Rüyalar
aşırı yüklenmiş beyin için bir güvenlik kapakçığıdır.
SIGMUND
FREUD, Rüyaların Yorumu, 1911
Beyin
onun sayesinde düşündüğümüzü düşündüğümüz bir
aparattır.
AMBROSE
BIERCE, Şeytanın Sözlüğü
Neokorteksin
çalışma yollarıyla ilgili şimdiye kadar öğrendiklerimizi
özetlemek için 35-40. sayfalardaki neokortikal şekil tanıma
modülü diyagramlarına bakabilirsiniz.
a)
Dendritler şekli temsil eden modüle giriş yaparlar. Şekiller iki
ya da üç boyutlu gibi görünse de tek boyutlu sinyal dizisiyle
temsil edilirler. Şekil, şekil tanıyıcının şekli tanıyabilmesi
için bu (ardışık) sırayla var olmalıdır. Dendritlerin her biri
eninde sonunda daha alt kavramsal basamaklarda bulunan, alt basamakta
bu şekli oluşturan şekillerden birini tanımış, bir ya da daha
fazla şekil tanıyıcı aksonuyla bağlantı kurar. Girdi
şekillerinin her biri için alt basamaktaki birçok şekil tanıyıcı,
daha alt basamaktaki şekilleri tanıdığı sinyalini oluşturabilir.
Şekli tanımak için gerekli olan eşik değeri, tüm girdi
sinyalleri ulaşmamış olsa dahi aşılabilir. Modül sorumlu olduğu
şeklin var olma olasılığını hesaplar. Bu hesaplama “önem”
ve “boyut”
parametrelerini dikkate alır (aşağıda [f] maddesine
bakabilirsiniz).
Bazı
dendritlerin modülün içine, bazılarının da modülden dışarıya
sinyal ilettiğini unutmayalım. Eğer birkaç tanesinin dışında
tüm girdi dendritleri bu şekil tanıyıcıya alt basamaklarındaki
şekillerin tanındığı sinyalini gönderirse bu şekil tanıyıcı
aşağıdaki şekil tanıyıcıya ya da şekil tanıyıcılara alt
basamak şekillerinin henüz tanınmadığını sinyalleyerek yüksek
bir ihtimalle bu şeklin yakın zamanda tanınacağını ve alt
basamak şekil tanıyıcısının ya da tanıyıcılarının tetikte
olması gerektiğini belirtir.
b) Bu
şekil tanıyıcı (girdi dendrit sinyallerinin tümünün ya da
çoğunun aktive olmasına bağlı olarak) şeklini tanıdığında
bu şekil tanıyıcının aksonu (çıktısı) aktifleşir. Böylece,
bu akson girdi işlevi göreceği, birçok yüksek basamak şekil
tanıyıcıya bağlanan bütün dendrit ağına bağlanır. Bu
sinyal, büyüklük bilgisini iletir ve bu şekilde bir sonraki
kavramsal basamakta bulunan şekil tanıyıcılar bu bilgiyi dikkate
alır.
c)
Yüksek basamaklardaki bir şekil tanıyıcı onu oluşturan
şekillerin kendisinin temsil ettiği şekil hariç tümünden ya da
çoğundan pozitif sinyal alıyorsa bu yüksek basamak tanıyıcı
sinyal alamadığı tanıyıcıya sinyal gönderip temsil ettiği
şekli beklediğini söyleyebilir. Böyle bir sinyali alan tanıyıcı
bazı girdileri mevcut değilse ya da anlaşılmıyorsa bile eşik
değerini düşürerek aksonuna sinyal gönderme olasılığını
artırır.
d)
Aşağıdan gelen engelleyici sinyaller şekil tanıyıcının
şeklini tanıma ihtimalini azaltır. Bu durum bahsettiğimiz şekil
tanıyıcıyla ilişkilendirilmiş şeklin alt basamaktan tanınmış
şekillerle tutarlı olmamasından kaynaklanabilir (örneğin bir
bıyığın alt basamaktaki bir tanıyıcı tarafından tanınması
görüntüdeki kişinin “kadın” olması ihtimalini düşürür).
e)
Yukarıdan gelen engelleyici sinyaller de şekil tanıyıcının
şekli tanıma olasılığını düşürür. Bu durum, yüksek
basamaktaki bir kavram için şeklin ilişkilendirildiği tanıyıcıyla
tutarsız olmasından kaynaklanabilir.
