Her Şeyin Kökeni: Siz, Evrendeki Her Şeye Nasıl Bağlısınız?

659 B görüntülenme07.04.2022
Evrim AğacıBi' Başka Video
Derinlemesine

Özet

Video, evrimin biyolojinin ötesinde temel bir doğa yasası olduğunu savunarak Evren'in ve mühendisliğin evrimsel perspektifle nasıl okunabileceğini ve evrimsel algoritmaların mühendislikteki gücünü örneklerle açıklıyor. Başlangıçtan kültüre, tasarım uzaylarına ve pratik evrimsel algoritma uygulamalarına (robot simülasyonları, anten, yapısal iskelet, devre tasarımları, yönlendirilmiş evrim örnekleri) kadar geniş bir panoram sunuyor.

Terimler

  • Evrim

    Evrim, popülasyon için gen ve özelliklerin nesiller boyunca değişmesi demek. Yani öncelikle bir popülasyon olması gerekiyor (benzer bireylerden oluşan, kendini tekrar eden bir yapı). Tek bir gen veya tek bir özellik değil, gen ve özellikler olması gerekiyor (çeşitlilik olmalı). "Nesiller boyu" kavramı, farklı nesiller arasında bir süreğenlik olduğunu; bir sonraki neslin "kafasına göre" oluşmadığını, bir önceki neslin özelliklerinin bir sonraki neslin özelliklerini belirlediğini gösterir. Eğer o bireylerin ortalamasını tanımlayan genler veya özellikler nesilden nesle değişiyorsa, o popülasyon evrimleşiyor demektir.

  • Popülasyon

    Benzer bireylerden oluşan, kendini tekrar eden bir yapı. Evrim için gerekli bir koşuldur; tek bir bireyde değil, bir popülasyonda gen ve özelliklerin nesiller boyunca değişmesi gerekir.

  • Gen

    Her bir hücrede bulunan binlerce öğe (transkript bağlamında genler) birbirleriyle milyonlarca farklı şekilde etkileşerek bir kombinasyonlar ağı oluşturur. Doğada genler, bir bireyin fiziksel, kimyasal ve biyolojik özelliklerini tanımlayan birimlerdir; evrimsel süreçte çeşitlilik mekanizmaları bu genleri karıştırır ve değiştirir.

  • Çeşitlilik mekanizmaları

    Genleri sürekli olarak karıştıran ve değiştiren süreçler; buna bağlı olarak ürünü, yani o genlerin tanımladığı bireyi değiştirir. Çeşitlilik olması, tüm bireylerin birbirinin tıpkısı olmaması gerektiğini sağlar ki, evrimsel değişim mümkün olsun.

  • Seçilim (Seçilim mekanizmaları)

    Genlerden hangilerinin seçilip, bir sonraki neslin hangi bireylerin genlerinden oluşturulacağını belirleme işi. Seçilim mekanizmaları, bu kombinasyonların içinde bulundukları çevreyle etkileşimi sonucunda en uyumlu olanların seçilmesine verilen isimdir. Burada bilinçli bir istek, arzu veya tercih söz konusu değildir; çevreyle daha uyumlu olan gen kombinasyonları, daha çok hayatta kalır ve ürer.

  • Nesilsellik

    "Nesiller boyu" kavramı, farklı nesiller arasında bir süreğenlik olduğuna işaret eder: Bir sonraki nesil rastgele oluşmaz; bir önceki neslin özellikleri, bir sonraki neslin özelliklerini belirler. Evrenin evrimsel tanımında bu süreğenlik şarttır.

  • Gen havuzu

    Bir popülasyonun ortalamasını tanımlayan genlerin tümü; gelecek neslin ne tür bir gen havuzunu miras alacağını belirleyen özellikler bütünü.

  • İzolasyon mekanizmaları

    Bir canlı popülasyonunun coğrafi bariyerler, üreme bariyerleri, davranış bariyerleri, mekanik bariyerler ve benzeri engellerle birden fazla gruba ayrılmasını sağlayan engeller. Bu durum grupların gen havuzu ve çevresel koşullarının farklılaşmasına yol açar; farklı gen-çevre etkileşimleri deneyimlenir ve bu gruplar zamanla farklı yönlerde evrimleşir (türleşme).

