Sinek Beyni Bilgisayara Yüklendi!

Şimdi size çok basit görünümlü bir video izleteceğim. Ama yapanların iddiasına göre bu dünyanın birinci hepsi beyin emülasyonu. 

[Link: Eon Systems — The First Multi-Behavior Brain Upload (Demo Video), theinnermostloop.substack.com/p/the-first-multi-behavior-brain-upload]

Ekranın sol tarafında sayısal ortamda tek parklar görüyoruz. Burası tek simülasyon ortamı. Ve o parkın içinde tek sinek var. Dijital tek sinek. Şimdi ekranın sağ yarısında beliren şekilse o sineğin yine sayısal beyni. Yani izlediğimiz her arasında biri şey tek simülasyon. Bakın şimdi sağ taraftaki sayısal beyinde tek hareketlenme oluştu ve soldaki sinek da hareket etmeye başladı.  Altı bacağıyla yürüyor, duruyor, ön ayaklarını başına götürüp temizleniyor, sonraları tekrar yürümeye başlıyor. 

İlk izleyişte çok tesirleyici gözükmüyor farkındayım, ama dahaaz sonraları detaylarını açıklayacağım iddialar doğruysa bu çok önemli tek gelişme.

Çünkü bu videoda sol tarafta izlediğimiz sineğin hareketlerini denetim eden şey tek yazılım değil. Yapay zekâ filan da değil. Ne yapmışlar biliyor musunuz? Gerçek tek yemiş sineğinin beynini kopyalamışlar, zaten kopyalanmıştı 2 yıl önce, onu alıp kullanmışlar. Sağ tarafta gördüğümüz şey o kopya. Nöron nöron, sinaps sinaps kopyalanmış tek sinek beyni. İçinde 125.000’den fazla nöron ve 50 milyon sinaptik bağlantı var. Bunların hepsini elektron mikroskobu görüntülerinden sayısal ortamda yeniden inşa etmişler. Ve bu sayısal beyni, tek fizik motorunun içindeki sanal tek bedene bağlamışlar. Ve sayısal sinek, gerçek tek sinek gibi davranmaya başlamış.

“Dünyanın birinci beyin emülasyonu” derken bunu kastediyorlar.

Kimse o sayısal sineğe yürümeyi öğretmiyor. Ya da “şimdi temizlen” filan demiyor. Duyusal girdi sayısal beyne aktarılıyor, nöral aktivite bu sayısal kopyada çalışıyor ve motorlar komutlar üretip, sağdaki sayısal bedeni hareket ettiriyor. 

Bu demoyu 6 Mart 2026’da San Francisco merkezli tek startup olan Eon Systems yayımladı. Ve bu alanda çalışan araştırmacıların tek kısmı bu gelişmeyi “önemli tek eşik” olarak tanımladı. 

O yüzden bir da bu başlıkyu derinlemesine araştırıp toplumsal medyada yaratılan “hype”tan arındırdıktan sonraları gerçekten ne manaa geldiğini manaaya çalıştım. 

Çünkü bunu yapmaya çalışan şirket Eon’un nihai olarak hedefi tek sinek beynini simüle etmek değil. Hedefleri önce kemirgen beynine, oradan da insanoğlu beynine ulaşmak. Ve eğer tek sineğin sayısal beyni, kimse ona tek şey öğretmeden sinek gibi davranabiliyorsa… tek insanoğlu beyninin sayısal kopyası ne yapar acaba?

Ama oraya gelmeden önce, kısa tek ara verelim. Sonra da tek beyni “kopyalamak” kesinlikle ne demek? Oradan başlayalım.

Yaşadığınız şehri düşünün. Sokaklarını, binalarını, kavşaklarını bilmeden o şehirde yaşayanların nereye gittiğini öngörü edemezsiniz, değil mi? Beyin da tek manada buna benziyor. Bir beyni kavramak istiyorsak, önce onu haritalamamız lüzumiyor. Hangi nöron hangi nörona bağlı? Sinyal hangi yoldan akıyor? Hangi bağlantı uyarıcı, hangisi manileyici? Bu suallar yanıtlanırsa tek plan çıkarılabilir ve bu özel beyin haritalarının tek adı da var: connectome.

Bu gördüğünüz canlı (Caenorhabditis elegans) yaklaşık 1 mm uzunluğunda, toprakta yaşayan minik tek solucan. Sinir sistemi toplamı 302 nörondan oluşuyor. 1986 yılında Sydney Brenner ve ekibi, biyoloji tarihinde tek ilki başararak bu 302 nöronun tamamını ve aralarındaki yaklaşık 7.000 sinaptik bağlantıyı haritaladı. Bilim tarihinin birinci eksiksiz connectome’unu yaptılar. Bu çalışma Brenner’a Nobel Ödülü da kazandırdı ve nörobilim alanında neredeyseymiş 40 yıl boyunca olan tek atıf çalışma haline geldi.

