Yeni Dünya ve Esneklik

Şimdiden 20 yıl önceye baktığınızda teknoloji ne kadar hayatınızdaydı? Bugünden ne kadar ve nasıl farklıydı?

Bu soru bana sorulsa, bir teknoloji uzmanı olmadığım için sadece kendi deneyimlerimden yola çıkarak cevaplayabilirim. Daha çok ev telefonunu kullanır ve bilgisayarda daha az vakit geçirirdim. SMS ve MMS ile mesajlaşırdık. Telefonda yılan oyunu oynardım. Müzik dinlemek için MP3 çalarım vardı.

10 yıl sonrasına gidersem, laptopum vardı ve okul için işlerimi onda hallederdim. Akıllı telefonum ve tabletimle daha mobil olabiliyordum. İnternette daha çok araştırma yapıyor ve aynı akıllı telefonumdan müzik dinliyordum.

Şimdiki zamana geldiğimde ise soru değişiyor. Şimdi, “Son zamanlarda teknoloji ile nasıl bir ilişkiniz var? Hangi alanlarda nasıl kullanıyorsunuz?” gibi bir soruya dönüşüyor. Cevabı da çok daha uzun ve detaylı. Başka bir noktadan da bakarsak, ivme artıyor. Bugünlerde makine öğrenmesi ve yapay zeka her şekilde hayatımızı şekillendiriyor. Buradan da değişimin kaçınılmaz bir şey olduğunu tekrar görebiliyoruz.

Biz bu değişimle ne kadar uyumlanıyoruz?

Bence bu sorulabilecek sorulardan biri. Değişim durmayacak ve alanlarını genişlettiği senaryoda biz insanlar da onunla uyumlanmalıyız.

Peki, nasıl daha kolay uyumlanırız?

Esnek olarak ve değişimi bir gelişim fırsatı olarak görüp bir noktasından hayatımıza katarak. İş dünyası, sosyal hayat ve birçok alanda teknoloji sağladığı kolaylıklarla yerini güçlendiriyor. Eskiden bir şeyi 10 adımda tamamlarken artık 5 adımda çok daha kolay bir şekilde yapabiliyoruz. Tabii bunu dengede ve ihtiyaca göre kullanmamız daha sağlıklı olur. Fazla ve hızlı tüketim, teknolojinin sosyal doğamızı etkilemesine de yol açabilir. İnsan olarak sosyal bağların bize ne kadar iyi geldiğini her zaman hatırlamak fayda sağlayacaktır. Hem diğer insanlar hem de diğer canlılarla ilişkimizi iyi tutarak değişim ve dönüşümü olumlu yönde şekillendirebiliriz.

Bilgisayarlar bizi dansımızdan tanıyor.

Yapılan yeni çalışmaya göre , makine öğrenme teknolojisi kişileri dans tarzından tanıma konusunda yüksek oranda etkili.

Bu ne demek?

Müzik tarzından bağımsız olarak dans tarzımız neredeyse her zaman aynı ve bir bilgisayar dansçıyı şaşırtıcı bir doğrulukla tanımlayabiliyor.

Çalışmayı kim yapmış?

Son birkaç yılda, Finlandiya’daki Jyväskylä Üniversitesi Disiplinlerarası Müzik Araştırmaları Merkezi’ndeki araştırmacılar, katılımcıların hangi tür müzik ile dans ettiklerini anlayan bir sistem üzerinde çalıştı.

Çalışma nasıl tasarlandı?

73 katılımcıya 8 müzik türü dinletildi. Katılımcılardan duydukları şarkılara içlerinden geldiği gibi dans etmeleri istendi.

Sonuçlar nasıldı?

Araştırmacılar, müzik türlerini ayırt etmeye çalışarak katılımcıların hareketlerini makine öğrenmesini kullanarak analiz ettiler. Ne yazık ki, bilgisayar algoritmaları doğru türü % 30’dan daha az belirleyebildi. Bununla birlikte, bilgisayarın %94 oranla 73 kişiden hangisinin dans ettiğini doğru bir şekilde tespit edebildiğini keşfettiklerinde şok oldular.

