Dopamin Saati: Beyniniz Ne Zaman İyi Hissedeceğinizi Nasıl Tahmin Ediyor?
Yapay zekâ ve sinirbilimi birleştirilerek, UNIGE, Harvard ve McGill’den bir ekip, motivasyonun merkezinde yer alan bir beyin bölgesinin hesaplama potansiyelini ortaya koydu.
Beynin küçük bir bölgesi olan ventral tegmental alan (VTA), ödülleri nasıl işlediğimizde kilit bir rol oynar. VTA, bağlamsal ipuçlarına dayanarak gelecekteki ödülleri tahmin etmeye yardımcı olan bir nöromodülatör olan dopamini üretir. Cenevre Üniversitesi (UNIGE), Harvard ve McGill’den araştırmacılar, VTA’nın bundan da öteye gittiğini gösterdi: yalnızca beklenen ödülü değil, aynı zamanda bu ödülün tam olarak ne zaman beklendiğini de kodladığını ortaya koydular. Bir makine öğrenmesi algoritması sayesinde mümkün olan bu keşif, yapay zekâ ile sinirbilimi birleştirmenin değerini ortaya koyuyor. Çalışma Nature dergisinde yayımlandı.
Ventral tegmental alan (VTA), motivasyon ve beynin ödül devresinde kilit bir rol oynar. Dopamin in ana kaynağı olan bu küçük nöron kümesi, bu nöromodülatörü diğer beyin bölgelerine göndererek olumlu bir uyarana yanıt olarak bir eylemi tetikler.
‘‘Başlangıçta, VTA’nın yalnızca beynin ödül merkezi olduğu düşünülüyordu. Ancak 1990’larda bilim insanları, ödülün kendisini değil, ödülün tahminini kodladığını keşfetti,’’ diyor UNIGE Tıp Fakültesi Temel Sinirbilimler Bölümü’nde tam zamanlı profesör olan Alexandre Pouget.
Hayvanlar üzerinde yapılan deneyler, örneğin bir ışık sinyalinden hemen sonra sürekli bir ödül geldiğinde, VTA’nın sonunda dopamin ödül anında değil, sinyal görünür görünmez saldığını göstermiştir. Bu tepki, ödülün kendisinden çok, sinyale bağlı olarak ödülün tahminini kodlar.
Çok daha sofistike bir işlev
Bu ‘‘pekiştirmeli öğrenme’’ (reinforcement learning), minimum denetimle çalışır ve insan öğrenmesinin merkezinde yer alır. Bu aynı zamanda, performansı eğitim yoluyla geliştiren pek çok yapay zekâ algoritmasının da temelidir. Örneğin Go oyununda bir dünya şampiyonunu yenen ilk algoritma olan AlphaGo gibi.
Yakın tarihli bir çalışmada Alexandre Pouget’in ekibi, Harvard Üniversitesi’nden Naoshige Uchida ve McGill Üniversitesi’nden Paul Masset ile birlikte, VTA’nın kodlamasının daha önce düşünülenden bile daha karmaşık olduğunu gösterdi. ‘‘VTA, gelecekteki ödüllerin ağırlıklı toplamını tahmin etmek yerine, bu ödüllerin zamansal evrimini tahmin ediyor. Başka bir deyişle, her kazanç ayrı ayrı temsil ediliyor ve tam olarak ne zaman beklendiği de kodlanıyor,’’ diye açıklıyor bu çalışmayı yöneten UNIGE araştırmacısı.
“VTA nöronlarının zamana yakın ödülleri, zamana uzak olanlara tercih ettiğini yani ‘eldeki bir kuş, daldaki iki kuştan iyidir’ ilkesine göre davrandığını zaten biliyorduk. Ancak şimdi keşfettik ki, farklı nöronlar bunu farklı zaman ölçeklerinde yapıyor: bazıları birkaç saniye içinde alınabilecek ödüllere odaklanırken, bazıları bir dakika sonra beklenen ödüllere, bazıları ise daha uzak zaman dilimlerindeki ödüllere odaklanıyor. Bu çeşitlilik, ödül zamanlamasının kodlanmasına olanak tanıyor. Bu kadar ince bir temsil, öğrenme sistemine büyük bir esneklik kazandırıyor ve bireyin hedeflerine ve önceliklerine bağlı olarak anlık ya da gecikmeli ödülleri maksimize edecek şekilde uyum sağlamasına olanak tanıyor.’’
Yapay zekâ ve sinirbilimi: çift yönlü bir yol
Bu bulgular, sinirbilim ile yapay zekâ arasında verimli bir diyalogdan doğdu. Alexandre Pouget, ödül işleme zamanlamasını içeren tamamen matematiksel bir algoritma geliştirdi. Bu sırada Harvard araştırmacıları, ödül deneyimleyen hayvanlardaki VTA aktivitesine dair kapsamlı nörofizyolojik veriler topladı.
“Sonrasında, bizim algoritmamızı kendi verilerine uyguladılar ve elde ettikleri sonuçlar, ampirik bulgularıyla mükemmel bir şekilde örtüştü.” Beynin yapay zekâya ve makine öğrenimi tekniklerine ilham vermesinin yanı sıra, bu sonuçlar algoritmaların nörofizyolojik mekanizmalarımızı ortaya çıkarmada güçlü araçlar olabileceğini de gösteriyor.
Daha Fazla Benzer Gelişme İçin BIOSSCOPE