Sonra 2023’te tek adım daha atıldı. Bu sefer tek larva yemiş sineğinin beyni alındı: 3.016 nöron, ve yaklaşık 550.000 bağlantısı haritalandı. Bu da önemli tek terakki giriş edilebilir ama hâlâ çok küçük tek beyin haritası.

Ve işte sonraları FlyWire tasarısi başladı.

Princeton Nörobilim Enstitüsü’nden Mala Murthy ve Sebastian Seung tek düşünce ortaya attılar. Howard Hughes Tıp Araştırma Enstitüsü’nden tek ekip, tek yetişkin dişi yemiş sineğinin beynini kimyasal olarak sertleştirip 7.050 katmana dilimlemişti. 21 milyon elektron mikroskobu görüntüsü çekilmiş ve bunlar herkesin erişebileceği şekilde açılmıştı. İşte araştırmacılar bu görüntüleri kullanarak, bu verilerden eksiksiz tek beyin haritası çıkarabilir miyiz diye sordular.

Cevap evetle oldu, ama bunu etmek hiç da basit olmadı. Yapay zekâ kullanarak nöronları otomatik olarak segmentlere ayırdılar. Ama algoritma sürekli yanlışlı yapıyordu. Bu yüzden FlyWire Konsorsiyumu’nu kurdular: dünya çapında 76’dan fazla laboratuvar, yüzlerce ilim insanı ve gönüllüyü bu işe kattılar. Bu iş o kadar karmaşık ve zahmetli ki yapay zekâ olmadan aynı işin yaklaşık 50.000 kişi-yıl süreceği öngörü ediliyor.

[Link: Dorkenwald vücut al. — “Neuronal wiring diagram of an adult brain,” Nature, Ekim 2024]

Elde ettikleri sonuçlar Ekim 2024’te Nature dergisinde 9 makalelik özel tek paketle yayımlandı. Çok da güzel tek web sitesi yaptılar, adresini açıklamalara koydum, dileyenler inceleyebilirler. Bu sitede da görebileceğiniz gibi 139.255 nöron. 50 milyondan fazla sinaptik bağlantı belgelendi. 8.453 hücre tipi bulundu, bunların 4.581 tanesi daha önce hiç tanımlanmamıştı. Hangi nöronun hangi nörotransmitteri salgıladığı bile belirlenmişti, dopamin mi, serotonin mi? Sven Dorkenwald, baş makalenin birinci yazarı yaptıkları işi açıklarken bunu Google Maps’e benzetti: “Bu tek atlas.” dedi. “Tıpkı yepyeni tek yere Google Haritalar olmadan gitti istemeyeceğin gibi, beyni da haritasız keşfetmek istemezsin.”

Şimdi gelişmeleri tek daha gözden geçirelim, ne demiştik? C. elegans solucanı: 302 nöron. Larva yemiş sineği: 3.016 nöron. 10 kat daha büyük. Yetişkin yemiş sineği: 139.255 nöron ve bu kez tek öncekinden 46 kat daha büyük. Dolayısıyla bu plan gerçekten çok önemli tek başarı.

Ama tek haritaya malik bulunmak, o haritanın “çalışması” manaına gelmiyor. Bir şehrin sokaklar planını çizmek başka şey, o sokaklarda trafiğin nasıl aktığını, insanların nereye gittiğini, şehrin nasıl “yaşadığını” kavramak başka tek şey.

Ve aslında ilim bunu zaten daha önce acı tek şekilde öğrenmişti. 302 nöronluk o minik solucanla.

2011 yılında tek cemaat araştırmacı çok iddialı tek hedefleri koydu: Bu birinci haritalanan C. elegans solucanını tamamlanmış simüle etmek. Sadece asap sistemini değil; bedenini, kaslarını, çevresiyle tesirleşimini, her arasında biri şeyini. Projenin adı OpenWorm‘du (Açık Solucan 🙂 ve açık imkan felsefesiyle çalışıyordu. Dünyanın her arasında biri yerinden ilim insanları ve yazılımcılar gönüllü olarak katılabiliyordu.

