What if Eye..? - Ya Göz Olsaydı...?
(eyes.mit.edu)- What if Eye...?, görsel zekânın biyolojik ilkelerini ve yeni yapay zeka biçimlerini hesaplamalı olarak araştırmak için video oyunu benzeri bir evrende evrimi yeniden çalıştıran bir projedir
- Ajanlar, tek bir ışık algılayan hücre ve küçük bir beyinle başlayarak; gerçek fizik, bedensel kısıtlar ve hayatta kalma baskısı altında görsel zekâyı evrimleştirir
- Navigasyon ve algılama gibi hedefler değiştirildiğinde, hangi göz yapıları ve davranışların doğal olarak ortaya çıktığı karşılaştırılabilir
- Beyin ve göz boyutu birlikte ölçeklendirildiğinde üs yasası ölçeklenmesi görülür; ancak görme keskinliği darboğaz olduğunda yalnızca beyni büyütmek davranışı iyileştirmeyi durdurur
- Optik genler etkinleştirildiğinde mercek tipi optik tekrar tekrar ortaya çıkar ve ışık toplama ile uzamsal hassasiyet arasındaki temel ödünleşimi çözmenin bir yolu olarak çalışır
Görsel evrimi yeniden çalıştıran bir deney ortamı
- What if Eye...?, “evrim bir kez gerçekleşti” öncülünden yola çıkarak görsel evrimi video oyunu benzeri bir evrende hesaplamalı olarak yeniden üretir
- Amaç, sabit veri kümeleri ve insan önyargılarıyla tasarlanmış bir görsel zekâ değil; çevre içinde algılama donanımı ile algı, akıl yürütme ve davranış yazılımının ortaya çıkmasını sağlamaktır
- Ajanlar yalnızca tek bir ışık algılayan hücre ve küçük bir beyinle başlar
- Gerçek fizik koşullarıyla karşılaşırlar
- Bedene sahip olmanın getirdiği kısıtlara tabidirler
- Hayatta kalma baskısı altında görsel zekâyı evrimleştirirler
- Her deney tek bir hipotez gibi kurgulanır
- What-if soruları ya da karşıolgusal koşullar belirlenir
- Video oyunu benzeri bir fizik motoru içinde bedene sahip ajanlar evrimleştirilir
- Hangi gözlerin ve davranışların ortaya çıktığı gözlemlenir
Göz ve beynin birlikte evrimleştiği koşullar
- Görmenin hedefi değiştiğinde ajanlar yalnızca iki görevin bulunduğu bir dünyada evrimleşir
- NAVIGATION: Amaç, engel olan labirent duvarlarından kaçınırken mümkün olduğunca hızlı biçimde sola hareket etmektir
- DETECTION: Amaç, yiyeceği algılayıp zehirden kaçınmaktır
- Beynin evrim boyunca küçük kaldığı koşullarda, göz ve beyin boyutu birlikte sistematik olarak ölçeklendirildiğinde sinirsel kapasite ile görev performansı arasında üs yasası ölçeklenmesi ortaya çıkar
- Bu ilişki yalnızca görsel çözünürlük de birlikte ölçeklendiğinde geçerlidir
- Görsel çözünürlük darboğazsa, yalnızca beyni büyütmek daha iyi davranışa yol açmaz
- Gözün ışığı kırabildiği koşullarda optik genler etkinleştirilir
- Optik olmadığında iğne deliği stratejisiyle görüntü keskinleştirilebilir, ancak ışıktan fedakârlık edildiği için bir sınıra ulaşılır
- Optik olduğunda mercekler, ışık toplama ile uzamsal hassasiyet arasındaki ödünleşimi çözen bir mekanizma olarak ortaya çıkar
- Bütünleşik genotip, donanım olan fiziksel görsel sensörleri ve yazılım olan öğrenme bileşenlerini birlikte içerir
- Morfoloji genleri, gözün konumu ve görüş açısı gibi uzamsal örnekleme özelliklerini belirler
- Optik genler, fotoreseptör sayısı, optik öğeler ve gözbebeği boyutu gibi ışık etkileşimlerini ele alır
- Sinir genleri, öğrenme kapasitesini tanımlar
- Üç gen kümesi, gerçekçi evrim yollarını araştırabilmek için bağımsız biçimde mutasyona uğrayabilecek şekilde ayrılmıştır
Açık kaynaklar ve sunumlar
- Proje; makaleler, yol haritası, sunumlar, açık kaynak araçlar ve kamusal sergiler sunar
- Başlıca yayınlar şunlardır
- Computationally Recreating Vision Evolution: Tüm deney düzenini, sonuçları ve evrim analizini içeren Science Advances hakemli makalesi
- A Roadmap for Generative Design of Visual Intelligence: Görsel zekânın elle tasarlanmak yerine neden üretilmesi gerektiğini, uygulamaları ve yaklaşımları özetleyen MIT Press yazısı
