1000 Beyin Ve GPU

1000 Beyin Teorisi ile GPU dediğimiz ekran kartlarının benzerlikleri nedir? Zekanın ekran kartı Nvidia dijital özne Sherlock Holmes’u nasıl yarattı ?

1000 Beyin ve GPU günümüz dijital dünyanın oksijeni. Onları yönlendirmek ve organize etmek, kimi zaman hızlandırmak kimi zaman da yavaşlatmak, kısacası kontrol etmek hayatımız için ve aldığımız kararların etkisi için elzem.

Beyin kutsal motor ise , o motoru görünür kılan ve hayatımızın her alanına sızan parçası ise GPU (Grafik işlemci Birimi) dediğimiz sistem . Peki beynin bilgiyi nasıl organize ettiği ile GPU dediğimiz ekran kartının alakası nedir ?

Öncelikle 1000 Beyin teorisine bakmamız gerekiyor. Bill Gates‘in 2021 yılındaki favori kitaplarından biri olan ve Jeff Hawkins‘in yazdığı 1000 Beyin kitabı ; zekayı, beynin çalışma ve hatırlama mekanizmasını inceliyor. https://www.forbes.com/sites/calumchace/2021/03/23/a-new-theory-of-intelligence-review-of-a-thousand-brains-by-jeff-hawkins/

Bununla birlikte bilginin beyinde nerede depolandığının yanısıra yüksek seviye düşünme, dil ve matematik gibi işlevsel konseptlerin nasıl oluştuğunu güzel örneklerle bizlere sunuyor. Bir şeyin ne zaman zeki olabileceğini güçlü deneysel analizlerle sorguluyor.

1000 Beynin Kortikal Sütunları

Hawkins’in uzun süredir yaptığı deneysel çalışmalar ve teorilerine göre beynimizde bulunan kortikal sütunlar bilgiyi tüm alanlara dağıtıyor. Dış dünyadan gelen girdiler beyindeki konumsal alana göre şekilleniyor ve güçlü tahminlere göre harekete geçiyor. Bu kortikal sütunlar zihin algoritmasının ana motoru gibi çalışıyor.

Üstelik Jeff Hawkins göre bir şeyin zeki olabilmesinin ana hatları ; sürekli öğrenme , hareket yoluyla öğrenme , bilginin depolanması için beynin referans çerçevelerini kullanmasından oluşmaktadır. Beynimizin tüm bunları nesne ve ortama göre hangi şekilde modellediği ise zekanın kaçınılmaz noktası.

Örneğin karar mekanizmasına bakalım. Öncellikle insanın karar vermesi ve durumu değerlendirerek harekete geçmesi için, her türlü bilginin depolandığı ve kayıt altına alındığı kortikal sütunlardaki aktivite örüntülerinin doğru konum ve nesne ile eşleşmesi gerekiyor. Bugün yapılan çalışmalardan biliyoruz ki, dış dünya dediğimiz şey beynimizin yarattığı bir model. Ve bu model kendi içinde biz daha farkına varmadan birkaç milisaniye öncesinde bizim adımıza karar veriyor. Tabi ki de bunu tüm örüntüleri ve eşleşmeleri tarayarak ve kendisi için en iyi olan seçimi tahmin ederek ( Yapay Zekanın tahminler ile eğitilmesi ) yapıyor. https://contentdiving.com/2024/08/27/decision-economy/

Bunun sonucunda ise, ortak paydada buluşan aktif nöronlar yukarıda da belirttiğimiz gibi kortikal sütunlardaki örüntüleri tanıyıp oybirliği ile karara varıyorlar. Böylece algımız ve eylemlerimiz bu kortikal sütunların demokratik fikir birliği ile oluşuyor. https://www.youtube.com/watch?v=sYljAsGlPvo&t=5s

1000 Beynin Ana Kolonları: GPU

Bilgisayar dünyasında CPU (Merkezi İşlem Birimi ) yu düşündüğümüzde her noktada bilgiye sahip olan usta bir ressam gibi hareket ettiğini söyleyebiliriz. Fakat bu usta , her noktada aynı anda etkin olamıyor.

