Bilim insanları, beynin görsel deneyimleri nasıl kodladığını anlamak için yapay zeka destekli yeni bir yöntem geliştirdi. POYO-CAP (Hücre-Kalıp Farkında Ön Eğitim) adı verilen bu yaklaşım, beyin hücrelerinin farklı davranış kalıplarını dikkate alarak daha etkili öğrenme gerçekleştiriyor.
Beyin görüntüleme verilerinde karşılaşılan temel zorluk, nöronların heterojen doğasından kaynaklanıyor. Bazı beyin hücreleri istatistiksel olarak düzenli davranırken, diğerleri uyaranların etkisiyle oldukça rastgele tepkiler veriyor. Bu çeşitlilik, geleneksel yapay zeka yöntemlerinin öğrenme sürecini olumsuz etkiliyor ve güvenilir sonuçlar almayı zorlaştırıyor.
Araştırmacılar bu sorunu çözmek için biyolojik temelli hibrit bir strateji geliştirdi. Sistem önce istatistiksel olarak düzenli davranan nöronları - çarpıklık ve basıklık değerleri üzerinden belirleniyor - kullanarak öğrenmeye başlıyor. Bu aşamada maskelenmiş rekonstrüksiyon ve hafif yardımcı denetim teknikleri kullanılıyor. Daha sonra sistem, daha stokastik davranışlar sergileyen nöron gruplarıyla ince ayar yapılıyor.
Allen Beyin Gözlemevi veri seti üzerinde yapılan testlerde, bu müfredat yaklaşımı sıfırdan öğrenen geleneksel yöntemlere göre %12-13 oranında göreli iyileşme sağladı. Bu gelişme, beynin görsel bilgi işleme mekanizmalarını anlamamızda önemli bir adım oluştururken, nörolojik hastalıkların araştırılmasında da yeni fırsatlar sunuyor.