Are Insect Brains the Secret to Great AI? | Frances S. Chance | TED

Çeviri: Busra Ozcan Gözden geçirme: esra kurul

Creating intelligence on a computer.

Bilgisayarda zeka oluşturmak.

This has been the Holy Grail for artificial intelligence

Bu, bir süredir yapay zeka için

for quite some time.

önemli bir hedef olmuştur.

But how do we get there?

Peki bu noktaya nasıl ulaşacağız.

So we view ourselves as highly intelligent beings.

Kendimizi oldukça zeki oluşumlar olarak görüyoruz.

So it's logical to study our own brains,

O zaman yapay zekayı oluştururken

the substrate of our cognition, for creating artificial intelligence.

kendi beyinlerimiz, bilişsel alt yapımız üzerinde çalışmak mantıklı.

Imagine if we could replicate how our own brains work on a computer.

Bilgisayarda beyinlerimizin çalışma sistemini taklit edebildiğimizi düşünün.

But now consider the journey that would be required.

Şimdi de bunun için kat etmemiz gereken yolu...

The human brain contains 86 billion neurons.

İnsan beyni 86 milyar nöron içerir.

Each is constantly communicating with thousands of others,

Her biri sürekli olarak diğer binlercesiyle iletişim kurar

and each has individual characteristics of its own.

ve her birinin kendine özgü karakteristik yapısı vardır.

Capturing the human brain on a computer

İnsan beynini bilgisayara aktarmak,

may simply be too big and too complex a problem

bugün sahip olduğumuz bilgi ve teknolojik imkanalarla

to tackle with the technology and the knowledge that we have today.

biraz karmaşık ve meşakkatli olabilir.

I believe that we can capture a brain on a computer,

Ben beyni bilgisayara aktarabileceğimize inanıyorum

but we have to start smaller.

ama küçük adımlarla başlamalıyız.

Much smaller.

Çok küçük adımlarla...

These insects have three of the most fascinating brains in the world to me.

Bunlar, bana göre dünyanın en büyüleyici üç beynine sahip böcekleridir.

While they do not possess human-level intelligence,

İnsan düzeyinde zekaya sahip olmasalar da

each is remarkable at a particular task.

her biri belirli bir görevde olağanüstü iyidirler.

Think of them as highly trained specialists.

Her birini iyi eğitilmiş uzmanlar olarak düşünebilirsiniz.

African dung beetles are really good at rolling large balls in straight lines.

Afrika gübre böcekleri, büyük topları düz çizgi halinde yuvarlamada çok iyidir.

(Laughter)

(Gülüşmeler)

Now, if you've ever made a snowman,

Eğer kardan adam yaptıysanız

you know that rolling a large ball is not easy.

bir topu yuvarlamanın çok da kolay olmadığını bilirsiniz.

Now picture trying to make that snowman

Şimdi başınızın üstüne dikilmiş

when the ball of snow is as big as you are

sizin kadar büyük bir kar topunu yuvarlayarak

and you're standing on your head.

kardan adamı yapmaya çalıştığınızı düşünün.

(Laughter)

(Gülüşmeler)

Sahara desert ants are navigation specialists.

Sahra çölü karıncaları yön bulmada uzmandırlar.

They might have to wander a considerable distance to forage for food.

Besin aramak için hatırı sayılır bir mesafe dolaşmak zorunda kalabilirler.

But once they do find sustenance,

Ancak aradıkları besini bulduklarında,

they know how to calculate the straightest path home.

eve en kısa yoldan nasıl varacaklarını hesaplayabilirler.

And the dragonfly is a hunting specialist.

Yusufçuklarsa avlanma uzmanıdırlar.

In the wild, dragonflies capture approximately 95 percent

Vahşi doğada, yusufçuklar peşinden gittikleri avların

of the prey they choose to go after.

yüzde 95′ini yakalarlar.

These insects are so good at their specialties

Bu haşereler, kendi alanlarında o kadar iyiler ki

that neuroscientists such as myself study them as model systems

benim gibi nöro bilim uzmanları, hayvanların belli problemleri çözerken ki

to understand how animal nervous systems solve particular problems.

sinir sistemi davranışlarını anlamak için onları örnek olarak inceliyor.

