İSTANBUL-NURULLAH SARI(YSM) - Ay'a baktığımızda, gece boyunca Ay ile Dünya arasındaki mesafe ve Ay'ın gerçek boyutu neredeyse aynı kalmasına rağmen, Ay ufka yakınken gökyüzünde daha yüksekte olduğundan daha büyük görünür.
BBC'nin haberine göre bu tür optik yanılsamalar, gerçeği her zaman olması gerektiği gibi algılamadığımızı gösterir. Bunlar genellikle görsel sistemimizin yaptığı hatalar olarak değerlendirilir. Ancak yanılsamalar, beynimizin çevremizden en önemli bilgileri çıkarmak için kullandığı akıllı kestirme yolları da ortaya koyar.
Gerçekte beynimiz, etrafımızdaki dünyadan yalnızca küçük bir yudum alır. Yoğun görsel ortamlarımızdaki her ayrıntıyı işlemek çok zor olurdu. Bunun yerine, yalnızca ihtiyacımız olan ayrıntıları seçer.
Peki, sentetik bir zihne, yani yapay zeka ile çalışan bir makine görüş sistemine bir optik yanılsama gösterildiğinde ne olur? Bu sistemler ayrıntı yakalama konusunda son derece başarılı. Bizim fark edemediğimiz desenleri ve kusurları tespit etmek üzere tasarlandı. Örneğin tıbbi taramalarda hastalıkların erken belirtilerini saptamada bu kadar etkili olmalarının nedeni bu.
Buna rağmen, günümüzdeki gelişmiş yapay zeka algoritmalarının temelini oluşturan bazı derin sinir ağlarının (DNN), insanlar gibi bazı görsel hilelere karşı savunmasız olduğu görülüyor. Bu durum, kendi beynimizin nasıl çalıştığına dair yeni içgörüler sunuyor.
Japonya’daki Ulusal Temel Biyoloji Enstitüsünde nörofizyoloji alanında doçent olan Eiji Watanabe, “Yanılsama araştırmalarında derin sinir ağlarını kullanmak, beynin bilgiyi nasıl işlediğini ve yanılsamaları nasıl ürettiğini simüle edip analiz etmemizi sağlıyor. İnsan beyninde deneysel müdahaleler yapmak ciddi etik sorunlar doğurur, ancak yapay modeller için böyle kısıtlamalar yok” ifadelerini kullandı.
Optik yanılsamaları neden farklı şekillerde algıladığımıza dair pek çok teori olsa da, çoğu durumda hâlâ kesin bir açıklama bulunmuyor.
Optik yanılsamaları deneyimlemeyen kişilerin incelenmesi bazı ipuçları sundu. Bir vakada, küçük yaşta görme yetisini kaybeden ve kırklı yaşlarında yeniden kazanan bir kişi, Kanizsa karesi gibi şekle dayalı yanılsamalara kanmadı. Dört stratejik biçimde konumlandırılmış dairesel parçanın hayali bir kare oluşturduğu bu yanılsamayı algılayamadı. Buna karşılık, çizgilerin yukarı doğru hareket ediyormuş gibi göründüğü berber direği gibi hareket yanılsamalarını algılayabildi.
Bu tür vakalar üzerine yapılan çalışmalar, hareket algısının duyusal yoksunluğa şekil algısından daha dayanıklı olduğunu düşündürüyor. Bunun nedeni, hareketi işlemeyi bebeklik döneminde daha erken öğrenmemiz olabilir. Alternatif olarak, şekilleri işleme biçimimiz daha esnek olabilir ve en çok maruz kaldığımız şekilleri tanımaya daha yatkın hale gelmiş olabilir.
Fonksiyonel manyetik rezonans görüntüleme (fMRI) ile yapılan beyin taramaları da, farklı yanılsamaları gördüğümüzde beynin hangi bölgelerinin aktif olduğunu ve bunların nasıl etkileşime girdiğini ortaya koydu. Ancak optik yanılsamaların algılanışı öznel olup kişiden kişiye değişebilir. Bunun en bilinen örneklerinden biri, 2015 yılında internette viral olan çizgili elbise fotoğrafı. İnsanlar elbisenin mavi-siyah mı yoksa beyaz-altın mı olduğu konusunda anlaşamamıştı. Bu tür öznel farklılıklar, yanılsamaların nesnel olarak incelenmesini zorlaştırıyor.
Yapay zeka beynin sırlarını çözmede bilim insanlarına yol gösterecek
Artık yapay zeka, optik yanılsamalara baktığımızda beynimizde neler olup bittiğini anlamanın yeni bir yolunu sunuyor.
Günümüzde kullanılan pek çok yapay zeka algoritması, ChatGPT gibi sohbet botları da dahil olmak üzere, bilgiyi insan beynine benzer şekilde işlemeyi amaçlayan yapay nöronlardan oluşan derin sinir ağlarıyla çalışıyor.
