Yüksek lisans öğrencisi Nikasha Patel ’22, bebeklerin yürümeyi nasıl öğrendiğine dair hesaplamalı bir model oluşturmak için yapay zekayı kullanıyor; bu, robotların benzer şekilde motor beceriler kazanmasına yardımcı olabilir.
Takviyeli öğrenme ve motor öğrenmenin kesiştiği noktada yer alan araştırması, beyni ve insan bilişini incelemek için bilgisayar bilimindeki araç ve teknikleri kullanıyor.
Patel, Kurs 6-9’un sunduğu esneklikten etkilendi; bu ona beyin ve bilişsel bilimler ana dalından (Kurs 9) ve bilgisayar bilimi ana dalından (Kurs 6) çeşitli dersler almasına olanak sağladı. Örneğin, aynı anda hem sinirsel hesaplama hem de algoritmalar üzerine bir ders aldı; bu, şu anda araştırmasında kullanmakta olduğu beyin bilimine yönelik bazı hesaplamalı yaklaşımları daha iyi anlamasına yardımcı oldu.
Geçtiğimiz baharda lisans derecesini aldıktan sonra Patel, 6-9 yüksek lisans programına kaydoldu ve şu anda hesaplama ve biliş alanında doktorasına devam ediyor. Doktora başlangıçta onun radarında olmasa da karma anadal gözlerini disiplinler arası araştırmalardaki benzersiz fırsatlara açtı. Gelecekte motor kontrolünü ve beynimizin hareket için kullandığı hesaplamalı yapı taşlarını incelemeyi umuyor.
“MIT’deki deneyimlerime dönüp baktığımda, Course 6-9’da olmak beni gerçekten bu ana getirdi. Dünyayı tek bir mercekten düşünemezsiniz. Bu karmaşık sorunları birlikte çözebilmek için her iki bakış açısına da sahip olmanız gerekiyor” diyor.
Disiplinleri harmanlamak
Beyin ve Bilişsel Bilimler Bölümü Kursu 6-9, MIT Schwarzman Bilgisayar Koleji’nin sunduğu dört karma ana daldan biridir. Ana dalların her biri, Elektrik Mühendisliği ve Bilgisayar Bilimleri Bölümü ve farklı bir MIT departmanı tarafından ortaklaşa sunulmaktadır. Ders 6-7, Bilgisayar Bilimi ve Moleküler Biyoloji, Biyoloji Bölümü bünyesinde verilmektedir; Ders 6-14, Bilgisayar Bilimi, Ekonomi ve Veri Bilimi, İktisat Bölümü ile birlikte verilmektedir; ve Ders 11-6, Bilgisayar Bilimleri ile Kent Bilimi ve Planlama, Kent Çalışmaları ve Planlama Bölümü bünyesinde verilmektedir.
Her ana dal, öğrencilere kodlama, algoritmalar ve etik yapay zeka gibi hesaplamalı temeller konusunda sağlam bir temel sağlamak ve onları alandaki araçları ve içgörüleri kullanarak nörobiyoloji, ekonomi veya kentsel tasarım gibi farklı alanlardaki zor problemlerle başa çıkmaları için donatmak üzere tasarlanmıştır.
Tamamı 2017 ve 2019 yılları arasında başlatılan dört ana dal hızla büyüdü ve şu anda yaklaşık 360 lisans öğrencisini, yani MIT’nin toplam lisans kayıtlarının kabaca yüzde 8’ini kapsıyor.
Birçok disiplinde, geleneksel olarak bilgisayar bilimi ile ilişkilendirilmeyenler de dahil olmak üzere üretken yapay zeka ve makine öğrenimine bu kadar odaklanıldığında, karma dalların ve özellikle Ders 6-9’un bu kadar hızlı büyümesi, doçent Mehrdad Jazayeri için sürpriz değil. Kurs 6-9, 40 öğrenciyle başladı ve o zamandan beri kayıt sayısını dört katına çıkardı.
Aynı zamanda Bölümün eğitim direktörü olan Jazayeri, MIT’ye gelen pek çok öğrencinin makine öğrenimi araç ve tekniklerine hayran olduğunu, dolayısıyla bu becerileri nörobiyoloji gibi bir alanda kullanma fırsatının, çeşitli ilgi alanlarına sahip öğrenciler için harika bir fırsat olduğunu söylüyor.
“Endüstri ve teknolojideki yeni gelişmelerin ve anlayışların büyük ölçüde hesaplama gücüne bağlı olacağı oldukça açık. İnsan zihniyle ilgili alanlar, nörodejeneratif hastalıkların incelenmesinden çocuk gelişimi araştırmalarına, pazarlamanın insan ruhunu nasıl etkilediğini anlamaya kadar bundan farklı değil” diyor.