And in my own research, I study brains to bring these solutions,

Kendi araştırmamda, ben biyolojinin bilgisayarlara sunabileceği

the best that biology has to offer, to computers.

en iyi çözümleri getirmek için beyinleri inceliyorum.

So consider the dragonfly brain.

Şimdi, bir yusufçuğun beynini düşünün.

It has only on the order of one million neurons.

Sadece bir milyon nöronu var.

Now, it's still not easy to unravel a circuit of even one million neurons.

Yine de bir milyon nörondan oluşan bir devreyi çözmek bile çok kolay değildir.

But given the choice

Peki sizden

between trying to tease apart the one-million-neuron brain

bir milyon nöronlu bir beyni ya da 86 milyar nöronlu bir beyni incelemek

versus the 86-billion-neuron brain,

arasında bir seçim yapmanız istenseydi,

which would you choose to try first?

ilk hangisini denemeyi seçerdiniz.

(Laughter)

(Gülüşmeler)

When studying these smaller insect brains,

Bu küçük haşerelerin beynini incelemekteki ilk amaç,

the immediate goal is not human intelligence.

insan zekasını çözmek değil.

We study these brains for what the insects do well.

Bu beyinleri, böceklerin uzmanlık alanları için inceliyoruz.

And in the case of the dragonfly, that's interception.

Yusufçuğun uzmanlık alanı avın önünü kesip yakalamak.

So when dragonflies are hunting,

Yani yusufçuklar avlanırken,

they do more than just fly straight at the prey.

doğrudan avın peşinden uçmazlar.

They fly in such a way that they will intercept it.

Bunun yerine avının önünü kesecek şekilde uçarlar.

They aim for where the prey is going to be.

Avın bir sonraki konumunu hedeflerler.

Much like a soccer player, running to intercept a pass.

Bir futbolcunun pas almak için topun varacağı yere koşması gibi..

To do this correctly,

Bunu hatasız yapabilmek için ise

dragonflies need to perform what is known as a coordinate transformation,

gözün açısından ya da gördüklerinden yola çıkarak

going from the eye’s frame of reference, or what the dragonfly sees,

vücudun açısına göre avının önünü kesmek için

to the body's frame of reference,

dönmesi gereken yeri hesaplayarak

or how the dragonfly needs to turn its body to intercept.

koordinat tespiti yapması gerekir.

Coordinate transformations are a basic calculation

Koordinat tespiti canlıların dünya ile

that animals need to perform to interact with the world.

etkileşim kurabilmeleri için gereken basit bir hesaplama türüdür.

We do them instinctively every time we reach for something.

Bunu ulaşmak isteğimiz şeyler için her seferinde içgüdüsel olarak yapıyoruz.

When I reach for an object straight in front of me,

Tam önümde duran bir objeye uzandığımda

my arm takes a very different trajectory than if I turn my head,

kolum kafamı çevirip yanımdaki nesneye uzandığımdakinden

look at that same object when it is off to one side

farklı bir pozisyon alıyor.

and reach for it there.

In both cases, my eyes see the same image of that object,

İki durumda da aynı nesneyi görüyorum

but my brain is sending my arm on a very different trajectory

ama beynim koluma, boynumun pozisyonuna göre

based on the position of my neck.

çok farklı sinyaller gönderiyor.

And dragonflies are fast.

Yusufçuklarsa hızlıdırlar.

This means they calculate fast.

Yani hızlı hesaplama yapıyorlar.

The latency, or the time it takes for a dragonfly to respond

Yusufçuğun, avının döndüğünü gördükten sonra

once it sees the prey turn,

tepki vermesi,

is about 50 milliseconds.

yaklaşık 50 milisaniye …

This latency is remarkable.

Olağanüstü bir tepki verme süresi.

For one thing, it's only half the time of a human eye blink.

Bir kere bu insanın göz kırpma süresinin neredeyse yarısı demek.

But for another thing,

Ayrıca bu

it suggests that dragonflies capture how to intercept

yusufçukların sadece birkaç hızlı işlemle, daha hızlı ya da bir anda

in only relatively or surprisingly few computational steps.

avlarının önüne nasıl çıkabileceklerini hesaplayabildiklerini gösteriyor.

So in the brain,

Bu durumda hesaplama aşamaları,

a computational step is a single neuron

beyinde bir nöronun ya da nöronlar katmanın

or a layer of neurons working in parallel.

paralel olarak çalışmasıyla meydana geliyor.

