'Zihin okuma' teknolojileri

'Zihin okuma' teknolojileri

24 Şubat 2019
Fotoğraf: Pixabay

Açık Bilinç’te, beyin bilimleriyle Yapay Zeka araştırmalarının birlikte geliştirdiği yeni teknolojileri konu ediyoruz.

Açık Bilinç podcast servisi: iTunes / RSS

Bilgisayar arayüzleri, beyin verilerini işleyerek, aklımızdan geçenleri henüz ağzımızdan çıkmadan sese çevirmek yolunda önemli adımlar atıyorlar. 

Birbirinden bağımsız yapılmış ancak yakınsak sonuçlar içeren çok yeni üç araştırmadan söz edeceğiz. [Kaynaklar: Akbari-2018, Oganian-2018, Angrick-2018, ekte.]

Bu araştırmalar üzerine NöroBlog sitesinde de güzel bir yazı yayımlanmıştı.

— / —

Son yüzyıl boyunca süren fizyoloji ve psiko-fizik araştırmaları sayesinde artık genel kabul gören bir görüş var:

Zihinde olan her şey, beyinde olanlara bağımlı.

İngilizce’de 'supervenience' diye adlandırılan bu ilişkiye göre, zihnimizden geçen her düşüncenin beyinde bir izini bulmak mümkün.

Çağdaş felsefenin 'zihin-beden sorunu' konusunda en merkezi tartışmalarından birisi, zihinle beyin arasındaki ilişkinin doğası. 

Ama artık hemen herkes, zihinsel faaliyetlerin beyin ve sinir sisteminde olanlardan bağımsız düşünülemeyeceğini kabul ediyor.

Eğer her zihinsel faaliyetin beyinde kendine özgü bir izi varsa, bu izlerden yola çıkarak, yani 'tersine mühendislik' yöntemiyle, beyinde olan bitenlerden insan zihninin içeriğini ortaya çıkartmak mümkün mü?

Örneğin, bir Yapay Zeka sistemi, siz daha konuşmadan aklınızdan geçeni seslendirebilir mi?

— / —

Columbia Üniv.'de yapılmış olan 'işitsel korteks verilerinden, anlaşılabilir konuşma elde etmek' çalışmasından küçük bir örnek dinleyelim.

Bilgisayar sistemi, 0'dan 9'a rakamları sayan bir kişiden toplanan beyin verilerini, daha sonra sese dönüştürüyor.

Bu tür 'zihin okuma' teknolojilerinin ne tür yenilikler getireceği konusuna döneceğim. Ama önce, bu araştırmaların arkaplanına ve detaylarına biraz bakalım.

Beyin verilerinden yola çıkarak zihinsel içerik elde etmeye çalışmak, iki aşamalı bir yöntem gerektiriyor: 

1. Verilerin, doğru şekilde toplanması ve kaydedilmesi.

2. Toplanan verilerin işlenmesi, ses veya görüntüye dönüştürülmesi.

Beyin verilerinin toplanması için, fonksiyonel MR ve EEG, en sık kullanılan yöntemler. 

EEG, daha portatif ve kolay kurulabilen, zamansal çözünürlüğü yüksek bir araç. Ama kafatası üzerinden toplanan veriler, beyin faaliyetleri konusunda ancak 'uzaktan' bir fikir verebiliyor.

Yani, çoğu EEG deneyinde olduğu gibi kafatasının yüzeyi üzerinden elektrotlarla beyin faaliyetlerine dair veri toplamak, bir binanın çatısına çıkıp kulağınızı dayayarak içeride ne olup bittiğini anlamaya çalışmak gibi.

EEG verileri, kafatasından değil de doğrudan açık beyin yüzeyi üzerinden toplanabilirse, çok daha hatasız ve dakik bir veri kümesi elde etmek mümkün.

Aktardığım çalışmada veriler, epilepsi nedeniyle açık beyin ameliyatı olacak hastalardan, ameliyat öncesinde derlenmiş.

— / —

Bu çalışmaların hepsine nihai hedef, insanların akıllarından geçirdikleri düşüncelerin beyindeki nöral izdüşümlerini kaydetmek ve daha sonra bu verilerin kodunu çözerek tersine mühendislik yöntemiyle zihinsel içeriği yeniden inşa etmek.