- Designing Imaging Systems with Reinforcement Learning: Çevresel geri bildirim temelli olarak görüntüleme sistemleri ile göreve özgü algı modellerinin ortak tasarımını öneren ICCV makalesi
- Emergence of foveal image sampling from learning to attend in visual scene: Görsel sahnede dikkat öğrenildiğinde foveal görüntü örneklemesinin ortaya çıktığını gösteren NeurIPS makalesi
- Designing neural network architectures using reinforcement learning: Görsel görev performansını iyileştirmek için pekiştirmeli öğrenmeyle sinir ağı mimarileri tasarlayan ICLR makalesi
- The First Signs of Vision: Kambriyen patlamasından günümüze hayvan görmesinin evrimini etkileşimli simülasyonla ele alan Cathy Chang’in MIT tezi
- Kamuya açık sunumlar arasında şunlar yer alır
- Brian Cheung tarafından yapılan "The Emergence of Convergence in Different Levels of Biology and AI" sunumu, Symposium on the Platonic Space
- Kushagra Tiwary tarafından yapılan "Embodied Eyes For Scientific Discovery: Generation and Verification Loops to ask the "why" questions in vision" sunumu, UC Berkeley's Redwood Center
- Kushagra Tiwary tarafından yapılan "What-If Machines for Vision: Evolving Eyes and Brains with AI" sunumu, Imagination in Action
- Yapay ajanlarla görsel zekânın evrimleştirilmesi çalışmasının daha geniş sonuçlarını inceleyen bir Tedx konuşması
- Kod ve sergi öğeleri de sunulur
- Simulator: Evrim simülatörünü çalıştırmak, yeni görevler tanımlamak ve bedene sahip ajanları doğrudan evrimleştirmek için açık kaynak araç
- Colab Notebook: Tarayıcıda Cambrian agents ile deney yapmak için etkileşimli not defteri; henüz yakında yayımlanacak durumda
- Video Exhibition: Ziyaretçilerin evrimleşen görmeyi doğrudan deneyimlemesini sağlayan kamusal katılımlı sergi
- Bu iş birliği, MIT GenAI Impacts of Generative AI Grant desteğiyle yürütülmektedir
1 yorum
Hacker News yorumları
Lisede bilgisayar bilimi öğretmenim at nalı yengecinin gözleri hakkında ders anlatmıştı.
At nalı yengecinin gözlerinin, görüş alanından daha büyük şeyleri göremediğini; bu yüzden küçük canlıları yiyip büyük canlıları görmezden geldiğini söylemişti ve bunu göstermek için Excel’de bir sinir ağı modeli kullanmıştı.
Harika bir öğretmendi; bilgisayar biliminde merak ve içgörü sahibi olmayı öğretti, Donald Knuth, TeX gibi şeyleri de tanıttı.
İnsanların da gözünün önünde yeterince büyük ve homojen biçimde parlayan bir nesne varsa onu “gördüğünü” söylemenin zor olması gibi bir şey mi acaba?
Dawkins de burada gözün evrimini özlü biçimde açıklıyor: https://www.youtube.com/watch?v=2X1iwLqM2t0
Bu koşul o kadar temel ki, sıfırdan “ışığa duyarlı tek bir hücre tabakasına” geçmek neredeyse hiçbir şey değilmiş gibi görünüyor; ama gerçekte öyle değil.
Ondan önce fotoreseptör proteinlere, işleyen bir sinir sistemine ya da sinyal işleme yolaklarına, ışık emilimini elektrik sinyaline dönüştüren bir düzeneğe ve bu sinyali canlının diğer bölümleriyle eşgüdümleyen bir sisteme ihtiyaç var.
Biyolojiden çok fizik/bilgisayar bilimi sorusu sayılır ama MIT’nin gözle yaptığı deneyi tüm bir organizma üzerinde yapabilecek kadar iyi bir fizik simülatörüne daha ne kadar kaldığını merak ediyorum.
Bir gün mümkün olur da Dünya’nın fiziğini girdi olarak verince Dünya canlılarına kabaca benzeyen canlılar üretebilirse, dış gezegenlerin fiziğini girip oradaki yaşamın nasıl görünebileceğini de öğrenebiliriz gibi geliyor.
Bir organizmanın tüm karmaşıklığını modellemek için hâlâ epey yol olduğunu düşünüyorum. Ama amaç bir araştırma sorusunu yanıtlamaksa, daha basit sürümleri bugün bile modellemek mümkün. Bu araştırma ekibinin görmenin nasıl evrimleştiğini ele alması gibi.