  • Yakınsak evrim

    Çok uzaktan akraba iki canlı grubunda, benzer çevre şartları ve yeterli gen çeşitliliği ile seçilim baskısı olduğunda çok benzer çözümlerin (örneğin kanat yapıları veya yüzgeç benzeri adaptasyonlar) evrimleşmesine verilen isim. Örnek: yarasalar ile kuşların uçabilmeye yönelik benzer yapılar geliştirmesi; balinaların ve yunusların denize dönen karasal memeliler olarak balığa benzeyen adaptasyonlar kazanması.

  • Parametre

    Bir nesneyi tanımlayan her bir özellik, her bir nitelik. Örneğin bir göktaşının kütlesi, yoğunluğu, içeriği, çapı, pürüzlülüğü gibi ölçülebilir özellikler parametre olarak tanımlanır. DJ masası benzetmesinde her düğme bir parametreyi aktive etmeye karşılık gelir.

  • Tasarım uzayı

    Belirli parametrelerin alabileceği değerlerin oluşturduğu çok-boyutlu uzay. Her parametre kombinasyonu bu uzayda bir noktaya karşılık gelir ve her noktanın bir performans/uyum başarısı (fitness) değeri vardır. Bu yüzey dalgalı ve karmaşık (birçok tepe ve çukur içerir). Tasarım uzayı üzerinde en yüksek performans veren tepe noktalarını bulmak mühendisliğin hedefidir.

  • Optimizasyon

    Çatışan parametreleri birbiriyle bir arada çalışabilecek şekilde ayarlama işi; mühendislikte en uygun parametre kombinasyonlarını bulma çabası. Uygunluk, performans veya uyumun maksimize edilmesi hedeflenir. Doğadaki evrimsel süreç de buna benzer şekilde çatışan özellikleri nesiller içinde uyarlayarak optimizasyona yol açar.

  • Uyum başarısı (Fitness / Performans)

    Bir parametre kombinasyonunun belirlenen iş veya çevrede ne kadar iyi iş gördüğünü ölçen değer. Tasarım uzayında düşey eksende gösterilen performans değeri; mühendislikte performans, doğada hayatta kalma ya da üreme başarısı olarak düşünülebilir. Daha yüksek uyum başarısı daha iyi performans demektir.

  • Evrimsel algoritmalar

    Evrimin temel mantığını taklit eden deneme-yanılma tabanlı bilgisayar yöntemleri. Parametrelerle tanımlanmış bireylerden oluşan bir popülasyon oluşturulur; her bireyin performansı değerlendirilir (fitness), en iyiler seçilir, genler (kodlanmış parametreler) crossover ve rekombinasyonla karıştırılır, mutasyonlarla çeşitlilik katılır ve nesiller boyunca bu süreç tekrarlanır. Amaç, tasarım uzayında yüksek performanslı çözümler (tepe noktaları) bulmaktır.

  • Mutasyon

    Biyolojidekiyle neredeyse birebir aynı: Her bir genin belli bir miktar değişmesi için belli bir ihtimal vardır. Evrimsel algoritmalarda da her üreme öncesinde/sonrasında genlerin belli bir ihtimalle değer değiştirmesi anlamına gelir; mutasyonların sıklığı ve büyüklüğü algoritma parametreleri olarak ayarlanır.

  • Rekombinasyon (Crossover)

    Çiftleşen iki bireyin genetik materyallerinin karıştırılması süreci; tıpkı mayoz bölünmede genlerin rastgele karıştırılması gibi, simülasyonda iki ebeveynin genlerinden parçalar alınıp yeni bireyler oluşturulur. Amaç, gen havuzundaki gen kombinasyonlarını karıştırıp yeni varyantlar üretmektir.

  • Cinsel seçilim (Sexual selection)

    Bireylerin eş seçimine bağlı olarak bazı özelliklerin nesiller boyunca tercih edilmesi süreci. Evrimsel algoritmalarda bunu simüle etmek için bireylerin birbirlerini belli kriterlere göre seçmesi ve buna göre gen karışımı yapılması gibi mekanizmalar uygulanabilir. Örneğin tavuskuşlarında dişilerin parlak kuyrukları tercih etmesi cinsel seçilime örnektir.