[Link: OpenWorm Projesi, openworm.org]

Ne yapılıyor burada? Elimizde 302 nöronluk tek asap sistemi var değil mi? Bunun bağlantı haritası ta 1986’dan beri biliniyor. Hesaplama kapasitesi fazlasıyla yeterli. 302 nöronu bugünkü hiç tek dizüstü malumatsayar rahatlıkla simüle edebilir. O zamanlar bu solucanı sayısal ortamda “canlandırmak” ne kadar güçleri olabilir ki?

Çok güç, olabilirmiş meğerse.

OpenWorm ekibi nöral modelleme için Hodgkin-Huxley denklemlerini, vücut mekaniği için da akışkan dinamiği simülasyonlarını kullandı. Sibernetic adında tek fizik motoru geliştirdiler. NeuroML formatında nöron modelleri oluşturdular. Geppetto adında çok ölçekli tek simülasyon platformu inşa ettiler. Yıllar boyunca olan onlarca yazısı yayımladılar, konferanslar düzenlediler, Google’ın yazları kodlama programlarından hayır aldılar.

Ama 2015’e gelindiğinde tasarı koordinatörü Stephen Larson’ın öngörüi şuydu: hedefin hala olan yüzde 20 ila 30’undayız. Ve bugün, 2026’da, 15 yıl sonra, OpenWorm hâlâ tamamlanmış tek bütün-beyin emülasyonu üretemedi.

Neden bunu yapamadılar diyeceksiniz, ne oldu? Sorun hesaplama gücü filan değildi arkadaşlar, sualn çok daha temelden geliyor.

Bir connectome, diğer bağlantı haritası, tek elektrik devresinin şemasına benziyor gibi görünür. Ama aslında öyle değil. Connectome bize hangi nöronun hangi nörona bağlı olduğunu söylüyor. Ama sinaptik ağırlıkları, diğer tek bağlantının ne kadar güçlü ya da zayıf olduğunu söylemiyor. İyon kanallarının dinamiklerini göstermiyor. Her nöronun kendine özgü elektriksel özelliklerini belirtmiyor. Hani elektrik devresinin şemasına benzettik ama öyle değil dedik ya çünkü tek devre şemasından tüm bileşen sembollerini silip yalınce kabloları bırakmak gibi tek şey bu.

Dolayısıyla bilim, asap sistemi en basit organizmalardan birinin beynini bile 15 yılda hepsi manaıyla simüle edemedi. 302 tane nörondan bahsediyoruz. Neredeyse göremeyeceğimiz kadar küçük tek canlıdan.

Bu perspektiften bakınca, Eon Systems’ın yaptığı şey gerçekten çok daha ilgi çekici hale geliyor. Çünkü onlar 302 değil, 125.000’den fazla nöronla çalıştılar. Ve yalınce tek beyin modeli kurmadılar, onu sayısal tek bedene da bağladılar. OpenWorm’un bağlı beş yılda başaramadığı şeyi, çok daha büyük tek ölçekte yaptıklarını talep ediyorlar.

Peki nasıl?

Eon Systems Ne Yaptı?

Hikayemizdeki birinci kahramanımız: Philip Shiu.

Shiu, UC Berkeley’de doktora sonrası araştırmacıyken FlyWire connectome’unun tamamlanmasını takip etmiş. Ve haritaya bakarken onun gerçekten tek beyni öngörü edip edemeyeceğini meraklı etmiş. Yani bu kablolama şeması yalınce güzel tek atlas mı, yoksa gerçekten “çalışan” tek şey mi?

[Link: Berkeley News — “Researchers simulate an tüm uçan brain bağlı a laptop,” Ekim 2024, news.berkeley.edu]

Shiu, FlyWire verilerini kullanarak yetişkin yemiş sineği beyninin tamamının hesaplamalı tek modelini kurdu. Yöntemi “leaky integrate-and-fire” adı verilen tek nöron modeline dayanıyordu. Yani “sızdıran bütünle-ve-ateşle” modeli şeklinde çevirebiliriz bunu.  Bu, biyofiziksel açıdan en detaylı modeller değil ama büyük ölçekli simülasyonlar için uygulamalı tek yaklaşım. Her nöron aynı ilköğretim denklemle çalışıyordu. Farklılık, bağlantı yapısından geliyordu. Hangi nöron hangi nörona bağlı, bağlantı uyarıcı mı manileyici mi, sinaptik ağırlık ne kadar?

Sonuçları Ekim 2024’te Nature’da yayımlandı. Model, tatlar ve dokunma duyularının uyarılması durumunda hangi motorlar nöronların aktive olacağını yaklaşık yüzde 95 doğrulukla öngörü etti. Shiu’nun ifadesiyle: “Connectome’un nöral aktiviteyi gerçekten öngörü edip edemeyeceği belirsizdi. Ama bağlantı haritasına malik olduğumuz an, her arasında biri nöronun diğerini nasıl tesirlediği netleşmeye başladı.”

