklığı
Görme ve işitme duyuları, grafikte tek bir fiziksel boyuta (dalga boyu) indirgenebildiği için nispeten düzenli çalışır. Oysa koku moleküllerini tek bir fiziksel boyuta indirgemek mümkün değil. Biyoloji bu soruna çok daha karmaşık bir çözüm bulmuş: Yüzlerce farklı reseptör proteini. Her biri belirli moleküler özellikleri yakalamak üzere şekillenmiş bu proteinler, birleşik sinyaller gönderir ve beynin bu sinyalleri çözmesi gerekir. Öyle karmaşık bir sistem ki, 1991 yılına kadar Linda Buck ve Richard Axel bu reseptör gen ailesini tanımlayamadı; bu çalışmaları onlara 2004'te Nobel Ödülü kazandırdı.
Mevcut 'Elektronik Burunların' Zayıflığı
Tüm bu zorluklara rağmen piyasada 'elektronik burunlar' mevcut. Alpha MOS, Aryballe ve Odotech gibi şirketler; gıda kalite kontrolü, çevresel izleme ve güvenlik taraması için bu cihazları satıyor. Ancak bu burunların en büyük zayıflığı genelleme yapamamaları. Bozulmuş zeytinyağını tespit etmek üzere ayarlanmış bir cihaz, havalimanı güvenlik noktasında belirli bir patlayıcıyı işaretleyen cihazla aynı değil. Bir cihazı yeni bir görev için yeniden yapılandırmak, yazılımının neredeyse sıfırdan yeniden eğitilmesini gerektiriyor.
Bu sınırlamanın arkasında iki teknik engel yatıyor. İlk olarak, bu sistemlerin bir kokuyu diğerinden ayırt edebilmesi için genellikle çok sayıda elle etiketlenmiş örneğe ihtiyacı var. İkinci olarak, onlara yeni bir koku öğretmek, önceden bildiklerini karıştırma eğiliminde; araştırmacıların 'felaket unutma' adını verdiği bir sorun. Bu, yüzmeyi öğrendikten hemen sonra bisiklete binmeyi unutmak gibi elektronik bir durum.
Spi-Fly'ın Sırrı: Seyrek Kodlama
Meyve sinekleri ve diğer birçok böcek, minicik beyinlerine rağmen bu sorunu yaşamıyor. Peki, kokuları nasıl ayırt ediyor ve hatırlıyorlar? Araştırmanın yazarlarına göre sırrın adı 'seyrek kodlama'. Bunu, sineğin beyninin her kokuya bir barkod ataması olarak düşünebilirsiniz. Sineğin koku alma sistemi, koku reseptörlerinden gelen seyrek ve rastgele bağlantılı sinyalleri alan yaklaşık 2.000 özel hücreye (Kenyon hücreleri) dayanıyor. Bu Kenyon hücrelerinin tamamı tek bir röle noktasına rapor veriyor: ön yan eşleşmiş lateral nöron (APL). APL'ler, tüm Kenyon hücrelerine aynı anda güçlü ve küresel bir inhibisyon sinyali göndererek neredeyse hepsini susturuyor. Bu müdahaleden sonra aktif kalan hücreler, Max ve Shen'in belirli bir koku için 'barkod' olarak adlandırdığı yapıyı oluşturuyor. Spi-Fly algoritması, bir sensörün işini yapmasından hemen sonra devreye giriyor; asıl mesele ise koku hafızasının bu kadar verimli ve kalıcı olabilmesini sağlayan bu mekanizmanın yapay sistemlere nasıl aktarılacağı. Bu çalışma, yapay zekâda devrim yaratabilecek nitelikte; özellikle robotik ve otomasyon alanlarında, sanayi ve güvenlik sektörlerinde kullanılan sensör sistemlerinin hafıza sorunlarına kalıcı bir çözüm sunabilir.
Henüz yorum yok — ilk yorumu sen yaz!