  • Elitizm (Evrimsel algoritmalarda)

    Evrimsel algoritmada, doğal seçilim ile seçilmiş en iyi bireylerin bir kısmını mutasyonlardan veya yok edilmeden koruma stratejisi. Örneğin seçilmiş %10'luk dilim içinden %1-2'sini tamamen mutasyondan muaf tutmak gibi uygulamalar elitizmdir; amaç, iyi çözümlerin kaybolmasını engellemektir.

  • Genetik sürüklenme

    Küçük popülasyonlarda rastgeleliklerin (şansın) gen frekansları üzerinde güçlü etkiler yaratması. Yani popülasyon küçüldükçe, rastgele değişimler daha belirgin hale gelir ve bunun sonucu olarak evrimsel süreç daha öngörülemez olabilir; küçük popülasyonlar yok olma ihtimali daha yüksek olur.

  • Meta-evrim

    Evrimsel algoritmaların kendi parametrelerini seçen evrimsel süreçler; yani evrim algoritmasının parametrelerini ayarlayan başka bir evrimsel algoritma. Transkriptte buna 'meta-evrim' denmektedir.

  • Deneme-yanılma / Heuristik yöntemler

    Analitik, kapalı formda denklem bulma yerine pratik olarak rastgele veya kılavuzlu denemeler yaparak çözüme ulaşma yöntemleri. Matematikçiler/mühendisler zaman zaman bu yaklaşıma mesafeli dururlar, ama mühendislikte ve evrimsel algoritmalarda problem çözmek için etkili bir stratejidir.

  • Öğrenme algoritmaları (Machine learning) ile Evrimsel yöntemlerin farkı

    Öğrenme algoritmalarında genellikle tek bir bireyin (örneğin bir yapay sinir ağı) ağı eğitilirken, evrimsel algoritmalarda bu ağın yapısı da dahil olmak üzere robotu/ürünü tanımlayan tüm parametreler popülasyon düzeyinde evrimleşebilir. Yani öğrenmede tek bir modelin ağırlıkları optimize edilirken, evrimde mimariler ve parametre kombinasyonları nesiller içinde değişir ve farklı çözümler ortaya çıkar.

  • Laplace'ın Şeytanı (Laplace's Demon)

    Transkriptte kullanılan bir benzetme: Eğer evrendeki tüm parametrelerin ve başlangıç koşullarının tamamen bilindiği, kuantum gibi belirsizliklerin yok sayılabildiği varsayılsa, bir süperzeka (Laplace'ın Şeytanı) tüm parametre kombinasyonlarının performansını bilebilir ve tasarım uzayının en iyi noktasını doğrudan belirleyebilirdi. Gerçekte böyle bir süperzeka yoktur; bu, deterministik öngörü fikirlerinin aşırı idealize edilmiş bir örneğidir.

  • Türleşme

    Bir popülasyonun izolasyon mekanizmaları nedeniyle birden fazla gruba ayrılması ve bu grupların zaman içinde farklı gen-çevre etkileşimleri yaşayarak farklı yönlerde değişmesi sonucu ortaya çıkan süreç; sonuçta gen havuzları birbirinden ayrılmış, niteliksel olarak farklı popülasyonlar (ve dolayısıyla farklı türler) oluşur.

  • Fiziksel simülasyon (Evrimsel mühendislikte)

    Gerçek dünyadaki fiziksel ürünleri üretmeden önce bilgisayar ortamında modelleyip test etme süreci. Evrimsel algoritmalarda genellikle fiziksel ürünler yerine simülasyonlar üzerinde popülasyonlar çalıştırılır; böylece maliyet düşürülür ve çok sayıda nesil hızlıca değerlendirilebilir.

  • Performans kriterinin tanımlanması

    Evrimsel süreçte hangi sonucun 'iyi' olduğunu belirleyen ölçüt. Örneğin robot örneğinde performans kriteri 'çizgi üzerinde en uzun kalmak' olabilir. Performans kriterinin nasıl tanımlandığı tasarım uzayının şeklini ve evrimin hangi çözüme ulaşacağını büyük ölçüde etkiler.

