Yapay zeka dünyasında milyarlarca parametreli modeller her alanda başarı hikayeleri yazarken, beyin biliminde şaşırtıcı bir gerçek ortaya çıktı. Stanford Üniversitesi araştırmacıları, dev beyin modellerinin insan bilişsel yeteneklerini tahmin etmede beklenmedik bir şekilde yetersiz kaldığını keşfetti.
Araştırma ekibi, BrainLM başta olmak üzere üç farklı beyin temel modelini (BFM) test etti. Bu modeller, fMRI beyin tarama verilerinde önceden eğitilmiş milyarlarca parametreli Transformer yapıları kullanıyor. Şaşırtıcı sonuç: 650 milyon parametreli BrainLM modeli, sadece 111 milyon parametreli versiyonundan bile daha kötü performans gösterdi.
Asıl çarpıcı bulgu ise bu dev modellerin, fonksiyonel bağlantı matrisinden elde edilen yaklaşık 80 bin parametreli basit doğrusal regresyon modellerinden bile daha düşük başarı oranına sahip olması. Araştırmacılar bunu 'varyans dağıtım problemi' olarak adlandırıyor.
Detaylı analizler, büyük modellerin fMRI sinyalindeki ikinci derece kovaryans yapılarını kısmen koruyabildiğini, ancak bilişsel performansı gerçekten belirleyen üçüncü derece istatistiksel yapıları büyük ölçüde kaybettiğini gösterdi. Bu bulgular, beyin-AI araştırmalarında model büyüklüğünden ziyade doğru istatistiksel yaklaşımların önemini vurguluyor.