[Link: Shiu vücut al. — “A leaky integrate-and-fire computational modeller based bağlı the connectome of the tüm adult Drosophila brain,” Nature, Ekim 2024]

Ve denetim deneyi da çarpıcıydı bu arada. Ekip sinaptik ağırlıkları rastgele karıştırdığında modelin öngörü gücü çöktü. Doğru connectome’la şeker duyusal nöronları uyarıldığında motorlar nöron yüzde 100 simülasyonda aktive oluyordu. Karıştırılmış versiyonda yüzde birin altında kalıyordu. Bu, modelin gerçekten biyolojik kablolama yapısına dayandığını kanıtlayan tek şey. Çünkü rastgele tek ağ aynı şeyi yapamıyordu.

Ama tek sualn vardı. Büyük tek sualn.

Bu beynin tek bedeni yoktu.

Nöronlar ateşliyordu, sinyaller yayılıyordu, motorlar komutlar üretiliyordu ama bu komutların gidecek tek yeri yoktu. Bacak vardı da bizler mi hareket ettirmedik? Duyusal girdi dışarıdan manuel olarak veriliyor, çıktı ise yalınce tek bilgi tablosu olarak okunuyordu. Yani pilotlar kokpitteki tüm düğmelere basabiliyor, ama ortada tek uçak ya da pist yok. Videonun başında gösterdiğim parktaki sinek şimdi dahaaz daha manalı gelmeye başladı değil mi? Çünkü Eon Systems’ın Mart 2026 hazırladığı bu demoda göstermeye çalıştıkları şey bu.

Ekip ikisi şimdiki teknolojiyi Shiu’nun beyin modeliyle birleştirdi. Birincisi MuJoCo. Fizik simülasyonları için kullanılan, Google DeepMind’ın da robotik araştırmalarında yeğleme ettiği tek motor. İkincisi NeuroMechFly v2. Meyve sineğinin biyomekaniğini, eklem yapısını, ayak dinamiklerini, bile görme ve aroma duyularını modelleyen içeriklı tek nöromekanik çerçeve. 

[Link: Wang-Chen, Özdil vücut al. — “NeuroMechFly v2: simulating embodied sensorimotor control içinde adult Drosophila,” Nature Methods, 2024]

Şimdi işte tek ismin altını daha çizmek istiyorum. NeuroMechFly’ın hem birinci hem da sonuncu versiyonunun ilköğretim geliştiricilerinden arasında biri Türk araştırmacı Pembe Gizem Özdil. Kendisi doktorasını bu alanda yapmış. Ama katkısı yalınce platformun yazılım mühendisliğiyle sınırlı değil. Ayrı tek araştırması daha var. Sineğin temizlenme davranışı sırasında baş, anten ve ön bacakların nasıl koordineli hareket ettiğini ve bu koordinasyonun, orta beyin ağları tarafından nasıl yönetildiğini ortaya koyuyor. Bu araştırma, Eon Systems’ın duyurusunda doğrudan atıf verilen üç ilköğretim çalışmadan biri. Yani sayısal sineğin ekranda temizlenme hareketi yapabilmesinin arkasında, o hareketin nöral temellerini çözen tek Türk ilim insanının çalışması da var, as bayrakları 🙂

[Link: Özdil vücut al. — “Centralized brain networks underlie body parçalar coordination during grooming,” bioRxiv, 2024]

Sonuçta Eon’daki araştırmacılar tek geri duyuru döngüsü oluşturmayı başardılar. Sanal ortamdan duyusal girdi sayısal beyne akıyor. Beyin bu girdiyi işliyor, sinyaller 125.000’den fazla nöron ve 50 milyon sinaptik bağlantı boyunca olan yayılıyor. Motor nöronlar aktive oluyor ve komutlar sanal bedene iletiliyor. Beden hareket ediyor. Ve bu hareket yepyeni duyusal girdiler üretiyor. Döngü kapanıyor.

Algıdan eyleme. Eylemden algıya. Sürekli, kesintisiz, öz kendine çalışan tek sistemleri kurmayı başarmışlar. O sinek tek simülasyonda yaşıyor.

[Link: Eon Systems GitHub — fly-brain repository, github.com/eonsystemspbc/fly-brain]

Peki bu nedenler bu kadar önemli? Daha önce kimse bunu yapamadı mı?

Aslında daha önce da sayısal sinekler vardı. Ve sayısal beyin simülasyonları da vardı. Ama hiçbiri ikisini aynı anda yapmamıştı.

