Thomas Bayes 1701-1761 yıllarında yaşamış, bugün Bayes teoremi olarak bilinen mantık formülasyonunu bulmuş İngiliz ilahiyatçı ve filozoftur. Teoremi ilk olarak şans oyunlarındaki olasılıkları hesaplamada kullanılmıştır. Yüksek düzeyde hesaplama gücü gerektirdiği için yirminci yüzyılın sonlarına kadar uygulamaları sınırlı olmuştur. Bilgisayar teknolojisinin ve algoritmaların gelişmesi ile 21. yüzyılda istatistikteki kullanımı arttığı gibi nörobilim, makine öğrenme, yapay zeka gibi alanlarda da etkili bir araç haline gelmiştir.
Bayesçi beyin teorisi veya beyin fonksiyonlarına Bayesçi yaklaşım, sinir sisteminin belirsizlik durumlarında Bayesçi istatistiklere göre çalışma kapasitesini araştırır. Bu teori nörobilim ve davranış bilimlerinde beynin bilişsel yeteneğini istatistiksel prensiplere göre açıklamada kullanılır. Sinir sisteminin duyusal bilgiyi işlemek için Bayes çıkarımında kullanılanlara benzer içsel olasılık modellerinden yararlandığı varsayılır.
Bayesçi beyin teorisine göre algı ve hisler, inançtır. Algıladığımız dünya beynimizin duyusal sinyallere yönelik en iyi tahmininden ibarettir.
Karanlık Odada Bir Beyin
Beyin olmanın nasıl bir şey olduğunu hayal edelim. Kemikten bir kutuya sıkışmış, dışarıda neler olduğunu anlamaya çalışıyoruz. Bunun için elimizdeki tek araç duyulardan çağlayan gibi gelen elektrik sinyalleridir. Duyulardan gelen sinyaller ise hem dış dünyadan hem de vücudun kendisinden etkilenir. Örneğin gördüğümüz şey nesnelerin ışığı yayma veya yansıtma özelliği yanında göz hareketleri ve başın konumundan da etkilenir. 19. yüzyılda Hermann von Helmholtz algının (dışarıda ne olduğu problemini çözmenin) beynin dış kaynaklı duyusal sinyalleri yorumlamasını gerektirdiğini fark etmiştir. Beyin dış dünyanın doğru bir içsel modelini oluşturabilmek için duyusal girdileri organize etmelidir. Bu nedenle beynin Bayes çıkarımı yaptığı öne sürülmüştür. Bayes çıkarımı yeni kanıtlar elde edildikçe inançların güncellenmesini tanımlar. Bir başka deyişle güncel duyusal verilerin en olası nedenleri önceki kanı ve bilgilerle kombine edilerek belirlenir. Böylece algılar meydana gelir. Tahmin edilen sinyaller ile elde edilen gerçek duyusal veriler arasındaki farklar (öngörü hataları) önceki kanıların güncellenmesinde kullanılır. Böylece sonraki duyusal girdilere daha hazır olunur. Öngörücü kodlama fikrinin sonuçlarından biri beyin kabuğunun mimarisinin Bayes çıkarımına ideal olarak uyduğudur. Bu görüşe göre aşağıdan yukarı (duyulardan beyne) gelen bilgiler öngörü hatalarını da içerir. Yüksek beyin bölgelerinden gelen “yukarıdan aşağıya” sinyaller ise öngörüleri taşır.
Bayesçi Beyin: Yapay Zeka, Makine Öğrenimi, Nörobilim
Bayesçi yaklaşım makine öğrenmenin bir dalı olan gözetimsiz öğrenme, sentezle analiz yaklaşımında da önemlidir. Sonuçta beyin dış dünyanın belirsizliğine rağmen tahminlerde bulunan bir makinedir. İnsan algılayışı ve davranışlarının pek çok yönü Bayesçi istatistiklerle modellenebilir. Duyusal algılar dışında öğrenme, hafıza, mantık, dil, karar verme gibi pek çok alt başlıkta bu teoriye göre uygulama ve deneyler yapılmaktadır. Beyinde bu süreçlerin nasıl geliştiğine dair çeşitli teoriler vardır. Bunlardan biri George ve Hawkins’in hiyerarşik zamansal bellek teorisidir (HTM). Beyin kabuğundaki piramidal nöronların fizyolojisi ve etkileşimi üzerine temellendirilmiştir. HTM bilgisayarlarda uygulandığında tahmin, anomali tespiti, sınıflandırma gibi alanlarında başarılı bulunmuştur.
Bayesçi beyin teorisi algı ve hayal gücü ile derin bağlantılar olduğunu ima eder. Beyin duyusal verilere karşı edilgen değil, üretici (jeneratif) bir tutum içindedir. Bir şeyi hissetmek için duyusal verilere karşılık gelen algılama benzeri durumları beyin yukarıdan aşağıya kendi kendine üretebilmelidir. Bu doğruysa algıladığımız dünya kendi yaratıcı hayal gücümüzle yakından ilişkilidir.
Beyin Gerçekten Bayesçi mi?
Bayes teoreminden esinlenen algoritmalar insan bilincinin çeşitli özelliklerini taklit edebilse de bu, beynin gerçekten de benzer algortimaları kullandığını kanıtlamaz. Örneğin beynimizin mantık dışı işleyişini açıklamayabilir. Bilimsel teorilerin en önemli özelliği yanlışlanabilir olmalarıdır. Bayesçi beyin teorisi varsayım ve girdilerde yapılacak düzenlemelerle hemen her bilişsel görevi taklit edecek şekilde düzenlenebilse de, bu esnekliği onu aynı zamanda yanlışlanmaya dirençli kılmaktadır. Nöral ağ (network) gibi başka bilgi işleme modelleri de Bayesçi modellerle aynı sonuçları üretebilir. Buna karşılık bilimsel araştırmalar beynin gerçekten de Bayesçi bilgi işleme yöntemini kullandığına dair yeterli kanıt sunmamıştır.
Rehabilitasyonda Bayes
Sinir hücrelerinin davranış paternlerini tahmin etmek ve bunu gözlemlenen hareketlerle ilişkilendirmede Bayes teoreminden yararlanılmaktadır. Beyin-bilgisayar arayüzü ve nöroprotez kullanımında kişinin istediği hareketlerin makine-protez tarafından gerçekleştirilmesinde bu algoritmalar yararlıdır. Günlük hayatta gerçekleşen el, kol, bacak hareketleri oldukça karmaşıktır. Hareketlerin çevreye ve amaca göre sürekli uyarlanması gerekir. Bunun önceden programlanmış sabit elektrik sinyal paternleri ile taklit edilmesi mümkün değildir. Olasılık hesabına dayalı tahmin algoritmaları felçli kasların fonksiyonel elektriksel uyarılması için gereken sinyalleri üretmede kullanılmaktadır. Bayesçi yaklaşım robotik rehabilitasyon, beyin uyarımı ve plastisiteye dayalı rehabilitasyon alanlarında da hem teorik hem de pratik uygulamalar bulmaktadır.
Referans
- Seifert HM, Fuglevand AJ. Restoration of movement using functional electrical stimulation and Bayes’ theorem. J Neurosci. 2002;22(21):9465–9474.
- Anderson CV, Fuglevand AJ. Probability-based prediction of activity in multiple arm muscles: implications for functional electrical stimulation. J Neurophysiol. 2008;100(1):482–494.
- Başlık görseli: conscious-pictures.com
