Beynimiz her gün inanılmaz bir görevle yüzleşiyor: Gürültülü, eksik ve çoğu zaman çelişkili duyusal verileri anlamlı bir bütüne dönüştürmek. Peki bunu nasıl başarıyor? Nörobilim dünyasında popüler bir açıklama olan 'tahmine dayalı işleme' hipotezi, beynin sürekli olarak bir sonraki duyusal girdiyi tahmin ettiğini ve gerçek girdiyle arasındaki farkı minimize etmeye çalıştığını öne sürüyor.

Ancak bu hipotezin bir açık noktası vardı: Tahmin etmek hesaplama açısından maliyetli bir süreç. Evrim neden böyle bir mekanizmayı seçsin ki? Yeni bir araştırma, bu soruya şaşırtıcı derecede zarif bir yanıt sunuyor.

Araştırmacılar, yinelemeli yapay sinir ağlarını (RNN) Johann Sebastian Bach'ın eserlerinin tokenleştirilmiş ve çeşitli seviyelerde gürültüyle bozulmuş versiyonlarını orijinal haline döndürme görevi için eğitti. Bu, ağların tahmin değil, yalnızca 'gürültü giderme' konusunda uzmanlaşmasını sağladı.

Eğitim tamamlandıktan sonra araştırmacılar ilginç bir deney kurguladı: RNN ağırlıklarını dondurarak ağın iç durumlarından bir sonraki notayı tahmin eden basit bir doğrusal okuyucu eğitti. Bu okuyucunun performansını, sıfırdan ve doğrudan tahmin amacıyla eğitilmiş bağımsız bir doğrusal model ile karşılaştırdılar.

Sonuçlar dikkat çekiciydi: Yalnızca gürültü giderme için eğitilmiş RNN'lerin iç durumlarından beslenen doğrusal okuyucu, bağımsız tahmin modelini geride bıraktı. Yani ağlar, kimse istemeden ve bunun için özel olarak eğitilmeden tahmin yeteneği kazanmıştı.

Bu bulgunun önemi büyük: Tahmin etme kapasitesi, belki de algı için optimize edilmiş herhangi bir sistemde kaçınılmaz olarak ortaya çıkan bir yan ürün. Beynin tahmin etmeyi öğrenmesi için ayrı bir evrimsel baskıya ihtiyaç duyulmayabilir; yalnızca algıyı iyi yapmak bu yeteneği doğal olarak beraberinde getiriyor olabilir.

Çalışma, yapay sinir ağlarını nörobilim hipotezlerini test etmek için bir simülasyon aracı olarak kullanan büyüyen bir araştırma geleneğinin parçası. Sonuçlar, beynin işleyişine dair teorik tartışmalara yeni bir perspektif katarken, daha az gözetimli eğitimle daha yetenekli yapay sistemler tasarlama konusunda da ilham verici ipuçları sunuyor.