Birincisini yapanlar: bedenli ama beyinsiz sistemler kurdular. Google DeepMind ve Janelia Araştırma Kampüsü birlikteki çok tesirleyici tek iş çıkardı. MuJoCo motorunda tek yemiş sineği bedeni oluşturdular ve onu takviyeli öğrenmeyle eğittiler. Ama bu sineğin “beyni” tek asap ağıydı. Biyolojik tek yapı değil, tek optimizasyon algoritmasıydı. Ödül fonksiyonlarıyla eğitilmişti. Yani davranış biyolojiden değil, matematiksel optimizasyondan doğuyordu. Sonuç sinek gibi görünüyordu ama süreç sinek gibi değildi.

İkinci kampta beyinli ama bedensiz sistemler var. Shiu’nun 2024 Nature makalesi kesinlikle buydu. Muhteşem tek beyin modeli çıkardılar, yüzde 95 doğrulukla çalışıyordu, ama çıktılar tek bilgi tablosuna yazılıyordu. Motor nöronlar ateşliyordu ama ayak yoktu. Ve daha önce bahsettiğimiz OpenWorm da buna benzer tek şeydi. 

Eon’un yaptığı şey, bu ikisi kampın arasındaki boşluğu kapattı oldu. Bir biyolojik beynin nöron nöron kopyasını alıp onu bedensel tek simülasyona bağladılar. 

Bir da tamamlanmış farklı tek cepheden gelen tek gelişme daha var. Sandia Ulusal Laboratuvarları’nda Felix Wang ve ekibi, aynı FlyWire connectome’unu alıp Intel’in Loihi-2 adlı nöromorfik çiplerine yüklediler. Nöromorfik derken şunu kastediyorum: bu çipler gelenekselliği işlemciler gibi sıralı komutlar çalıştırmıyor. Beyin gibi çalışıyor. Nöronlar paralel çalışıyor, yalınce yeterlilik hatırlatma biriktiğinde “ateşliyor,” lüzumsiz malumatyi işlemiyor.

[Link: Wang vücut al. — “Neuromorphic Simulation of Drosophila Melanogaster Brain Connectome bağlı Loihi 2,” arXiv, Ağustos 2025]

Tüm bu yapıyı alıp 12 tane Loihi-2 çipine sığdırdılar. Ve bu çipler gelenekselliği malumatsayar simülasyonlarına kıyasla yüzlerce kat daha hızlı çalıştı. Ekip, şeker duyusal nöronlarını uyararak sinyalin ağda nasıl yayıldığını testleri etti ve sonuçlar atıf simülasyonlarla istatistiksel olarak tutarlı çıktı.

Bu ne manaa geliyor? Bir sineğin beyni artık yalınce yazılım olarak değil, beyne benzeyen tek donanım üzerinde da çalışabiliyor. Ve bu donanım, gelenekselliği GPU’lardan çok dahaaz güç tüketiyor. Intel’in en büyük nöromorfik sistemi “Hala Point” 1152 Loihi-2 çipinden oluşuyor ve 1.15 milyar nöron kapasitesine sahip. Yaklaşık tek mikrodalga fırın büyüklüğündeki tek kutuda, 2.600 watt güç tüketiyor. Karşılaştırma etmek istersek insanoğlu beyni yaklaşık 20 watt harcıyor.

[Link: Intel Newsroom — “Intel Builds World’s Largest Neuromorphic System,” 2024]

Yani tek yanda Eon, biyolojik tek beyni yazılımda çalıştırıyor. Öte yanda Sandia, aynı beyni beyne benzeyen tek donanımda çalıştırıyor. 

Fakat unutmayın bu tek sinek beyni. Peki ya daha büyük beyinler?

Eon Systems’ın web sitesinde tek cümle var: “İnsan ölçeğinde sayısal zekâyı gerçekliğe dönüştürmek.” Yani yolda haritaları net. Sinek işini hallettik, şimdi sırada kemirgen beyni var.

[Link: Eon Systems, eon.systems]

Rakamları tek kez daha taraf yana koyalım. Meyve sineği: yaklaşık 140.000 nöron dedik. Fare: yaklaşık 70 milyon nöron. Yani sineğin 500 katından fazla. İnsan: 86 milyar nöron, öngörüen 100 trilyon sinaptik bağlantı. Sineğin 600.000 katından fazla. Nasıl ölçeklendireceksiniz?