Yakın zamanda C. elegans tüm nöronları ve nörotransmiterleriyle birlikte 3D olarak modellendi ve sanal uyaranlara gerçek solucan gibi tepki verdi (https://www.nature.com/articles/s43588-024-00738-w)
Tekil bir organizma şimdiden mümkün; ama bu tür varlıkların 3D ortamda evrimleşmesi biraz daha zaman alacak gibi. Bu arada bilgisayar bilimi mezunu değilim, sadece meraklı biriyim.
Modeli ne kadar doğru yapmak istediğinize bağlı; hayal seviyesinde düşünürsek, böyle simülasyonların anlamlı olabilmesi için kuantum bilişime ihtiyaç olduğunu düşünüyorum.
Matematik gibi alanlara uygulanan yasa fikri canlılara uymayabilir; çünkü canlılar teleolojiyle açıklanır. Kalp tesadüfen kan dolaştırmaz; vücuda oksijen sağlamak için kanı dolaştırmak üzere atar.
Ayrıca soğuk iklimlerde yaşayan canlıların genelde kalın kürklü olması, kalın kürkün mutlaka soğuk iklim anlamına geldiği demek değildir. Bazı memeliler bir ekosistemde kuşların doldurduğu ekolojik nişi doldurur; başka bir yerde ise balıklar aynı rolü üstlenir. Yeni Zelanda’da, başka ekosistemlerde memelilerin dolduracağı nişleri kuşlar doldurur.
Biyolojinin tamamen tümevarımsal bir bilim olup olamayacağından emin değilim.
İlgili YouTube videoları da oldukça eğlenceli bir kategori: https://www.google.com/search?q=simulating+evolution+muscles
Genelde 2 boyutlu oluyorlar ya da büyük basitleştirmeler içeriyorlar. “Gerçek” bir organizmayı evrimleştirmeye kalkarsanız, “beyni” yok saysanız bile karmaşıklık çok hızlı patlayacak gibi.
Greg Egan’ın Permutation City (1994) romanındaki “Autoverse” aklıma geldi. Bu yazıyı beğendiyseniz şiddetle öneririm.
Gözün evrimiyle ilgili ilginç bir gerçek: yusufçuk gözünde görünen siyah nokta, sizi takip eden bir gözbebeği de değil, gözün kendisindeki bir değişim de değil.
Aslında yusufçuğun gözündeki sütun yapısına tam karşıdan bakıyorsunuz. Işığı çok verimli biçimde yakaladığı için siyah görünür ve verimlilik açısından fiziksel sınıra çok yakındır.
90’larda yapay yaşam simülatörleri yapmış biri olarak, modelde simülasyonu yazanın koyduğu parametrelere bağımlı çok fazla kısım olduğunu gördüm.
Işığa duyarlı hücrelerle başlayıp, bir labirenti iyi geçen aktörleri ödüllendiren bir genetik algoritma kurarsanız, sonunda birden fazla ışığa duyarlı hücreyi göz gibi kullanan aktörler “evrimleşir”.
Bunun gerçekten evrim ya da yaşam hakkında mı bilgi verdiği, yoksa kurduğunuz simülasyon hakkında mı bilgi verdiği tartışmalı.
Bu, simülasyondan çok bir modele yakın; belirli bir gerçek olguyu mümkün olduğunca odaklı ve özlü biçimde açıklamaya çalışan bir model.
Buradan çıkarılacak şey, bileşik göz ve kamera tipi göz olmak üzere iki göz türünün, en az anatomik ayarlama unsurlarıyla birlikte 3 belirli görev kümesi olarak modellenebileceği.
Böylece modelden gelen açık kanıtları karşılaştırıp karşıtlaştırmak ve bu açıklamanın evrimsel biyoloji yöntemleriyle elde edilen daha az kesin açıklamalarla nasıl örtüştüğünü görmek gerçekten yararlı olabilir.
İyi bir benzetme, yalnızca kapılar, latch’ler ve clock’larla modern süperskaler mikro mimarinin “ortaya çıkışını” açıklayıp açıklayamayacağımıza bakmaktır. Yüksek frekansı fiziksel devrelere ittiğinizde ortaya çıkan analog kaosu modellemek zorunda değilsiniz.
Asıl soru, bu bilginin tamamen işe yaramaz mı olduğu, yoksa ileride bir şeye yardımcı olup olamayacağı gibi görünüyor.
Başlık “baştan itibaren” diyorsa, tekil bir fotoreseptörün de başka bir şeyden evrimleştiğini görmeyi beklerdim.
Orada geçici olarak çözülene kadar siteyi aynaladım: https://cambrian.pages.dev/
Web sitesi bozulmuş gibi göründüğü için (depo silindi mi?) onun yerine buraya gitmem gerekti: https://eyes.mit.edu/ACI/
Ve o web sitesinin ele aldığı makale burada: https://arxiv.org/pdf/2501.15001
Yazarıyım. Merak ettiğiniz bir şey varsa yanıtlarım.