  • Kütleçekimi (Gravity) - bağlamsal açıklama

    Transkriptte örneklenen şekilde: Kütleçekimi, doğa yasası olarak temel bir yasa olup, kütle var olmadığında söz konusu edilemez; kütleçekimi temeldir ve yıldızlar ya da uçaklar gibi sonuçlar ondan dolayı ortaya çıkar. Burada kütleçekimi evrimin temelliğine benzetilmiş bir örnektir.

  • Faz geçişi (phase transition) - bağlamsal açıklama

    Transkriptte fiziksel dönüşüm türlerine örnek olarak anılmıştır: Fizikte faz geçişi, maddelerin bir halden başka bir hale geçmesine karşılık gelen dönüşümlerdir (örneğin sıvıdan gaz hale geçiş). Transkript bu terimi evrim ve diğer dönüşüm türleriyle analoji kurmak için kullanmıştır.

Doğru Bilinen Yanlışlar

  • Evrim sadece canlılarla, biyolojiyle ilgilidir.

    Evrim, uygun koşullar sağlandığında gen/özelliklerin popülasyon düzeyinde nesiller boyunca değişmesi demektir ve fiziksel/kimyasal/mühendislik sistemlerinde de uygulanabilir bir prensiptir.

  • Evrim eşittir yeni türlerin oluşması (sadece türleşme sonuçtur).

    Türleşme evrimin bir sonucu olabilir ama evrim temelde popülasyon içindeki gen/özellik frekanslarının değişmesidir; yeni tür oluşumu bu değişimlerin bir biçimidir, tanımı değil.

  • Bir bireyin yaşamı boyunca yaptığı değişimler (gelişim, yaşlanma) evrimdir.

    Bireysel değişimler evrimsel değişim değildir; evrim nesiller arası popülasyon değişimidir ve kalıtımla ilgilidir.

  • Seçilim bilinçli bir seçim veya arzuya dayanır.

    Seçilim bilinçsizdir; çevre koşulları hangi gen kombinasyonlarının daha iyi performans gösterdiğini belirler, bir amaç ya da istek yoktur.

  • Evrim demek her değişimin evrim olmasıdır (her değişim evrimdir).

    Hayır; fiziksel ve kimyasal değişimler, bireysel adaptasyonlar veya geçici durumlar evrim terimi kapsamına girmez; evrim özel bir tanıma sahiptir (popülasyon + nesiller).

  • Evrim = tamamen rastgelelik; rastgelelikten sadece kaos çıkar.

    Çeşitlilik rastgele olabilir ama seçilim rastgele değildir; rastgele varyasyonın seçilim tarafından süzülmesi ile düzenli, işlevsel çözümler ortaya çıkar.

  • Bilinçli tasarım veya insan benzeri zeka olmadan karmaşık, işlevsel mühendislik ürünleri üretilemez.

    Evrimsel süreçler ve algoritmalar bilinçsiz olarak karmaşık, yüksek performanslı tasarımlar üretebilir; örneklerde insan mühendislerden üstün çözümler gösterilmiştir.

  • Her şey birbirine dönüşebilir fiziksel olarak (örneğin asteroidi bakteri yapabiliriz) – teori pratikte mümkün kılar.

    Teorik olarak her şey parametre düzeyinde yeniden tanımlanabilir ama fiziksel yasalar, enerji/malzeme/maliyet vb. kısıtlar nedeniyle pratikte bu kadar köklü dönüşümler mümkün değildir.

  • Evrimi sonuçlarıyla (fosiller, ara türler, türler arası geçişler) tanımlamak gerekir.

    Evrim temel bir süreçtir; fosiller ve türleşme gibi olgular onun sonuçlarıdır; tanımından ziyade sonuçlarına bakmak eksik veya yanıltıcı olabilir.

  • Mühendislikte sadece zarif denklemlerle ve saf analitik yaklaşımla çözüm üretilebilir; deneme-yanılma kirli ve kabul edilemezdir.