Tıbbı geliştirmek için hesaplama
Biyolojik araştırmalarda etki yaratmak için bilgisayar biliminin gücünü kullanmak, kıdemli Charvi Sharma’ya Kurs 6-7’de uzmanlaşmaya ilham verdi.
Genç yaşlardan itibaren tıpla ilgilenmesine rağmen, hesaplamanın tıbbi bakımda oynayabileceği rolü MIT’ye gelene kadar keşfetmeye başladı.
Üniversiteye hem bilgisayar bilimi hem de biyoloji ilgi alanıyla gelen Sharma, çift ana dal yapmayı düşündü; ancak çok geçmeden kendisini asıl ilgilendiren şeyin iki disiplinin kesişimi olduğunu fark etti ve Kurs 6-7 mükemmel bir tercih olarak gözüktü.
Tıp fakültesine gitmeyi planlayan Sharma, MIT’nin Koch Kanser Araştırma Enstitüsü’nde lisans araştırmacısı olarak yaptığı çalışmalarla bilgisayar bilimi ve tıbbın iç içe geçtiğini düşünüyor. Kendisi ve diğer araştırmacıları, sinyal yollarının, bir hücrenin hücre döngüsü durmasından kaçma yeteneğine veya bir hücrenin DNA hasarından sonra bölünmeye devam edememesine nasıl katkıda bulunduğunu anlamaya çalışıyor. Çalışmaları sonuçta kanser tedavilerinin iyileştirilmesine yol açabilir.
Bilgisayar bilimi dersleriyle geliştirdiği veri bilimi ve analiz becerileri, araştırmasının sonuçlarını anlamasına ve yorumlamasına yardımcı oluyor. Aynı becerilerin doktor olarak gelecekteki kariyerinde de faydalı olmasını bekliyor.
“Tıpta kullanılan araçların çoğu, biraz teknoloji bilgisi gerektiriyor. Ancak bilgisayar bilimi temelim aracılığıyla öğrendiğim teknik becerilerden çok, hesaplamalı zihniyetin (problem çözme ve örüntü tanıma) bir doktor olarak tedavi ve tanı koymada inanılmaz derecede yardımcı olacağını düşünüyorum” diyor.
Daha iyi şehirler için yapay zeka
Biyoloji ve tıp, makine öğreniminin giderek artan bir rol oynadığı alanlar iken, kentsel planlama da hızla büyük verilere ve yapay zeka kullanımına bağımlı hale gelen başka bir alandır.
Hesaplamanın kentsel planlamayı nasıl geliştirebileceğini öğrenmek isteyen kıdemli Kwesi Afrifa, karma ana dal olan Kurs 11-6, şehir bilimleri ve bilgisayar bilimi ile planlama hakkında okuduktan sonra MIT’ye başvurmaya karar verdi.
Yaklaşık 5,5 milyon kişinin yaşadığı, hızla büyüyen ve genişleyen bir metropol alanının ortasında yer alan Ganya’nın başkenti Akra’da büyüyen deneyimleri, Afrifa’yı, verilerin kentsel ortamları, onları daha yaşanabilir hale getirecek şekilde şekillendirmek için kullanılabileceğine ikna etti.
Kurs 6’daki yazılım mühendisliği ve veri bilimi gibi temel bilgilerin, kentsel planlamanın eşitlik ve çevre yönetimi gibi önemli kavramlarıyla birleşimi, yapay zeka destekli yazılım araçlarını etik bir şekilde oluşturmak için topluluklarla çalışmanın önemini anlamasına yardımcı oldu.
“Biz sadece MIT’den gelip insanlara ne yapmaları gerektiğini söyleyen akıllı mühendisler olamayız. Bunun yerine, toplulukların karşılaştıkları sorunlar hakkında bilgi sahibi olduğunu ve teknoloji ve planlamadan elde edilen araçların, gelişimlerini kendi yöntemleriyle geliştirmenin bir yolu olduğunu anlamamız gerekiyor” diyor.
Lisans öğrencisi bir araştırmacı olarak Afrifa, yaya etki analizine yönelik araçlar üzerinde çalışıyor ve bu ona mekansal analiz ve haritalama gibi planlama fikirlerinin ve bilgisayar bilimindeki yazılım mühendisliği tekniklerinin birbirini nasıl geliştirebileceğini gösterdi.
Sonuçta, yarattığı yazılım araçlarının planlamacıların, politika yapıcıların ve topluluk üyelerinin mahalleleri, kasabaları ve şehirleri yeniden şekillendirmede daha hızlı ilerleme kaydetmelerine olanak tanıyacağını ve böylece orada yaşayan ve çalışan insanların ihtiyaçlarını karşılayacağını umuyor.
Kaynak: MIT
