Yapay Zeka Evrenin Sırlarını Öğrenirken Önyargılar Geliştirdi

Kozmologlar, evrenin işleyişini anlamak için yapay zekayı kullanarak yeni bir araştırma yürüttü. Araştırma, yapay zekanın standart kozmoloji modelini (ΛCDM) simülasyonları üzerinde eğitilmesinin ardından, yeni fiziksel olguları keşfetme konusunda beklenmedik önyargılar geliştirdiğini ortaya koydu.

Yapay Zekanın Önyargıları

Journal of Cosmology and Astroparticle Physics’te yayımlanan çalışmada, bir yapay zeka sinir ağı ΛCDM simülasyonları üzerinde eğitildi. Ekip, bu eğitimin yapay zekanın gelecekteki kozmolojik ve astrofiziksel araştırmalara katkısını veya zararını test etti. Yapay zeka umut verici sonuçlar gösterse de, yeni fizik bulma yeteneğini olumsuz etkileyen önyargılar geliştirdi. Flatiron Institute ve Princeton Üniversitesi’nden kozmolog Adrian E. Bayer, bu durumun yapay zekanın bilimsel ilerlemeye nasıl yardımcı olabileceğini gösteren bir örnek olduğunu belirtti. Bayer, çalışmanın hızlanma ile anlama süreçlerinin birlikte ilerlemesi gerektiğini vurguladı.

Kozmolojideki atılımlar genellikle zaman ve maliyet gerektirir. Dark Energy Spectroscopic Instrument (DESI) gibi projelerde, veri kümeleri hazırlamak ve doğrulama simülasyonları çalıştırmak kritik öneme sahiptir. Standart modelin ötesindeki teorileri (kütleli nötrinolar, evrilen karanlık enerji veya değiştirilmiş kütleçekim gibi) test etmek de maliyetlidir. Bu nedenle Bayer, büyük yeni simülasyon setlerine ihtiyaç duymadan verimli öğrenebilen yöntemler aramaya yöneldi.

Transfer Öğrenme Stratejisi

Ekip, bu deneyde makine öğrenmesi stratejisi olan transfer öğrenmeyi kullandı. Bu yaklaşımda, model önce bir görevden öğrenir ve bu bilgiyi ilgili başka bir göreve uygular. Bayer’e göre yapay zeka, standart modeli daha az ve daha ucuz simülasyonla anlamada başarılı oldu.

Ancak, yeni fizik standart model parametre uzayındaki öğrenilmiş yönlerle örtüştüğünde yapay zeka zorlandı. Negatif transfer olarak adlandırılan bu olgu, yapay zekanın önyargılı hale gelmesi ve farklı fiziksel etkileri ayırt edememesiyle ortaya çıktı. Yapay zeka, yeni bir şey tespit etmek yerine daha önce öğrendiği bilgilere dayanarak standart modelin ötesindeki ipuçlarını gözden kaçırdı. Bayer, negatif transferin modelin rastgele başarısız olmadığını gösterdiğini belirtti. Transfer öğrenmenin ne zaman yardımcı olduğunu ve ne zaman örtüşmeleri pekiştirdiğini anlamak, gelecekteki analizlerde yapay zekanın güvenilir kullanımı için önemlidir.

Bayer, bu bulguların yapay zekanın yararlı olabileceği ancak insan uzmanların hesaplamaları dikkatle takip etmesi gerektiği görüşünü doğruladığını söyledi. Transfer öğrenme, çok sayıda fikri test etmeyi sağlarken, neyin taşındığını ve bilginin ne zaman yardımcı veya yanıltıcı olabileceğini anlamak gereklidir.

Bayer ve ekibi, bir sonraki aşamada galaksi oluşumu belirsizlikleri, tarama maskeleri ve gürültü gibi unsurları içeren, gerçek gözlem verilerine daha çok benzeyen ortamlarda deneyler yapmayı planlıyor. Ekip ayrıca, hangi kozmolojik araştırmaların transfer öğrenmeden en çok yararlanabileceğini de keşfedecek.

• #kozmoloji
• #Yapay Zeka