It takes a single neuron about 10 milliseconds

Tek bir nöronun bütün girdileri işleyip tepki vermesi

to add up all its inputs and respond.

10 milisaniye sürüyor.

The 50-millisecond response time

50 milisaniyelik tepki süresi şu anlama geliyor:

means that once the dragonfly sees its prey turn,

Yusufçuğun avın dönüşünü gördükten sonra kalan zaman içinde

there's only time for maybe four of these computational steps

belki de yalnızca dört hızlı işlemle

or four layers of neurons, working in sequence, one after the other,

ya da peş peşe sadece dört nöron katmanını çalıştırarak

to calculate how the dragonfly needs to turn.

kendi güzergahını belirlemesi gerekiyor.

In other words, if I want to study

Diğer bir ifadeyle,

how the dragonfly does coordinate transformations,

yusufçuğun koordinat tespit sistemini araştırmak istersem

the neural circuit that I need to understand,

anlamam gereken nöral devre,

the neural circuit that I need to study,

incelemem gereken nöral devre

can have at most four layers of neurons.

en fazla dört katmana sahip olabilir.

Each layer may have many neurons,

Her bir katmanda bir hayli nöron bulunsa da

but this is a small neural circuit.

bu küçük bir nöral devre.

Small enough that we can identify it

Bugünkü araçlarla

and study it with the tools that are available today.

tespit edilip incelenebilecek küçüklükte.

And this is what I'm trying to do.

Yapamaya çalıştığım şey de tam olarak bu.

I have built a model of what I believe is the neural circuit

Yusufçukların güzergah tespitinde kullandıklarına benzerliğini düşündüğüm

that calculates how the dragonfly should turn.

bir nöral devre modeli geliştirdim.

And here is the cool result.

İşte bu da elde ettiğim çarpıcı sonuç:

In the model,

Modelde,

dragonflies do coordinate transformations in only one computational step,

yusufçuklar koordinat tespitini yalnızca bir aşamada,

one layer of neurons.

bir nöron katmanı kullanarak yapıyor.

This is something we can test and understand.

Bunu test edip inceleyebiliriz.

In a computer simulation,

Bir bilgisayar simülasyonunda

I can predict the activities of individual neurons

yusufçukların avlanırken çalışan her bir nöronunun faaliyetlerini

while the dragonfly is hunting.

önceden tespit edebilirim.

For example, here I am predicting the action potentials, or the spikes,

Örneğin burada avını gören yusufçuğun bu nöronlardan biri tarafından

that are fired by one of these neurons

tetiklenen potansiyel davranışını

when the dragonfly sees the prey move.

önceden tahmin ediyorum.

To test the model, my collaborators and I

Ben ve ekip arkadaşlarım, modeli sınamak için

are now comparing these predicted neural responses

öngörülen nöral tepkileri ve kayda geçirilmiş

with responses of neurons recorded in living dragonfly brains.

gerçek yusufçuk beyni davranışlarıyla karşılaştırıyoruz.

These are ongoing experiments

Devam eden bu deneylerde,

in which we put living dragonflies in virtual reality.

yusufçukları sanal gerçekliğe tabi tutuyoruz.

(Laughter)

(Gülüşmeler)

Now, it's not practical to put VR goggles on a dragonfly.

Takdir edersiniz ki yusufçuğa VR gözlük takmak pek uygulanabilir olmuyor.

So instead, we show movies of moving targets to the dragonfly,

Bunun yerine onlara hareketli hedefler gösteriyor, bu sırada

while an electrode records activity patterns of individual neurons

bir elektrotla beyinlerindeki bireysel nöronların davranış modellerini

in the brain.

kayda alıyoruz.

Yeah, he likes the movies.

Evet, film izlemeyi seviyor.

If the responses that we record in the brain

Eğer beyinde kayda aldığımız tepkiler

match those predicted by the model,

önceden çıkardığımız modelle eşleşirse

we will have identified which neurons are responsible

koordinat tespitini gerçekleştiren nöronları

for coordinate transformations.

belirlemiş olacağız.

Sıradaki adım ise nöronların hesaplama sürecinde

The next step will be to understand the specifics

of how these neurons work together to do the calculation.

birbirleriyle çalışma mantığını anlamak.

