Biyolojik görmede çizgi algısı ile yapay zekâda çizgi algısı
arasındaki fark
Biyolojik görmede çizgi algısı ile
yapay zekâda çizgi algısı, aynı temel problemi ele alır: ham duyusal veriden
kararlı bir yapı nasıl çıkarılır? Ancak bu problem, iki sistemde çok farklı
kısıtlar altında çözülür. Bu karşılaştırma özellikle öğreticidir; çünkü insan
algısında neyin zorunlu, yapay zekâda ise neyin mühendislik tercihi
olduğunu açıkça gösterir.
Her iki durumda da başlangıç noktası
aynıdır: Girdide çizgiler yoktur. Bir kamera sensörü, retina gibi,
yalnızca yerel yoğunluk değerlerini kaydeder. Yapay zekâda bunlar piksellerdir;
biyolojide fotoreseptör etkinlikleri. Bu aşamada ne nesneler vardır ne şekiller
ne de çizgiler — yalnızca sayı dizileri.
Bu nedenle her iki sistemdeki ilk
dönüşüm de ilke olarak aynıdır: aynılıktan çok değişimi vurgulamak.
Biyolojik görmede erken nöronlar homojen aydınlatmayı bastırır, kontrastı
güçlendirir. Yapay zekâda bu işlev ya açıkça (Sobel, Canny gibi kenar
algılayıcı filtrelerle) ya da örtük biçimde (öğrenilmiş evrişim
çekirdekleriyle) yerine getirilir. Her iki durumda da sistem, komşu noktalar
arasındaki farkları önceliklendirir. Bu ilk derin paralelliktir: çizgi algısı
biçimle değil, farkla başlar.
Bir sonraki adımda kritik bir şey
olur: yerel farklar yönelimli örüntülere dönüşür. Beyinde bu, birincil
görsel kortekste gerçekleşir; burada nöronlar belirli doğrultularda hizalanmış
kontrasta seçici olarak yanıt verir. Yapay zekâda ise evrişimli sinir ağları,
dikey, yatay ya da çapraz kenar benzeri örüntülere duyarlı filtreler öğrenir.
Deneysel olarak, görüntüler üzerinde eğitilmiş CNN’lerin ilk katman filtreleri,
biyolojik alıcı alanlara çarpıcı biçimde benzer. Bu benzerlik tesadüf değildir;
ortak bir hesaplama zorunluluğunu yansıtır. Bir çizgiyi algılamak için sistemin
belirli bir doğrultu boyunca eşgüdümlü değişimi saptaması gerekir.
Ancak bu noktada benzerlik, önemli
bir farkı gizlemeye başlar. Yapay zekâda bu yönelimli filtreler genellikle statik
ve görev odaklıdır. Etiketli bir hedefte (sınıflandırma, tespit, bölütleme)
performansı artırdıkları için vardırlar. Biyolojik görmede ise yönelim
seçiciliği, herhangi bir açık görevden önce mevcuttur ve organizmanın dünyayla
etkileşimine derinden gömülüdür. İnsan görme sistemi çizgileri etiketlemek
için değil, çizgiler davranış açısından anlamlı olduğu için algılar.
İşlemleme ilerledikçe, her iki
sistem de kısa parçalardan daha uzun yapılara geçer. İnsanlarda hizalı kenar
parçaları, uzun menzilli nöral bağlantılar aracılığıyla birleştirilir; böylece
eksik ya da örtülmüş kısımlar olsa bile sürekli çizgiler algılanır. Yapay
zekâda ise ağın daha derin katmanları, mekânsal olarak uzak özellikleri
bütünleştirerek konturların, şekillerin ve nesne sınırlarının temsilini mümkün
kılar. Mekanizma farklıdır, ancak mantık ortaktır: süreklilik verili
değildir, çıkarılır.
Belirleyici ayrım, çizginin sistem
için ne anlama geldiği noktasında ortaya çıkar. Yapay zekâ için çizgi,
yalnızca bir özelliktir — diğerleri arasında bir tanesi — ve değeri bütünüyle
bir optimizasyon hedefine katkısıyla ölçülür. İçsel bir statüsü yoktur. Bir ağ,
çizgiyi ancak kaybı azaltmaya yardımcı oluyorsa “önemser”. Çizgiler, açıkça
tasarlanmadıkça, eylemi yönlendirmez, dikkati yapılandırmaz ya da deneyimi
organize etmez.
İnsanlarda ise çizgiler hızla yapısal
taahhütler hâline gelir. Algılanan bir çizgi, bir sınırı işaret eder,
nesnelliği destekler ve olası eylemleri kısıtlar. Motor planlamaya, dikkate,
belleğe ve hatta sembolik düşünceye besleme yapar. Çizgilerin bilinçte “açık”
ve “mevcut” hissedilmesinin nedeni budur: çizgiler yalnızca algılanmaz, kullanılır.
Bilince erişim, kullanışlılığı takip eder.
Bu ayrım daha derin bir asimetriyi
açıklar. Yapay zekâda çizgi algısı çoğunlukla ileri beslemeli ve
harcanabilirdir. Daha iyi bir özellik işe yararsa sistem onu kullanır.
Biyolojik algıda ise çizgi algısı hiyerarşik, öngörücü ve eylem odaklı bir
döngünün parçasıdır. Çizgiler beklenir, sürdürülür, tamamlanır ve bazen
dünyaya ilişkin modeli kararlı kıldıkları için halüsinatif olarak bile üretilir.
Bu açıdan bakıldığında, insanlarda
çizgi algısı yalnızca görsel bir işlem değildir; daha genel bir bilişsel
ilkenin örneğidir: yüksek boyutlu veriden, eylem ve anlama hizmet eden düşük
boyutlu, kararlı yapıların çıkarılması. Yapay zekâ bu çıkarımı gerçekleştirebilir,
ancak çizgilere insan deneyimindeki ayrıcalıklı konumu veren çevreleyici
mimariye — dikkat, bedensellik, öngörü ve sembolik yeniden kullanım — doğuştan
sahip değildir.
Bu nedenle aynı şematik mantık
insanlarda alanlar arası doğal olarak aktarılırken, yapay zekâda kendiliğinden
ortaya çıkmaz. İnsanlarda fark → yönelim → süreklilik → yapı → bilinçli ve
aktarılabilir temsil zinciri; melodi algısında, dilde, jestte ve soyutlamada
tekrar eder. Yapay zekâda benzer boru hatları vardır, ancak alan-özeldir ve
dışsal olarak motive edilir. Aktarım kendiliğinden oluşmaz; tasarlanması
gerekir.
Özetle, hem biyolojik görme hem de
yapay zekâ çizgileri “almak” yerine inşa eder. Ancak yapay zekâda çizgi
bir araçtır. İnsanlarda ise çizgi bir örgütleyici ilkedir — anlamı,
eylemi ve düşünceyi sabitleyen bir algısal taahhüt. Filtreler ve katmanlar
düzeyinde ince görünen bu fark, bilinç ve alanlar arası ilişki düzeyinde
belirleyici hâle gelir.