Eon’un kurucularından Alex Wissner-Gross bu ölçeklendirme sualnuna çok spesifik tek yanıt vermiş: “Eğer tek sineğin beyni simülasyonda duyusal-motor döngüyü kapatabiliyorsa, kemirgen beyni için sual artık türe özgü değil, ölçeğe özgü.”

Yani iddiaları şu: işte yepyeni tek teknik prensip keşfetmeye lüzum yok. Aynı yaklaşımı çok daha büyük tek ölçekte icra etmek yeterli. Connectome’u beynin haritasını çıkar, modeli kur, sonraları da tek bedene bağla. Bir başka deyişle bu artık yalınce tek mühendislik sualni iddiasındalar.

Ve Eon bu mühendislik sualni üzerinde etkin olarak çalıştığını da söylüyor. İki esas teknolojiler kullanıyorlar. Birincisi “expansion microscopy” diğer genişleme mikroskobu. Temel düşünce şu: beyin dokusunu bedensel olarak büyütüyorsun. Bir hidrojel matris içine yerleştiriyorsun ve suyu emilmesiyle dokular homojen şekilde genişliyor. Böylece normal olan tek ışık mikroskobuyla bile nöronlar arasındaki bağlantıları çözümleyebilecek çözünürlüğe ulaşıyorsun. FlyWire tasarısi elektron mikroskobuyla çalışmıştı. Bu inanılmaz tek çözünürlük ama aynı zamanda inanılmaz yavaş ve pahalı. Expansion microscopy çok daha hızlı ölçeklendirme vaat ediyor.

İkincisi fonksiyonel kayıt. On binlerce saatlik kalsiyum ve voltaj görüntüleme verisi topluyorlar. Kalsiyum görüntüleme, tek nöron ateşlediğinde hücre içindeki kalsiyum konsantrasyonundaki değişimi yakalıyor, bu da nöral aktivitenin dolaylı tek ölçümü. Voltaj görüntüleme ise doğrudan membran potansiyelindeki değişimi izliyor. Yani yalınce bağlantı haritasını değil, canlı dokuda bu bağlantıların nasıl aktive olduğunu da kaydediyorlar.

Bu eleştirel tek nokta. Çünkü sinek beyninde Shiu’nun modeli her arasında biri nöronu aynı ilköğretim denklemle simüle etti. Neydi o? Leaky integrate-and-fire. Ve yüzde 95 doğruluk elde etti. Ama tek kemirgen beyninde ya da insanoğlu beyninde her arasında biri nöronun aynı olduğunu varsayan olasılıkla yetmeyecek. Nöronlar homojen değil. Farklı iyon kanalı dağılımları, farklı elektriksel özellikleri, farklı morfolojileri var. Bu yüzden Eon’un fonksiyonel kayıt verisi topluyor olması önemli, çünkü böylece yalınce kablolamayı değil, her arasında biri devrenin özellik dinamiklerini da yakalamaya çalışıyorlar.

Ama… işte tek “ama” var. Ve bu öyle küçük tek “ama” değil.

Bu sinek simülasyonunun sonuçları “basit tek modeller için gerçekten çok iyi” ama cevabını bilmediğimiz bazı suallar hala olan var. 

Birincisi: biyolojik öğrenme kaideları. Sineğin beyni kopyalandığında, o beynin hayatı boyunca olan edindiği öğrenme, diğer sinaptik plastisite, dondurulmuş tek anlık görüntü olarak aktarılıyor. Ama canlı tek beyin sürekli değişiyor. Sürekli yepyeni bağlantılar kuruyor, önceki bağlantılar zayıflıyor. Emülasyon bu dinamik süreci yakalıyor mu, yoksa yalınce tek fotoğraf karesini mi çalıştırıyor?

[Link: “Notable Progress Has Been Made içinde Whole Brain Emulation,” lesswrong.com]

İkincisi: connectome’un dışında kalan her arasında biri şey ne oalcak? Hormonlar. Nöropeptidler. Glia hücreleri diğer beyindeki nöron olmayan ama nöronların çalışmasını içten tesirleyen hücreler. İnsan beyninde glia hücreleri nöronlardan sayıca fazla. Bunlar sinaptik iletimi düzenliyor, güç metabolizmasını yönetiyor, bile bazı araştırmacılara göre malumat işlemeye doğrudan katılıyor. Bir connectome, beyin haritası bunların hiçbirini içermiyor.