(Buna da ben örnek vereyim: Yukarıdaki şekil tanıyıcı, karşısındaki kişinin kadın olduğuna çoktan karar vermiş olsun. Alt basamaktaki bir şekil tanıyıcının, bir şeyi bıyığa benzetmeye başladığını varsayalım. Bu durumda, yukarıdaki şekil tanıyıcı, alttaki şekil tanıyıcıyı baskılar. Aşağıya engelleyici sinyal gönderir. Alt basamaktaki şekil tanıyıcının, şekli tanıma ihtimalini azaltır.)
(Buna da ben örnek vereyim: Yukarıdaki şekil tanıyıcı, karşısındaki kişinin kadın olduğuna çoktan karar vermiş olsun. Alt basamaktaki bir şekil tanıyıcının, bir şeyi bıyığa benzetmeye başladığını varsayalım. Bu durumda, yukarıdaki şekil tanıyıcı, alttaki şekil tanıyıcıyı baskılar. Aşağıya engelleyici sinyal gönderir. Alt basamaktaki şekil tanıyıcının, şekli tanıma ihtimalini azaltır.)
f)
Her bir girdi için önem, tahmini boyut ve boyutun tahmini
çeşitliliği gibi depolanan parametreler vardır. Modül bu
parametreleri temel alarak genel bir olasılık hesaplar, var olan
girdileri belirten o anki sinyalleri ve bu sinyallerin büyüklüğünü
hesap eder. Bunu matematiksel olarak ideal bir şekilde başarmanın
yolu “gizli Markov modeli” tekniğidir. Böyle modeller bir
hiyerarşide düzenlendiğinde (neokortekste olduğu gibi ya da
neokorteksi simüle etme girişimlerinde olduğu gibi) buna
hiyerarşik gizli Markov modeli deriz.
Neokortekste
tetiklenen şekiller diğer şekilleri tetikler. Kısmen tamamlanmış
şekiller, kavramsal hiyerarşinin aşağılarına sinyaller
gönderir; tamamlanmış şekiller kavramsal hiyerarşinin
yukarılarına sinyaller gönderir. Bu neokortikal şekiller
düşünmenin dilidir. Aynı dil gibi hiyerarşiklerdir fakat aslında
dil değillerdir. Düşüncelerimiz birincil olarak dil elementleri
olarak kavranmaz, dil de neokorteksimizde şekiller hiyerarşisi
şeklinde bulunuyor olsa bile yalnızca dili temel alan düşüncelere
sahip olabiliriz. Ancak çoğu zaman düşünceler bu neokortikal
şekillerle temsil edilir.
Yukarıda
açıkladığım gibi, eğer bir kişinin neokorteksindeki şekil
aktivasyonlarını ortaya çıkarabilseydik aktive edilmiş
şekillerin altında ve üstünde yer alan bütün şekil hiyerarşisi
olmadan bu aktivasyonların ne anlam ifade ettiğiyle ilgili çok
ufak bir fikrimiz olurdu. Bu da aşağı yukarı bir insanın bütün
neokorteksine erişim gerektirir. Düşüncelerimizin içeriğini
anlamak bizim için yeterince zorken bir başka insanınkini anlamak
kendimizinkinden farklı olan bir neokorteks üzerinde uzmanlaşmayı
gerektirirdi. Elbette henüz bir başkasının neokorteksine
erişimimiz yok, bunun yerine bu kişinin kendi düşüncelerini dile
(bununla birlikte el kol hareketleri gibi daha başka şeylere de)
dökme girişimlerine güvenmemiz gerekiyor. İnsanların bu iletişim
görevlerini başarmadaki eksik becerileri bir başka karmaşıklık
tabakası daha ekliyor - hiç şüphesiz birbirimizi ne kadar doğru
anlıyorsak bir o kadar da yanlış anlarız.
İki
çeşit düşünme tarzımız var. Biri yönlendirilmeyen düşünce,
yani düşüncelerin mantık dışı bir şekilde bir diğerini
tetiklemesi. Bir iş yaparken, örneğin toprak tırmıklamak ya da
yolda yürümek, ani bir şekilde yıllar ya da on yıllar öncesinden
anı hatırlamaya başladığımızda deneyimi geri çağırırız
çünkü tüm anılar bir şekil sekansıdır. Daha geniş çaplı
bir hikâye koleksiyonunu oluşturmamızı sağlayan bir sürü başka
hikâye hatırlamadan ani bir şekilde bir sahneyi görsel hâle
getiremeyiz. Eğer sahneyi bu şekilde görselleştirebilirsek
aslında sahneyi hatırlama zamanlarından kalma ipuçlarıyla
zihnimizde yaratıyoruzdur; anının kendisi görüntü olarak ya da
görsel olarak saklanmaz. Daha önce bahsettiğim gibi, bir
düşüncenin aklımıza gelmesini sağlayan tetikleyiciler belirli
ya da belirsiz olabilir. Alâkalı düşünce dizisi hemen unutulmuş
olabilir. Düşünce dizisini hatırlasak bile bu dizi, doğrusal
olmayan ilişkiler devresi gibidir.
