Weizmann Enstitüsü Beyin Taramalarından Görüntü Üreten Brain-IT Yapay Zekasını Geliştirdi

Yapay zeka teknolojileri, insan nörolojisi ve zihin yapısına dair en karmaşık bilmeceleri çözme yolunda devasa adımlar atmaya devam ediyor. İsrail'de bulunan dünyaca ünlü Weizmann Bilim Enstitüsü bünyesinde çalışmalarını sürdüren araştırmacılar, bir insanın baktığı görselleri yalnızca beyin aktivitesi verilerini analiz ederek yüksek hassasiyetle yeniden oluşturan Brain-IT adını verdikleri çığır açıcı bir yapay zeka modeli geliştirdi. Prof. Michal Irani liderliğindeki Bilgisayar Bilimleri ve Uygulamalı Matematik Bölümü bilim insanları tarafından hayata geçirilen bu yenilikçi çalışma, nörobilim ve yapay zeka entegrasyonunda yeni bir dönemi başlatıyor.

Görsel algıyı beyin sinyallerinden okuma fikri nörobilimde uzun süredir incelenen bir konu olsa da mevcut teknolojiler ciddi kısıtlamalar barındırıyordu. Son yıllarda felçli kişilerin zihinsel sinyallerini metne veya konuşmaya dönüştüren kişiselleştirilmiş modeller tasarlanmış olsa da bu sistemler her bir birey için onlarca saat süren yorucu fonksiyonel manyetik rezonans görüntüleme (fMRI) taramalarına ihtiyaç duyuyordu. Brain-IT ise bireyler arasındaki nörolojik farkları aşarak insan beyninin ortak işleyiş kalıplarını tanımlamayı başarıyor. Mevcut modeller yeni bir kişinin zihnini okumak için günlerce süren veri toplama süreçlerine gereksinim duyarken, Brain-IT bu süreyi sadece bir saate indirerek rekor bir hıza ulaşıyor.

Dünyanın en prestijli yapay zeka konferanslarından biri olan Uluslararası Temsil Öğrenimi Konferansı'nda (ICLR) sunulmak üzere seçilen bu teknolojinin geliştirilme sürecindeki en büyük engel veri yetersizliğiydi. Bir yapay zekayı eğitmek için normalde milyonlarca veri gerekirken, alanındaki en geniş açık erişimli veri seti olan Doğal Sahneler Veri Seti yalnızca sekiz katılımcının fMRI taramalarını içeriyordu. Prof. Michal Irani ve uzman ekibi —Roman Beliy, Amit Zalcher, Jonathan Kogman ile Navve Wasserman— bu ciddi kısıtlamayı aşmak adına çift yönlü bir tercüme mekanizması tasarladı. Ekip, sadece beyin sinyalinden görüntü oluşturan bir dekoder üretmekle kalmadı, aynı zamanda herhangi bir görselden fMRI tarama verisi tahmin edebilen bir enkoder geliştirdi.

Bu çift yönlü sistem sayesinde yapay zeka modeli, fMRI cihazına hiç girmemiş milyonlarca görseli girdi olarak alıp bunlara karşılık gelen hayali beyin taramaları üretti. Ardından bu verileri dekoder sistemine aktararak kendi kendini eğiten devasa bir veri döngüsü oluşturdu. Araştırmacılar modelin eğitimi sırasında insan beynini voksel adı verilen yaklaşık 40 bin küçük üç boyutlu hacim birimine böldü. Yapay zeka, farklı insanların beyinlerinde renk, nesne konumu ve anlamsal içerik gibi görsel ögeleri işleyen 128 ortak işlevsel bölge keşfetti. Bu sayede Brain-IT, kompozisyon, renk ve biçim hatalarını neredeyse tamamen ortadan kaldırarak kişinin baktığı beysbol maçı veya manzara gibi karmaşık sahneleri inanılmaz bir doğrulukla dijital ortama aktarmayı başardı.

Geliştirici ekip, yakalanan bu başarının yalnızca durağan fotoğraflarla sınırlı kalmayacağını, teknolojinin çok daha geniş ufuklara sahip olduğunu belirtiyor. Araştırmacıların bir sonraki hedefi, beyinden gelen işitsel bilgileri çözümlemek ve zaman içinde akan video verilerini anlık olarak takip edebilmek. Prof. Irani, özellikle rüyaların çözümlenmesi gibi heyecan verici hedeflere dikkat çekiyor. Rüyalar esnasında zihinde saniyede onlarca görüntünün akıp gittiğini, fMRI cihazlarının ise ancak iki saniyede bir tarama yapabildiğini belirten Irani, teknik engeller aşıldığı takdirde gelecekte insanların gördüğü rüyaların dahi bir ekran üzerinde izlenebileceğini vurguluyor. Çalışmanın metodolojisi ve deneysel bulgularına dair tüm ayrıntılar Weizmann Bilim Enstitüsü tarafından paylaşılan kaynak üzerinden incelenebilir.