Günümüzde yapay zeka ajanları yalnızca tek seferlik görevler için değil, oturumlar arasında çalışmaya devam eden, geçmiş etkileşimlerden öğrenen ve hafıza biriktiren sistemler olarak tasarlanıyor. Ancak bu sürekli öğrenme süreci beraberinde ciddi sorunlar getiriyor.

Yeni bir araştırma, bu sorunların aslında insan beyninin uyku sırasında çözdüğü sorunlarla놀랍게도 birebir örtüştüğünü gösteriyor. Anlamsal kayma, yani kavramların zamanla özgün anlamından uzaklaşması; hatalı anıların hafıza ağı içinde yayılması; geri çağırma hassasiyetinin düşmesi ve depolama kapasitesinin sınırına gelinmesi — bunların hepsi kontrol edilemeyen sinirsel esnekliğin bilinen belirtileri.

Araştırmacılar, uykunun işlevini açıklayan 'çınlama, rezonans ve yeniden normalleştirme' (RRR) adlı seçimci bir modelden yola çıkarak bu üç aşamanın dijital hafıza mimarileriyle eşleştirilebileceğini öne sürüyor. Buna göre tıpkı beynin uyku sırasında hangi anıların korunacağına, hangilerinin silineceğine karar vermesi gibi yapay zeka sistemlerinin de benzer bir 'hafıza bakımı' mekanizmasına ihtiyaç duyduğu düşünülüyor.

Çalışmanın ilgi çekici bir yönü, mühendislerin bu sorunları nörobilimden bağımsız olarak zaten keşfetmeye başlamış olması. Durum bilgili ajan tasarımcıları, 'ne zaman unutulacağı' ve 'neyin unutulacağı' sorularıyla bağımsız biçimde boğuşuyor. Araştırmacılar bu gözlemden yola çıkarak sınanabilir bir öngörü türetiyor: Hafıza deposu büyüdükçe, seçimci pekiştirme yaklaşımı talimat tabanlı alternatifleri performans açısından geride bırakacak.

Çalışmanın özündeki iddia ise sürekli öğrenmenin doğasına ilişkin: Esnekliğin bir bedeli var. Sınırlı kaynaklar altında sürekli öğrenen her sistem, er ya da geç bu bedeli ödemek zorunda kalıyor. Araştırmacılar, milyarlarca yıllık evrimsel baskıların beyin için bulduğu çözümün — uyku — dijital sistemler için de bir yol gösterici olabileceğini savunuyor.