But this is how we begin to understand how brains do basic

Ancak burada beynin temel ve basit hesaplamaları

or primitive calculations.

yapma yöntemini anlamaya yeni başlıyoruz.

Calculations that I regard as building blocks for more complex functions,

Daha karmaşık işlevlerin temel taşları olan hesaplamalar...

Yalnızca önünü kesmek için değil aynı zamanda avı yakalamak için yapılan...

not only for interception but also for cognition.

Bu nöronların hesaplama yapma biçimleri bugün elimizde olan hiçbir bilgisayarın

The way that these neurons compute may be different from anything

that exists on a computer today.

hesaplama tarzına benzemiyor.

And the goal of this work is to do more than just write code

Bu çalışmanın amacıysa çıkarılan nöron modelini taklit eden

that replicates the activity patterns of neurons.

bir kod yazmaktan fazlası.

We aim to build a computer chip

Hedefimiz

that not only does the same things as biological brains

sadece biyolojik beyinin yaptığı şeyleri yapan değil, aynı zamannda

but does them in the same way as biological brains.

biyolojik beyin gibi davranabilen bir bilgisayar çipi üretmek.

This could lead to drones driven by computers

Bu, bilgisayar tarafından kontrol edilen yusufçuk beyni büyüklüğünde

the same size of the dragonfly's brain

bazı hedeflerin peşinden gidip

that captures some targets and avoid others.

bazılarından uzak duran dronların ilk adımı olabilir.

Personally, I'm hoping for a small army of these

Şahsen ben bahçemi sivrisineklerden koruyabilmek için

to defend my backyard from mosquitoes in the summer.

küçük bir ordu oluşturmayı düşünüyorum.

(Laughter)

(Gülüşmeler)

The GPS on your phone could be replaced by a new navigation device

Sizi eve en kısa yoldan ulaştırabilecek, pislik böcekleri

based on dung beetles or ants

ya da karıncaların beynini taklit eden

that could guide you to the straight or the easy path home.

yeni bir navigasyon cihazı telefonunuzdaki GPS’in yerini alabilir.

And what would the power requirements of these devices be like?

Peki böyle cihazlar ne kadarlık bir enerjiye ihtiyaç duyar?

As small as it is --

Küçüklüğü…

Or, sorry -- as large as it is,

pardon, büyüklüğü ne kadar olursa olsun

the human brain is estimated to have the same power requirements

insan beynin enerji ihtiyacı, yaklaşık 20-watt bir ampulün

as a 20-watt light bulb.

enerji ihtiyacı kadardır.

Imagine if all brain-inspired computers

Beyin-ilhamlı bir bilgisayarın

had the same extremely low-power requirements.

aynı oranda enerjiyle çalışabildiğini bir düşünün.

Your smartphone or your smartwatch probably needs charging every day.

Akıllı telefon ya da akıllı saatinizin muhtemelen her gün şarj olması gerekiyor.

Your new brain-inspired device might only need charging every few months,

Yeni beyin-ilhamlı cihazınızsa birkaç ayda belki birkaç yılda bir

or maybe even every few years.

şarja ihtiyaç duyacak.

The famous physicist, Richard Feynman, once said,

Ünlü fizikçi Richard Feynman, bir keresinde şöyle demişti:

"What I cannot create, I do not understand."

“Yapamıyorsam, anlamamışımdır.”

What I see in insect nervous systems

Böceklerin sinir sistemlerinde gördüğüm,

is an opportunity to understand brains

beyin gibi çalışan bilgisayarlar üreterek

through the creation of computers that work as brains do.

onun çalışma yapısını anlama fırsatı.

And creation of these computers will not just be for knowledge.

Bu bilgisayarların icadı yalnızca bir bilgi öğrenmek için olmayacak.

There's potential for real impact on your devices, your vehicles,

Burada bilgisayarlarınızı, araçlarınızı belki yapay zekayı bile

maybe even artificial intelligences.

büyük oranda etkileyecek bir potansiyel var.

So next time you see an insect,

Yani, gelecek sefer bir böcek gördüğünüzde

consider that these tiny brains can lead to remarkable computers.

bu küçük beyinin sıra dışı bilgisayarların icadına öncülük edebileceğini

And think of the potential that they offer us for the future.

ve bunun ileride bize sağlayabileceği olanakları aklınıza getirin.

Thank you.

(Teşekkürler)

(Applause)

(Alkış Sesleri)