Atıfta bulunduğum üç çalışma, farklı yollardan veri toplamış. Denekler, belli cümleleri dinlerken, bu cümleleri sessizce içlerinden veya sesli olarak tekrarlarken, beyin faaliyetleri izlenmiş. 

Sonra, bu veri kümelerinden, deneklerin ne duydukları veya söyledikleri çıkarsanmış.

Eldeki beyin verilerini, kişinin zihnindeki sese veya görüntüye dönüştürmek, bu araştırmaların 2. aşamasını oluşturuyor. 

İşte Yapay Zeka sistemleri, özellikle büyük veri kümelerini işlemlemede çok başarılı olan 'derin öğrenme' algoritmaları, bu aşamada devreye giriyor.

deep neural network ile ilgili görsel sonucu

— / —

Yapay Zeka araştırmalarına yeni bir heyecan getiren 'Sinir Ağları' modellerinin tarihçesinden ve 'derin öğrenme' paradigmasından, geçmiş bir programda söz etmiştim: Yapay Zekâ'nın Rönesansı, Geleceği ve Etik Sorunlar
 

Sinir ağları ('neural network') modellemesinin ilk kez heyecan uyandırdığı 1980li yıllarda inşa edilmiş bir 'yapay öğrenme' sistemi, bugün beyin kodlama sistemlerinin ikinci aşamasındaki "derin öğrenme" sistemlerinin atası sayılır: NETtalk. 

Biraz detaylarına bakalım.

Kaliforniya Ü. San Diego'dan hesaplamacı nörobilimci Terry Sejnowski'nin eseri olan NETtalk, hesaplama yapısı olarak basit bir sistem. 

Üç seviyeli bir sinir ağından oluşuyor. Hedefi, İngilizce metinleri doğru telaffuzla seslendirmeyi öğrenmek.

NETtalk sistemi ilk kez çalışmaya başladığında, parametreleri gelişigüzel değerlere sahip. Dolayısıyla, sistemin sese dönüştürdüğü sözcüklerle, telaffuzu arasında doğru bir ilişki yok. 

Şöyle bir performans gösteriyor.

NETtalk'ı kendi zamanında öncü bir çalışma yapan unsur, sistemin içinde var olan basit bir düzletme-yoluyla-öğrenme mekanizması.

Sistemin telaffuz ettiği her ses birimi, doğru telaffuzla karşılaştırılıyor ve NETtalk'ın parametreleri performası düzeltecek yönde revize ediliyor.

NETtalk, 10 bin sözcükle bu şekilde 'eğitildikten', yani parametleri tekrar tekrar revize edildikten sonra, verili İngilizce metni ilk kayıtta dinlediğinizden çok daha ileri gitmiş düzgün bir telaffuzla seslendirmeye başlıyor:

Fakat NETtalk'ı asıl etkileyici kılan, tek bir metni telaffuz etmeyi öğrenmesi değil. Öğrendiklerini, ilk kez karşısına çıkan yeni metinler üzerinden genelleştirebilmesi.

Modellemenin son aşamasında, sistem daha önce kullanılmamış bir metin seslendiriyor.

NETtalk'ın yeni metinleri seslendirmesi telaffuz açısından mükemmel değil, fakat anlaşılabilir bir performans ortaya koyuyor. 

Sistemin, konuşmayı yeni öğrenen bir çocuğunkine benzer bir öğrenme eğrisi göstermesi de, sinir ağları modellerinin gerçekçiliği açısından bir artı.

NETtalk'ın ilk günlerinde, yazılı metinleri bilgisayar yoluyla seslendirebilmek, klasik Yapay Zeka sistemleriyle gerçekleştirilemiyordu ve bu tür bir performans gösterebilen başka bir sistem yoktu. 

Günümüzün benzer ve başarılı sistemleri, YZ'nın bu alanda ne kadar ilerlediğinin göstergesi.

Böylece, beyin verilerini toplamadaki ilerlemeler, Yapay Zeka'daki yeniliklerle bir araya geldi, ve 'beyin yoluyla zihin okuma' araştırmalarında son derece ilginç sonuçlar ortaya çıkmaya başladı.