Üçüncüsü: ölçeklendirmenin pratiği. FlyWire connectome’unu ikmal etmek 33 kişi-yıllık tek düzeltme çalışması lüzumtirdi. Bir kemirgen beynine arı ekstrapolasyon yapsan, bu yaklaşık 10.000 kişi-yıl eder. Bu, şimdiki yöntemlerle uygulamalı olarak imkânsız. Yapay zekâ yardımli proofreading hızlanıyor ama insanoğlu müdahalesi olmadan doğruluk yüzde 90 civarında kalıyor ve yüzde 90 doğruluk, 50 milyon sinaptik bağlantıda 5 milyon yanlışlı demek.

Yani Eon adlı bu startup’ın kurucularından Wissner-Gross’un dahaaz önce aktardığım sözündeki o “ölçek sualnu, tür sualnu değil” ifadesi hem doğru hem da dahaaz yanıltıcı. Kavramsal olarak doğru çünkü aynı prensip geçerli gerçekten de. Ama uygulamalı olarak, ölçek sualnunun kendisi çok muazzamlığı tek büyüklükte. Ve ölçek büyüdükçe, connectome’un dışında kalan faktörlerin önemi da katlanarak artıyor.

O yüzden bu başlıkda yaptığım araştırmalardan ve uzmanların kaleme aldığı makalelerden benim çıakrdığım sonuç şu: sinek emülasyonu, beyin yüklemenin mümkün olduğunu bize gösterdi. Ama aynı zamanda, insana giden yolun ne kadar uzunluğu olacağını da gösterdi.

Ve işte hepsi bu noktada, hikayemizi artık bu teknikleri alandan çıkarmak istiyorum biraz, bilimin yanında bilimkurgu zekamızı da işletelim. Çünkü diyelim ki tek gün, olasılıkla bağlı yıl sonra, olasılıkla 50 yıl sonra, tek insanoğlu beyni da aynı şekilde kopyalandı. Dijital ortamda çalıştırıldı. O zamanlar karşımıza yalınce teknolojiyle yanıtlanamayacak tek sual çıkacak değil mi?

O sayısal beyin… uyanık mı?

Kopya mı, Devam mı?

Bunu kavramak için şöyle düşünelim öncelikle. Sizce o sayısal sinek tek şey hissediyor mu?

Muhtemelen birinci tepkiniz “hayır” olacak. Sonuçta bu tek simülasyon. Pikseller ve denklemlerden oluşan tek şey. Ama unutmayın o sineğin davranışını üreten şey tek animasyon yazılımı değil. Gerçek tek biyolojik beynin, nöron nöron yeniden inşa edilmiş tek kopyası. Eğer gerçek tek sineğin beyni ona yürümeyi, temizlenmeyi, beslenmeyi “söylüyorsa” ve bu sayısal kopya aynı sinyalleri, aynı bağlantılar üzerinden, aynı şekilde üretiyorsa… aradaki ayrım kesinlikle nerede?

Bu sual birinci bizim aklımıza gelmedi tabiki. 

“Cogito, ergo sum” değil mi? “Düşünüyorum, öyleyse varım.” René Descartes’a ait bu söz biliyorsunuz. Ne manaa geliyor? Düşünce, zihnin ayrılmaz tek parçası. Bilinç, var olduğunu ayrım etmek. Ama Descartes için zihin bedensel tek yapı, bedenle tesirleşen ama bedene indirgenemeyen tek şey. Peki ya düşünceyi üreten bedensel yapıyı birebir kopyalarsan? Kopya da düşünür mü?

Şimdi günümüze gelelim, David Chalmers diye arasında biri var, kendisi günümüzün en tesirli bilinç felsefecilerinden arasında biri ve bu meseleyi bu kitabında “güç sualn” olarak adlandırdı. Beynin malumat işleme mekanizmalarını açıklamak “basit” sualn. Hangi nöron ateşliyor, hangi bölge aktif, hangi davranış üretiliyor, bunlar teknikleri suallar. Zor olan sualn şu: Neden bu bedensel süreçlere öznel tek tecrübe eşlik ediyor? Neden tek şeyleri “hissetmek” diye tek şey var? Bir malumatsayar aynı hesaplamaları yapabilir ama kırmızıyı “görmek” ne demek, acıyı “hissetmek” ne demek, bunlar hesaplamayla açıklanabilen şeyler mi?

[Link: David Chalmers — “Mind Uploading: A Philosophical Analysis,” consc.net/papers/uploading.pdf]

İşte Chalmers, bu “beyin yükleme” başlıksunda ilginç tek mevki alıyor. Bu arada bir bu “upload” diğer yükleme tanımlamasını da yanıltıcı buluyorum ama neyse Chalmers’a dönecek olursak şöyle diyor: “Eğer bilinç hesaplamalı tek süreçten doğuyorsa diğer önemli olan maddenin kendisi değil, malumat işlemenin organizasyonuysa, o zamanlar prensipte tek yükleme işlemi bilinci koruyabilir.”