    Deneme-yanılma yöntemleri (heuristikler, evrimsel algoritmalar) pratikte çok güçlüdür ve birçok problemi analitik yöntemlerin ötesinde çözebilir; mühendislikte hem teori hem uygulama gereklidir.

Sorular

  • Siz, Evrendeki Her Şeye Nasıl Bağlısınız?

    Her şey atom altı parçacıkların Büyük Patlama'dan itibaren farklı düzenlenmeleriyle oluştuğu için kozmolojik bir ortak geçmişe sahibiz; ayrıca evrimsel ve fiziksel dönüşümler aracılığıyla tüm nesneler bağlantılıdır.

  • Evrim sadece biyoloji midir?

    Hayır; evrim, uygun koşullar (popülasyon, çeşitlilik, nesillersüregelen kalıtım/etkileşim, seçilim) olduğunda fiziksel ve mühendislik sistemlerinde de işleyen genel bir doğa yasasıdır.

  • Evrim tam olarak nasıl tanımlanır?

    Evrim, bir popülasyon için gen ve özelliklerin nesiller boyunca değişmesidir; yani popülasyon, çeşitlilik ve nesiller arası süreğenlik gerektirir.

  • Bireyin yaşamı boyunca değişmesi evrim midir?

    Hayır; bireysel gelişim veya fiziki değişimler evrim değildir, çünkü evrim popülasyondaki gen/özellik frekanslarının nesiller boyu değişmesidir.

  • Seçilim bilinçli bir tasarım mıdır?

    Hayır; seçilim bilinçli amaç veya istek içermez; çevreyle etkileşim sonucu bazı gen kombinasyonları daha başarılı olduğu için daha çok temsil edilir.

  • Mühendislik ile evrim arasında nasıl bir ilişki var?

    Mühendislik, parametreleri optimize etmeye çalıştığı için evrimin optimizasyon mekanizmalarıyla paraleldir; teknoloji de varyasyon, seçilim ve süreğenlik yoluyla evrimleşir.

  • Evrimsel algoritmalar nasıl çalışır?

    Evrimsel algoritmalar simülasyonda popülasyon üretir, her bireye bir performans (fitness) değeri atar, en iyi bireyleri seçer, çaprazlama ve mutasyonla yeni nesil üretir ve iterasyonla çözüm arar.

  • Evrimsel algoritmalar insan mühendislerinden daha iyi tasarım üretebilir mi?

    Evet; örneklerde evrimsel algoritmaların ürettiği anten, yapı ve devre tasarımlarının insan-analitik yöntemlerle üretilenlerden daha iyi performans gösterdiği görülmüştür.

  • Evrimsel yöntemlerin sınırlamaları veya zorlukları nelerdir?

    Parametre seçimi (seçilim baskısı, mutasyon oranı vb.), yüksek işlem maliyeti ve evrensel bir algoritmanın olmaması gibi teknik zorluklar vardır; meta-evrim ve artan hesap gücüyle bu sorunlar azalmaktadır.

  • Evrim tamamen rastgele bir süreç midir?

    Hayır; çeşitlilik ve mutasyonlar rastgele olabilir, ama seçilim rastgele değildir — performansa göre filtreleme yaparak uyarlanmayı yönlendirir.

Ön Bilgiler

  • Temel biyoloji bilgisi (özellikle evrimsel biyoloji ve genetik temel kavramları)
  • Genetik ve popülasyon genetiği kavrayışı (mutasyon, rekombinasyon, genetik sürüklenme)
  • Temel fizik ve astronomi bilgisi (Büyük Patlama, yıldız/gezegen oluşumu)
  • Temel jeoloji ve jeokimya bilgisi
  • Mühendislik temelleri (tasarım, optimizasyon, malzeme sınırlamaları)
  • Bilgisayar bilimi/algoritmalar temelleri (simülasyon, optimizasyon, öğrenme algoritmaları)
  • Temel matematiksel kavramlar (çok boyutlu uzaylar, optimizasyon fikirleri)
  • Yapay zeka ve makine öğrenmesi hakkında temel bilgi (öğrenme algoritmaları ile evrimsel yaklaşımlar arasındaki farkı anlamak için)

