Matematik Problemlerine Farklı Bir Pencereden Bakmak

İlerleme garip bir şey. Çoğu zaman en büyük atılım, daha güçlü bilgisayar yapmaktan değil, soruna daha zekice yaklaşmaktan geliyor.

Pennsylvania Üniversitesi'ndeki araştırmacılar bunu kanıtladı. Ellerinde, ilk bakışta bir matematik ders kitabından fıkra gibi görünen bir sorun vardı: ters kısmi türev denklemleri. Evet, adı bile zorlayıcı geliyor. Ama dinleyin, burada gerçekten ilginç bir şey var.

Aslında Ne Olup Bitiyor?

Bir göletün yanında durduğunuzu ve su üzerinde yayılan dalgaları gördüğünüzü hayal edin. Dalgaları net görüyorsunuz. Ama işte zorluk: taş nereye düştü? İşte ters problemi bu şekilde düşünebilirsiniz.

Gerçek dünyada bunu her gün yaşıyoruz. İklim bilimciler sıcaklık örüntülerini ölçebilir, ama bu örüntüleri yaratan güçleri anlamak isterler. Biyologlar DNA'nın hücre içinde nasıl katlandığını gözlemler, fakat bu katlanmayı yöneten kimyasal sinyalleri bilmek isterler. Doktorlar ısının dokuda nasıl yayıldığını görür, ama bunun nedenini anlamak isterler.

Uzun yıllar boyunca bilim insanları sistemi ileri doğru modelleyebildiler—bilinen kuvvetlerden başlayıp sonuçları tahmin ettiler. Ama geriye doğru gitmek—gördüğünüz yerden başlayıp gizli nedenleri bulma—inanılmaz zor oldu.

Bilgisayar Hızı Asıl Sorun Değildi

Yapay zeka konusunda bir şey zorlaştığında, herkes aynı cevapı veriyor: daha hızlı bilgisayar lazım. Daha güçlü işlemci! Daha büyük grafikler işlemci! Yıllarca bu strateji uygulandı.

Fakat Penn ekibi farklı bir şey fark etti. Sorun donanımda değil, matematikte yatıyordu.

Standart yapay zeka sistemleri veri değişimlerini "özyinelemeli otomatik türevleme" adı verilen bir yöntemiyle hesaplıyor. Bunu bulanık bir fotoğrafı defalarca yakınlaştırmak gibi düşünebilirsiniz. Her yakınlaştırdığınızda, tüm küçük kusurlar ve gürültü büyütülüyor. Sonunda, artık asıl resmi görmüyorsunuz—bin kat büyütülmüş gürültüyü görüyorsunuz.

Karmaşık denklemleri bu şekilde çözmek istediğinizde, özellikle gerçek veriler doğası gereği gürültülüyse, sistem güvenilmez hale geliyor. Ortalamanın altında sonuçlar için bile saçma sapan bilgisayar gücü istiyor.

1940'lardan Kalma Bir Fikir

Araştırmacılar matematik tarihine göz attılar ve zarif bir kavram buldular: matematikçi Kurt Otto Friedrichs tarafından 1940'larda geliştirilen "yumultmaç" (mollifier). Bu araçlar, kaba veya gürültülü veriyi düzleştirmek için tasarlanmış.

Penn ekibinin buluşu? Yapay zeka modellerine bir "yumultmaç katmanı" eklediler. Bu katman, yapay zekanın karmaşık hesaplamalara başlamadan önce gürültüyü hafif bir filtreden geçirir.

Çok basit ve zarif. Çentikli, gürültülü veriyi ölçmeyi deneyip gürültüyü daha da artırmak yerine, önce veriyi düzleştiriyorlar. Sonra yapay zeka aslında ne olup bittiğini güvenilir şekilde ölçüyor.

Sonuç? Gürültü dramatik oranda azaldı, bilgisayar gücü çok daha az gerekti, ve en önemlisi—denklemler doğru çıkıyor. Dev süper bilgisayarlara gerek kalmadı.

Bu Neden Önemli?

Soyut bir matematik başarısı gibi görünse de, gerçek dünyada kapılar açıyor.

Biyoloji alanında araştırmacılar hücrelerdeki hangi genlerin aktif veya pasif kalacağını kontrol eden kimyasal sinyalleri (epigenetik) anlamakta güçlük çekiyorlardı. Ters türev denklemleri bunu nihayet çözmek sunabilir.

Hava tahmini, matematiksel temel daha istikrarlı olduğunda daha iyi çalışıyor. İklim modelleme, hastalık yayılımı modelleme, malzeme bilimi—tüm bu alanlar bu tür denklemleri çözmek için bağımlı.

Kısacası, bilim insanları ne olup bittiğine bakıp bunu yaratan gizli kuvvetleri anlamaya çalıştığında, bu buluş yardımcı oluyor.

Asıl Anlattığı Şey

Beni heyecanlandıran şey, zor bir problemi çözmek değil—onu daha sert çalışmak yerine daha zekice düşünerek çözmek.

Bu, yapay zeka alanının tamamına bir hatırlatma niteliğinde. Ölçeğe takıntılı haldeyiz—daha büyük modeller, daha çok veri, daha fazla güç. Ölçek önemli. Ama bazen gerçek yenilik, matematik zarafeti. Bazen de sorunun tamamen farklı bir açıdan yaklaşılması demektir.

Penn ekibi, matematikçilerin onda hemen hemen elli yıl öncesinde keşfettikleri şeylere bakıp "Bunu bugünün problemlerine nasıl uyarlayabiliriz?" sorularını sormak kadar akıllı bir hamle olabileceğini gösterdi. İşte bilimleri ileriye taşıyan düşünce bu.

Oldukça ilginç bir bağlantı: yirmi birinci yüzyılın yapay zeka sorusu, 1940'larda gizlenmiş bulunuyordu.