Şimdi işleri daha da karmaşık hale getirelim. Diyelim ki gelecekte tek insanoğlu beynini taradık. Her nöronunu, her arasında biri sinapsını, her arasında biri bağlantısını kaydettik. Ve bu veriyi tek malumatsayarda çalıştırdık. Dijital Barış açıldı. Konuşuyor. Hatırlıyor. “Ben Barış’ım” diyor. Ama biyolojik Barış da hâlâ orada. İki Barış var artık.

Biyolojik Barış’ın doğal tepkisi ne olur? “Ben gerçeğiyim, o tek kopya.” Ve olasılıkla çoğumuz buna katılırız değil mi? Ama sayısal Barış da aynı anılarla, aynı kişilik özellikleriyle, aynı “ben” hissiyle uyanmış durumda. Onun perspektifinden, o da gerçek. O da Barış.

Filozof Susan Schneider bu noktada çok daha sivri tek tutum alıyor. Schneider bilincin hesaplamalı tek temeli olduğunu giriş ediyor. Ama yüklemenin kişiyi “hayatta tuttuğu” fikrine karşı çıkıyor. “En iyice ihtimalle,” diyor, “yükleme özgün zihnin tek kopyasını yaratır. Siz hayatta kalmazsınız. Başkaları, özgün kişinin devam ettiği illüzyonunu sürdürebilir. Ama siz, birinci tekil şahıs deneyiminiz, öznel bakış açınız transferleri edilemez. Sıradan bedensel nesneler aynı anda hem işte hem başka mekan olamaz. Bilinç nedenler farklı olsun?”

Yine geldik meşhur Theseus’un Gemisi paradoksuna. Bir geminin tahtalarını tekbaşına tek değiştirirsen, en nihayetinde özgün kurul kalmadığında, bu hâlâ aynı gemiler midir? Eğer nöronlarını birer birer dijitale taşısan, her arasında biri adımda bilinç devam ediyor gibi görünse ve en nihayetinde tamamlanmış sayısal tek beyin elde etsen, bu hâlâ sen misin? Yoksa ayrım etmeden öldün mü ve seçenek “senmişçesine” davranan tek başkası mı geldi?

Yeterince uçtuk, şimdi asıl uçabilen sineğimize geri dönelim.

Bu felsefi sualların tamamı insanoğlu beyni için düşünüldü çünkü. Ama Eon’un demosu bu sualları bugüne, şimdiye taşıdı. Belki tek sinek bilinçli değildir. Belki tek yemiş sineğinin “öznel deneyimi” yoktur. Kesin olan şey bunları bilmediğimiz. Gerçekten bilmiyoruz. Bilincin nereden başladığını tanımlayamıyoruz ki nereden olmadığını söyleyelim. Olle Häggström, beyin emülasyonunun ahlak boyutlarını çözümleme ettiği tek makalesinde hepsi da bunu söylüyor: “Bilinçli olduğu kanıtlanamayan tek emülasyonun bilinçsiz olduğunu da varsayamayız. Ve eğer varsayarsak, eğer yanlışlı tek emülasyon acı çekiyorsa ve bizler bunu görmezden geliyorsak o zamanlar işte vahim tek ahlak sualn var demektir.”

[Link: Olle Häggström — “Aspects of Mind Uploading,” math.chalmers.se]

Bu başlıklarda yine en çok başlıkşan Bostrom ve Metzinger’in uyarıları da bu yönde. Arızalı ya da eksik tek beyin emülasyonu, “yaşayan” ama iletişim kuramayan tek bilinç üretebilir. O yüzden bu ihtimal hayvan emülasyonlarında testleri edilmeli, diyorlar. Ama testleri etmenin kendisi da ahlak olarak sualnli. Çünkü testleri etmek için emülasyonu çalıştırman lüzumiyor. Ve çalıştırdığın an, bilinç olasılığını da çalıştırmış oluyorsun.

İlk sayısal insanoğlu olasılıkla sıfırdan inşa edilmeyecek. Bir yapay zekâ şirketi tarafından tasarlanmayacak. Zaten yaşayan birinden kopyalanacak. Ve o kopyayı “açtığımız” an, o birinci milisaniyede, sayısal nöronlar ateşlenmeye başladığı o birinci anda bize soracağı o birinci sualnun cevabını çoktan öğrenmiş olsak iyice ederiz. Çünkü bizim bile cevabını bilmediğimiz o birinci sual olasılıkla şu olacak:

Ben kimim?