Benzer sonuçları, fMRI ile görüntü işleyerek yapan sistemlerde de görmek mümkün.

Örneğin, Kaliforniya Üniv. Berkeley'den Jack Gallant ve ekibi, video parçaları seyreden insanların beyinlerinden veri toplayıp, sonra bu verileri işleyerek insanların zihinlerinde oluşan görüntüleri yalnızca beyin verilerinden yola çıkarak yeniden kurgulamaya çalışıyorlar.

Soldaki videoda, deneklerin seyrettiği görüntüler var.

Sağdaki video ise, deneklerin beyinlerinden toplanan görüntülerin işlenmesiyle, bilgisayarın, insanların zihinlerinde oluşan içeriği çıkarsamaya çalıştığı görüntülerden oluşuyor.

Geçmiş bir programda, doktora sonrası araştırmalarında Gallant'la birlikte çalışmış olan Dr. Tolga Çukur'la, 'beyin görüntüleme ile zihin okumak' konusunu detaylıca ele almıştık.

Elbette bu çalışmaların gitmesi gereken hayli yol var. Ama bu paradigma içinde çok etkileyici sonuçların hızla peş peşe geleceğini tahmin ediyorum.

Ve, evet, günün birinde her aklınızdan geçeni, hatta rüyalarınızı, görsel ve işitsel olarak kaydetmek ve göstermek mümkün olabilir.

Peki, bu tür 'zihin okuma' teknolojilerinin günlük hayat, kültürel kodlar, hatta hukuk sistemleri üzerinde bir etkisi olur mu?

Ne tür değişiklikler söz konusu olabilir? 

Hangi etik sorunlarla karşılaşabiliriz?

Bu akışı, kısaca bu soruları değerlendirmeye çalışarak tamamlayayım.

— / —

Diyelim mahkemeler 'zihin okuma' teknolojilerini  bir tür yalan makinesi olarak kullanmaya başladı. 

[“Beyin Görüntülemeyle Yalan Saptanabilir mi?"]

Savcının, sanığın cevaplarına değil, beynine bağlı makinenin verilerine öncelik vermesi, hukuksal ve etik açıdan meşru olur mu?

Bu tür teknolojilerde her zaman hata payı var. Savcının sorusu karşısında paniğe kapıldınız, aklınızdaki düşünceler karman çorman oldu, makine de bu verileri sizin suçlu olduğunuzu kabul edişiniz olarak yorumladı.

Hukuk sisteminin, bu şekilde yeniden yapılandırılması doğru olur mu?

İstesek de istemesek de, bu tür teknolojiler giderek hayatımızın bir parçası haline gelecek; belki hukuk sistemlerinde  değişikliklere yol açacak.

Nörobilimle hukuk alanının temas ettiği yeni bir araştırma dalı olan 'NöroHukuk' üzerine yaptığımız program.

— / —

Her aklımıza geleni dile dökmüyoruz. Hepimiz için, aklımızdan geçenle, ağzımızdan çıkan arasında bir mesafe var. Bu mesafe, bizim özel hayatımızın alanını belirliyor. 

Bu alan tamamen yok olsun, yeni teknolojilerle zihninizin tüm içeriği okunabilir hale gelsin ister miydiniz?

Öte yandan, aktardığım teknolojilerin kimi insanların, örneğin felçli olduğu için hareket edemeyen, konuşamayan kişilerin hayatları için büyük fayda sağlayacağı açık.

Bir örnek. Brown Üniv.'de sürmekte olan bir araştırma, felçli kişilerin bir bilgisayar arayüzü sayesinde düşünce yoluyla bir robot kolunu hareket ettirebildiklerini, kendi ihtiyaçlarını bağımsızca karşılayabildiklerini belgeliyor (İngilizce).

— / —

Kısacası, pek çoğumuzun hayatını etkileyecek, beraberinde hem artılar hem eksiler getirecek yeni teknolojik gelişmelerin eşiğindeyiz. 

Bir yandan yeni araştırmaları takip ederken, diğer yandan ortaya çıkan etik soruları ele alacağımız başka programlarımız olacak.

Açık Bilinç'i Salı sabahları 9:30'da dinleyebilir, podcast arşivine ulaşabilirsiniz