Tarihsel Bağlam

  • Büyük Patlama
  • Büyük Patlama'dan sonraki atom altı parçacık oluşum süreçleri
  • Atomların, yıldızların ve daha ağır elementlerin yıldızlarda üretilmesi ve dağıtılması
  • Güneş'in doğuş yaklaşık 4.6 milyar yıl önce
  • Dünya'nın oluşumu Güneş'ten birkaç on milyon yıl sonra
  • Dünya'nın jeolojik evrimi örneği olarak levha tektoniği, depremler, volkanik faaliyetler ve hidrotermal bacaların oluşumu
  • İlk yaşamın kimyasal evrim yoluyla ortaya çıkışı yaklaşık 4 milyar yıl önce
  • Milyarlarca yıl süren biyolojik evrim süreci ve yüz milyarlarca ara türün ortaya çıkıp yok olması
  • Yeryüzündeki türlerin büyük çoğunluğunun soyu tükenmesi olgusu
  • Geç Devonyen Dönemi kayaçlarında sulardan karalara geçişi gösteren fosil bulguları yaklaşık 375 milyon yıl önce
  • İnsan atalarının savanaya geçişi ve iki ayak üzerinde kalıcı yürüyüş, alet kullanımı ve beyin irileşmesi gibi evrimsel olaylar
  • Tarımın başlamasıyla birlikte yerleşik yaşama, kültürün oluşmasına ve bilginin kuşaklar arası aktarılmasına geçiş
  • Tarihsel süreç olarak medeniyetlerin, şehirlerin, kralların, savaşların, devrimlerin ve makinelerin ortaya çıkışı
  • 19. yüzyıldan itibaren at arabalarından otomobillere geçişe ilişkin toplumsal ve teknolojik dönüşüm örnekleri
  • Ford Model T'nin tarihsel referansı ve takip eden otomotiv gelişmeleri
  • Ford Mustang Shelby gibi sonraki otomotiv evrimine yapılan atıflar
  • Bilimsel öngörü ve fosil keşifleri örneği olarak 375 milyon yıl önceki Geç Devonyen fosilinin bulunması
  • 1990'larda yönlendirilmiş evrim fikrine yönelik başlangıçtaki şüphecilik
  • 2018 Nobel Kimya Ödülü yönlendirilmiş evrim ve enzimlerin evrimi alanında verilmesi
  • Evrimsel algoritmaların mühendislikte kullanılması örnekleri olarak
  • Evrimsel algoritmalarla elde edilen yapı/iskelet tasarımının geleneksel tasarımlardan çok daha verimli sonuç vermesi ve uygulamalı başarı
  • NASA için evrimsel algoritmalarla tasarlanan antenin insan mühendis tasarımlarını geride bırakması ve uzaya gönderilmesi
  • Evrimsel algoritmalarla tasarlanan elektronik devrenin çevresel devre unsurları ile birlikte beklenmedik şekilde daha iyi performans göstermesi
  • Frances Arnold'ın yönlendirilmiş evrim çalışmalarının 1990'lardan başlayarak ilerlemesi ve Nobel ödülüyle sonuçlanması
  • Büyük Patlama yaklaşık 13.8 milyar yıl önce
  • Büyük Patlama'dan sonraki ilk saniyeler
  • Güneş'in oluşumu yaklaşık 4.6 milyar yıl önce
  • Dünya'nın oluşumu yaklaşık 4.5 milyar yıl önce
  • Dünya'da yaşamın başlangıcı yaklaşık 4 milyar yıl önce
  • Geç Devonyen Dönemi yaklaşık 375 milyon yıl önce
  • Jeolojik zamanlar ve jeolojik evrim süreçleri
  • İnsan evriminin ormandan savanaya geçiş dönemi
  • Tarımın başlaması ve yerleşik kültürün oluşması
  • 19. yüzyıl 1800'ler
  • 1990'lar
  • 2018 yılı
  • 3021 yılı örnekleme olarak anılan gelecek yılı

Kişiler

  • Pierre‑Simon Laplace

    "Laplace Şeytanı" örneği bağlamında, her şeyi önceden bilen süperzekâ fikrine atıf için kullanıldı.