Dr. Pasi Saari “Bir insanın dans hareketleri bir tür parmak izi gibi görünüyor. Her kişinin ne tür müzik çalarsa çalsın aynı kalan benzersiz bir hareket imzası var.” dedi. Bununla birlikte, bazı türler bireysel dans hareketleri üzerinde diğerlerinden daha fazla etkiye sahipti. Bilgisayar, metal müzikle dans ederken bireyleri tanımlamada daha az doğruydu. Emily Carlson, “Metal ile headbang gibi belirli hareket türleri arasında güçlü bir kültürel ilişki var. Metal müziğinin daha fazla dansçının benzer şekilde hareket etmesine neden olması ve onları birbirinden ayırmasını zorlaştırması muhtemel.” dedi.

Araştırma nasıl yorumlandı?

Carlson “Hareket imzalarımızın hayatımız boyunca aynı kalıp kalmayacağı, bu hareket imzalarına dayalı kültürler arasındaki farklılıkları tespit edip edemeyeceğimiz ve insanların bilgisayarlarla karşılaştırıldığında dans hareketlerinden bireyleri ne kadar iyi tanıyabilecekleri gibi birçok yeni sorumuz var. Çoğu araştırma cevaplardan daha fazla soru sorduruyor ve bu çalışma bir istisna değil. ” yorumunu yaptı.

Neuroscience News, The way you dance is unique, and computers can tell it’s you, son güncelleme 17 Ocak, 2020, https://neurosciencenews.com/ai-dancing-15509/

Makine öğrenmesi ile beynin içsel durumunu tanımlamak

Makine öğrenme modeli, sinirsel aktivite ile doğal davranış arasındaki bağlantıları tanımlamak için yaygın olarak uygulanabilir.

Adam J. Calhoun, Jonathan W. Pillow ve Mala Murthy tarafından Princeton Üniversitesi’nde yapılan bir araştıma ile makine öğrenmesi ile beynin içsel durumunu tanımlanmak amaçlandı.

Bu ne anlama geliyor?

Size doğru yürüyen çekici bir insan hayal edin. Ne yapıyorsunuz? Bakıp gülümsüyor yoksa başka bir yere mi bakıyorsunuz? Kurulum aynı, ancak sonuçlar tamamen iç durumunuza – ruh haliniz, geçmiş deneyimleriniz ve dışarıdan seyreden bir insanın göremeyeceği etkenler- bağlı.

“Bir gözlemci dışsal davranışları izleyerek iç durumları nasıl çözebilir?” sorusunun cevabını arayan ekip meyve sineği olarak bildiğimiz Drosophila melanogaster‘lar üzerinde bir araştırma yaptılar. Mala Murthy “Daha önceki çalışmalarımız, şarkı söyleme davranışlarının bir kısmını öngörebiliyordu, ancak sineklerin içsel durumunu tahmin ederek, bir dişiye hitap ederken erkeklerin zaman içinde ne söyleyeceğini doğru bir şekilde tahmin edebiliyoruz. ” dedi.

Bunu nasıl yaptılar?

Modelleri, erkeğin hızı veya dişiye olan mesafesi gibi gözlemlenebilir değişkenleri kullanıyor. Araştırmacılar, kanat titreşimiyle oluşturulan üç ayrı şarkı türünü ve şarkı söylememeyi seçtiklerini belirlediler. Daha sonra şarkı kararlarını gözlemlenebilir değişkenlerle ilişkilendirdiler.

Kilit nokta, yeni bir beklenti ile bir makine öğrenme modeli oluşturmaktı. Hayvanlar davranışlarını rastgele değiştirmiyorlar, ancak dişi ve sinir sisteminden aldıkları geri bildirimlerin kombinasyonuna dayanıyorlar. Araştırmacılar yeni yöntemlerini kullanarak, erkeklerin şarkılarını, her biri yüzlerce milisaniye süren üç farklı yolda biçimlendirdiklerini keşfettiler.

Bu yollar neler?

1. Yakın : erkek dişiye ortalama mesafeden yakınken yavaşça ilerlemesi

2. Kovalama: Hızlıca yaklaşması

3. Her neyse: Başka bir yöne bakıp, yavaş hareket etmesi

Sonuçlar nasıl yorumlandı?

Murthy “Bu önemli bir buluş. Bu modelleme çerçevesinin, sinirsel aktiviteyi doğal davranışla ilişkilendirmek için yaygın olarak kullanılacağını öngörüyoruz.” dedi.

Neuroscience News, Neuroscientists develop models to identify internal states of the brain,son güncelleme 25 Kasım, 2019, https://neurosciencenews.com/brain-state-models-15259/