Son çalışmalarında Watanabe ve ekibi, dönen yılanlar yanılsaması gibi hareket içeren yanılsamalara baktığımızda beynimizde olanları bir derin sinir ağının taklit edip edemeyeceğini test etti. Bu yanılsama, statik bir görüntüdeki renkli dairelerden oluşan karmaşık bir desen kullanır, ancak uzun süre bakıldığında dönüyormuş gibi görünür.
Ekip, beynimizin görsel bilgiyi nasıl ele aldığına dair öngörücü kodlama adı verilen öncü bir teoriye dayanan PredNet isimli bir derin sinir ağı kullandı. Bu teoriye göre görsel sistemimiz, çevremizi pasif biçimde algılamaz. Bunun yerine, geçmiş deneyimlere dayanarak önce ne göreceğini tahmin eder, ardından gözlerden gelen verideki tutarsızlıkları işler. Bu sayede daha hızlı görürüz.
Benzer şekilde PredNet, daha önce gördüğü karelerden öğrendiklerine dayanarak bir videodaki sonraki kareleri tahmin eder. Deneyde yapay zeka, insanların etrafa bakarken görebileceğine benzer şekilde, başa takılan kameralarla çekilmiş doğal manzara videolarıyla eğitildi. Sistem hiçbir optik yanılsamaya maruz bırakılmadı.
Yaklaşık bir milyon kare işlendiğinde, PredNet görsel dünyanın belirli kurallarını öğrenmeye başladı. Watanabe, “Bu süreçte temel kuralları çıkarıyor ve hatırlıyor; bunların arasında muhtemelen hareket eden nesnelerin özellikleri de var” dedi.
Beyin ve öngörücü kodlama
Ardından modele dönen yılanlar yanılsamasının farklı versiyonları ve insan beyninin kandırılmadığı, dolayısıyla statik algılanan değiştirilmiş bir sürüm gösterildi. Yapay zekanın, insanların kandığı aynı görüntüler tarafından kandırıldığı görüldü. Watanabe’ye göre bu durum, beynimizin öngörücü kodlama kullandığı teorisini destekliyor.
Ancak insanlar ile yapay zeka arasında farklar da vardı. İnsanlar bir daireye sabit baktığında, o daire dönmeyi bırakmış gibi görünürken, çevresel görüşteki diğer daireler dönmeye devam eder. PredNet ise tüm daireleri aynı anda hareket ediyor olarak algıladı.
Watanabe, bunun büyük olasılıkla sistemin bir dikkat mekanizmasına sahip olmamasından kaynaklandığını söylüyor.
Her ne kadar yapay zeka sistemleri görsel algımızın bazı yönlerini taklit edebilse de, dünyayı bizim gibi görmekten hâlâ çok uzaktalar. Şu ana kadar insanların deneyimlediği tüm yanılsamaları yaşayabilen bir derin sinir ağı bulunmuyor.
İnsan gibi konuşsa da ChatGPT insan beyninden çok farklı çalışıyor
Bu aslında şaşırtıcı değil.
Watanabe, “ChatGPT bir insan gibi konuşuyor gibi görünebilir, ancak altında yatan derin sinir ağı insan beyninden çok farklı çalışır” ifadelerini kullandı.
Bazı araştırmacılar ise, insanların belirli yanılsamaları nasıl algıladığını daha iyi modellemek için yapay zekayı kuantum mekaniğiyle birleştirmeye çalışıyor.
Daha önce Necker küpü gibi, iki farklı perspektif arasında gidip geliyormuş gibi görünen yanılsamaları açıklamak için kuantum mekaniği kavramları kullanılmıştı.
Bu çalışmalardan ilham alan Ivan Maksymov, Necker küpü ve Rubin vazosu gibi yanılsamaları algılamayı simüle edebilen, kuantum tünelleme kullanan bir derin sinir ağı geliştirdi. Sistem, iki farklı yorumu zaman içinde insanlar gibi dönüşümlü olarak üretmeye başladı.
Maksymov, “Bu, insanların testlerde gördüğüne oldukça yakın” dedi.
Bu tür modeller, uzayda farklı yer çekimi koşullarının görsel algıyı nasıl etkileyebileceğini anlamak için de kullanılabilir. Astronotların Uluslararası Uzay İstasyonu'nda geçirdikleri sürede optik yanılsamaları algılama biçimlerinin değiştiği biliniyor.
Maksymov, “Bu dar bir araştırma alanı gibi görünse de, insanlar uzaya gitmek istiyorsa son derece önemli” şeklinde konuştu.
Evrenin tüm harikaları arasında, uzay yolcuları gözlerine güvenebildiklerinden emin olmak isteyecek.
YSM HABER MERKEZİ