  • Frances Arnold

    2018 Nobel Kimya Ödülü bağlamında, evrimi kullanarak üretilen ilaçlar/enzimler alanındaki çalışmaları nedeniyle örnek olarak anıldı.

Bu Videodaki Sözler

Bu videoda verilenler

Bağlantı sorunu yaşanırsa izleyicilerden toplanan sorulara özel bir video hazırlayıp yayınlama

Şimdi, eğer bağlantı sorunu falan yaşamazsak, sorularınızı alabilirim. Eğer bağlantı sorunu yaşarsak da, belki arkadaşlarımız sizden sorularınızı toplayabilirler ve sadece bu sorulara özel bir video hazırlayıp yayınlayabilirim. Ama önce bir deneyelim.

Bir ürün ortaya koymanın tek yolunun tüm ayrıntılarını hesaplayıp şekillendirmek olmadığına dair gösterim/açıklama (az sonra gösterilecek örnekler).

Bunun aksini düşünmek, aceleci genelleme türü bir mantık safsatası. Az sonra göreceğimiz gibi, bir ürün ortaya koymanın tek yolu onun ıncığını cıncığını hesaplayıp şekillendirmek değil. Yani bilinçli bir tasarımın olmadığı her yerde kaos olması gerektiği inancı bir safsata, böyle bir şey yok, Evren'de böyle bir şeyi düşünmemizi gerektiren bir gözlem de yok.

2 boyutlu ekranda inceleyebilmek için sadece 3 boyutlu bir tasarım uzayı göstermek (ekranda 3 boyutlu tasarım uzayı gösterimi)

Ne bu uzay? Şimdi 2 boyutlu ekranda inceleyebilmek için sadece 3 boyutlu bir tasarım uzayı göstereceğim ama siz bunun aslında 30.000 boyutlu falan olabileceğini ve dolayısıyla böyle 2 boyutta anlamlı bir şekilde gösterilemeyeceğini lütfen unutmayın. Bu 3 boyutlu sistemde 1 eksen haricindeki bütün eksenler bir parametreye karşılık geliyor.

Bu videoyla tutulanlar

Evrimsel robotik / robotlara evrimsel süreç mekanizmasının verilmesi konusunun ayrı bir TEDx konuşmasında ele alınacağı

Böylelikle kendileri yeni öğrenme teknikleri geliştirebilme. Bu ayrı bir TEDx konuşmamın konusu ama Ege'nin bu talebi üzerine kendi çalışma sahama ve ilk olarak tabii akla gelen makine mühendisi diyebilir miyim? Tam olarak değil.

Evrimsel algoritmalar ve evrimsel robotik sahasının ne olduğunu anlatan bir video

İşte burada benim de doktora tezimi yazdığım konu devreye giriyor: Evrimsel algoritmalar ve evrimsel robotik. Bu sahanın ne olduğunu size önümüzdeki haftalarda çekeceğim bir videoda anlatacağım, kaçırmak istemezseniz bildirimleri açmayı sakın unutmayın. Ama özetle evrimsel algoritmalar, doğadaki evrim yasasının süperbilgisayar simülasyonları sayesinde çok daha hızlı bir şekilde çalışmasını sağlayan bir yapay zeka sahası.

Evrimsel algoritmalar sahasını ve bu alandaki tasarımları anlatan bir video

Ama sonuç olarak makinalara sadece öğrenme yetisini değil, öğrenmeyi mümkün kılacak sistemleri evrimleştirme yetisini verecek olursak (ki bu şimdilik zor ve bazı kısıtlara sahip olsa da son derece yapılabilir bir şey ve yıllardır küçük ölçekte zaten yapılıyor) bizim dayatmalarımızdan bağımsız beyin mimarileri ortaya çıkabilir. Çünkü ilerleyen bir videoda anlatacağım evrimsel algoritmalar sahası, insan mühendislerin hayal dahi edemeyeceği tasarımları çoktan ortaya çıkarmaya başladı. Bunu genel zekaya kavuşmasını istediğimiz robotlara da vermemiz lazım.