Diğer yandan, GPU ( Grafik İşlem Birimi ) ise karıncalar gibi belli bölgelerde yoğunlaşan, aynı anda çalışıp kollektif bir hareket biçimine odaklanan bir yapı. En önemlisi daha hızlı, daha çok işlem yapmak için işi parçalara bölüp , çekirdeklere dağıtıyor.

Kısacası GPU ; yapay sinir ağları , matematiksel modeller (insan beyninin çalışmasını taklit eden ) , yapay zekanın eğitilmesi ve geliştirilmesinde elzem. GPU nöronlar arası bağlantıda potensiyel güçlerin hesaplanması gibi moleküler simulasyonlarda kritik bir öneme sahip.

Nvidia: Zekanın Ekran kartı

Nvidia‘ nın ekran kartlarında 76 milyar tane transistor var. Buna ek olarak 16 bin tane çekirdek bulunuyor. Tüm bunlar, gerçekçi video oyunlarını çalıştıran ve saniyede 100 milyar işlem yapabilen GPU’ların beynimize ne kadar benzediğini ya da onu model alarak çalıştığını bizlere gösteriyor.

Aynı zamanda GPU sayesinde bugün atmosferi küçük hücrelere bölüp her hücredeki hava hareketini hesaplayabiliyoruz. Kripto dünyasında çok karmaşık matematiksel bulmacaları çözebiliyoruz.

Sonuç olarak GPU daha fazla veri taşıyabildigi için bazı şirketler bulut bilişim servislerinde GPU gücü kiralıyorlar günümüzde. Büyük modelleri eğitmekten finansal analize, yapay zekanın geliştirilmesinden insan-beyin arayüzü çalışmalarına kadar tüm GPU’lar Nvidia’nın zekasını ve kazancını ortaya koymakta sayısız örneğe sahip.

1000 Beyin Ve GPU ile Dil Modellemesi

insan evriminin en önemli sosyal ve bilişsel tasarımında dil mekanizmasını düşünelim. Beyinde dil yetisinden sorumlu iki bölge olan Broca ve Wernicike alanları (Beyinde bir alanda yoğunlaşan ve oldukça hızlı çalışan alanlar) dilin talimatlarına yetişmek için fazladan yalıtılmış GPU transistörler gibi miyelin yapılarına sahipler.

GPU‘yu CPU‘dan ( Merkezi İşlem Birimi ) ayıran temel farkın bilgi kapasitesi ve genişliğinden ziyade işlevsel ve hız özellikleri olması kortikal sütunlara benzer şekilde onun zihnimizdeki ana kolonlara ne kadar benzediğini bizlere anlatmakta.

1000 Beyin ve GPU sembolizmi: Sherlock Holmes

Sherlock Holmes dijital öznenin zekasını temsil eden bir modern deha olarak önümüzde duruyor. Örnegin Sherlock’ta gördüğümüz hafıza sarayı ( Loci Metodu ) sayesinde Sherlock Holmes aradığını bulabiliyor ve problemleri hareket olsun ya da olmasın çözebiliyor. Simüle edilen nesneler ve görselleştirme pratikleri kortikal sütünlarda bulunan konum bilgisini bir sinyal olarak paket halinde gönderiyor.

Aynı zamanda sembolik Sherlock zekası, nesneleri gruplandırma ve konumla ilişkilendirmede hafızanın belli kısmında katman katman bulunan örüntülerle yola çıkıyor. Bu aktivite örüntülerini ateşleyen yapı çoğumuzda beynin arka odalarında zaten gömülü halde bulunmaktadır. SherLOCKED durumlarda ise, bu zeki dehamız aynı bir GPU gibi beynini hızlı bir şekilde işlevsel kullanabiliyor.