Geleceğe gitmek fikri şu anki sahip olduğumuz teknoloji ile imkansız. Zira yapılan bilimsel çalışmalar, çoğunlukla falcılıkla özdeşleşen "geleceği görme" davranışı ile ilişkili değil. Başlığı okuyunca ‘1 saniye sonrasını tahmin etmekte ne var?’ diyebilirsiniz ancak inanın iş öyle değil. Bilim dünyasında yapılan bu keşif ile birlikte çok önemli bir çağın kapısı aralanıyor: Geleceği tahmin etmek.
Ohio Eyalet Üniversitesinden araştırmacılar, ‘yeni nesil rezervuar hesaplama’ adını verdikleri ve kendileri geliştirdikleri bir yapay zekâ kullanarak zaman-mekansal (spatiotemporal) kaotik sistemlerin davranışlarını tahmin etmenin yeni bir yolunu buldular.
Windows 10 yüklü bir dizüstü bilgisayarda bile çalışabilen bir algoritma, geçmişteki karmaşık problemlere bakıp gelecektekileri çözmeye çalışıyor:
Araştırmacılar, yeni algoritmalarını geçmişte birçok kez incelenen karmaşık bir problem üzerinde test ettiler. Atmosferik bir hava durumu modelinin davranışını tahmin etmesi gereken bu yeni algoritma, aynı problemi çözebilen geleneksel makine öğrenimi algoritmalarına kıyasla 400 ila 1.250 kat daha az eğitim verisi kullandı.
Üstelik algoritma, bunu çok daha az bir maliyetle başardı. Geleneksel makine öğrenimi algoritmaları gibi süper bilgisayarlar gerektirmeyen bu algoritma, Windows 10 işletim sistemine sahip bir dizüstü bilgisayarda bile çalıştırılabiliyor ve rakiplerine kıyasla 240.000 kat daha hızlı bir şekilde sonraki 1 saniyenin tahminini yapabiliyor.
Algoritmanın geliştiricilerinden Wendson De Sa Barbosa, konuyla alakalı şöyle diyor: "Bu çok heyecan verici çünkü bunun makine öğrenimi alanında veri işleme verimliliği ve tahmin doğruluğu açısından önemli bir ilerleme olduğuna inanıyoruz."
İyi tamam da bu ne işimize yarayacak?
Burada aslında kilit olay algoritmanın 1 saniye sonrasını tahmin etmesi değil, zaman-mekansal kaotik sistemleri çok hızlı bir şekilde çözebilmesi. De Sa Barbosa, şöyle diyor: “Modern makine öğrenimi algoritmaları, geçmiş verileri kullanarak temel fiziksel kurallarını öğrenerek dinamik sistemleri tahmin etmek için çok uygundur. Yeterli veriye ve hesaplama gücüne sahip olduğunuzda, gerçek dünyadaki herhangi bir karmaşık sistem hakkında makine öğrenimi modelleriyle tahminler yapabilirsiniz.”
Buna en büyük örnek, insan kalbi hücreleri. Kalp hücreleri, normal bir kalp atışından anormal derecede yüksek bir frekansa geçen kaotik zaman-mekansal şemalar sergilerler. Yani bu araştırmanın sonucunda yapay zeka ile birlikte gelecekte bir kalp hastalığını daha belirtileri göstermeden kontrol altına alınabilir demek:
“Bir sistem için bu benzersiz süreçlerin nasıl gelişeceğini doğru bir şekilde tanımlayan denklemler biliniyorsa, davranışı yeniden üretilebilir ve tahmin edilebilir.”
Burada kalp hücreleri sadece bir örnek, zaman-mekansal kaotik problemlere ve şemalara sahip çok fazla unsur, gerçek dünyada mevcut. Siz ne düşünüyorsunuz? Düşüncelerinizi yorumlarda bizlerle paylaşmayı lütfen unutmayın.