İkinci
düşünme tarzımız ise yönlendirilen düşünmedir, bu düşünme
tarzını bir problemi çözme girişiminde bulunduğumuzda ya da
düzenli bir cevap formüle ettiğimizde kullanırız. Örneğin,
birine söylemeyi düşündüğümüz bir şeyi zihnimizde prova
ediyor olabiliriz ya da yazmak istediğimiz bir paragrafı (belki de
zihin üzerine yazdığımız bir kitap için) formüle ediyor da
olabiliriz. Bunlar gibi görevleri düşündüğümüzde her bir işi
hemen küçük iş parçalarına ayırır ve bir hiyerarşi
oluştururuz. Bir kitap yazmak, örneğin, bölümleri yazmayı
içerir; her bölüm kendi içinde parçalardan oluşur; her parça
paragraflardan; her paragraf bir düşünceyi anlatan cümlelerden
oluşur; her düşünce bir grup elementten oluşur; bu elementler ve
elementler arasındaki ilişkiler açıkça ifade edilebilmesi
gereken fikirler içerir vb. Aynı zamanda neokortikal yapılarımız
izlenmesi gereken belirli kuralları öğrenmiştir. Eğer görev
yazmak ise gereksiz tekrarları önlememiz gerekir; okuyucunun
yazılan şeyi takip edebildiğinden emin olmalıyız; dilbilgisi
kurallarına ve yazı stili kurallarına uymamız gerekir vs.
Dolayısıyla yazar zihninde bir okur modeli inşa etmelidir ve bu
inşa da hiyerarşik olmalıdır. Yönlendirilen düşünmeyi
uygularken neokorteksimizdeki listelere doğru adım atıyoruz, bu
listelerin her biri geniş alt liste hiyerarşilerine uzanır ve her
biri kendi değerlendirmelerini göz önünde tutar. Neokortikal
şekildeki liste elementlerinin koşulları içerdiğini de akılda
tutmalıyız, bu sayede sonradan gelen düşüncelerimiz ve
hareketlerimiz, bizler bu süreçte giderken yapılan
değerlendirmelere bağlı olacak.
Dahası,
bunun gibi her yönlendirilmiş düşünce, yönlendirilmemiş
düşünce hiyerarşilerini tetikler. Devam eden, uzun uzadıya
düşünme fırtınası hem duyusal deneyimlerimize hem de
yönlendirilmiş düşünme girişimlerimize katılır. Bu tetiklenen
şekillerin şimşek fırtınalarından oluşan gerçek zihin
deneyimlerimiz karmaşık ve dağınıktır hatta saniyede yaklaşık
yüz kere değişir.
Bir
Zihin Yaratmak
Düşünmek, şekil tanıma hiyerarşisiyle mümkün oluyor. Nasıl çalıştığını bu bölümde güzel anlatmış Ray Kurzweil. Bu nedenle burada alıntılamak istedim. Örneğin Siri bu şekilde kullanıcıyı anlıyor. Ve araba plakalarını okuyabilen sistemler, bazı sitelerin girişlerinde kullanılabilecek kadar ucuzlamış durumda. Kitaptaki sayfaları da OCR yazılımları harfleri tanıyıp metine dönüştürüyor, yapay sinir ağı sayesinde. Yukarıdaki kitap alıntısını, tarayıcının kendi yazılımı kullanarak metne dönüştürmedim. Bunun yerine çevrim içi OCR hizmetleri kullandım. Neden? Çünkü tarayıcının bilgisayara kurulu yazılımı sabittir. Pek yeni şeyler öğrenmesi beklenmez. Çevrim içi OCR hizmetini binlerce kişi kullanmaktadır. Yani daha çok çeşitte belgeyle karşılaşır. Daha çok alıştırma yapmış olur. Dolayısıyla daha çok şey öğrenir. Harfleri daha iyi anlayacağını düşündüm. Düşündüğüm gibi de oldu. Tarayıcının kendi yazılımı, bir sürü harfi yanlış tanımasına rağmen çevrim içi OCR hizmeti sevindirdi. Sadece 6 harfi yanlış tanıdı. Çıkarılan metindeki hatalı tanınan harfleri düzelttikten sonra kullanıcı, formu geri gönderebilseydi, yapay sinir ağının öğrenmesine nasıl bir katkısı olacağını insan merak ediyor. Alıntıyı metine dönüştürmek için https://www.newocr.com denendi.
Hiç yorum yok:
Yorum Gönder