Mükemmel bir “bireyi” nasıl tasarlarsınız? İngiltere Sussex’te bir laboratuvarda bir bilgisayara verilen görev buydu. Bilgisayar büyük bir aday havuzundaki her bir adayı derinlemesine analiz etmeye başladı. Her bir adaya belirli kriterlere göre puan verdi. Asıl görevi bu aday havuzunda birbirine en uygun “eşleri” bulmaktı. Daha sonra bu “eşlerin çiftleşmesini” sağlayarak ortaya çıkacak çocuklar üzerinde çalışmak ve süreci bu şekilde devam ettirmek. Ortaya çıkan her yeni nesil bir öncekinden daha gelişmiş ve daha iyi oluyordu. Bilgisayar kendisine verilen “mükemmel birey” tanımına uygun olarak elindeki nüfustan en iyi bireye yaklaşıyordu.
Ama elindeki adaylar canlı organizmalar değildi. Burada bahsettiğimiz “evrimsel” gelişim bizim bildiğimiz anlamda evrimsel değildi. Aslında bu bilgisayarın çalıştığı aday havuzu bir bilgisayar çipinde bulunan birler ve sıfırlardan oluşuyordu. Bu ilkel, yontulmamış veri kırıntıları silikon hücrelerinde çiftleşirken bilgisayarın ustası Adrian Thompson büyük bir merakla izliyordu.
Dr. Adrian Thompson Sussex Üniversitesi Bilişim Bölümünde çalışan bir araştırmacı ve 1990’larda gerçekleştirdiği bu deney “donanım evrimi” olarak bildiğimiz yeni bir alanda gerçekleştirilen ilk deneylerden biriydi. Donanım evrimi derken de aslında Darwin’in en avantajlı özelliklere sahip bireylerin hayatta kalma ve çoğalma olasılığının nasıl daha yüksek olduğunu anlattığı doğal seçilim ilkesine benzer bir yaklaşımdan bahsediyoruz. Doğal seçilimde de türe avantaj sağlayan özellikler hayatta kalanın çocuklarına aktarılırken daha az kullanışlı özellikler baskılanır.
Andrew Thompson da mikroçip tasarımlarını geliştirmek adına en uyumlunun hayatta kalması ilkesinin kullanılıp kullanılamayacağını öğrenmek için bilgisayar devreleri ile oynuyordu. Testi gerçekleştirmek için bildiğimiz sabit çiplerden biraz farklı olarak dahili yapısı tamamen değiştirilebilen FPGA isimli özel bir çip türü kullanıyordu. Bu esneklik elbette çabuk ısınan ve yavaş bir çip anlamına geliyordu ancak bu esneklik sayesinde de bir modem, ses kartı veya herhangi bir bileşeni üretebiliyordunuz. Sadece doğru yapılandırmayı kurmanız yeterliydi.
Thompson bu çipe çok açık bir görev vermişti: iki tane ses tonu arasındaki farkı anlamak. Binlerce ön programlı mantık bloğu olan bir ses işlemcisi için bu sorun değildi ancak Thompson bu çipin bunu yapacak şekilde “evrilmesini” istiyordu. Thompson bu amaç doğrultusunda sadece on hücre genişliğinde ve on hücre uzunluğunda – yani toplamda 100 mantık kapısından oluşan bir çip kullandı. Ayrıca alışılmışın dışına çıkarak çipteki sistem saatini kaldırdı. Bu, çipin tüm işlemlerini normalde olduğu gibi düzenli aralıklarla yapamaması anlamına geliyordu.
Thompson ilk adım olarak işe koyuldu. Rastgele birler ve sıfırlardan oluşan elli farklı veri grubu hazırladı. Bu veri gruplarını aslında bir DNA gibi düşünebiliriz. Bilgisayar bu dijital DNA’ları sırayla FPGA çipine yükledi ve her birini test etti. Test çok basitti: İki farklı ses tonu çalınıyor ve çipten bu sesleri ayırt etmesi bekleniyordu. İlk denemeler tam bir hüsrandı. Rastgele oluşturulan bu programların hiçbiri işe yaramadı. En iyi sonuç verenler bile o kadar kötüydü ki, bilgisayar aralarından "en iyileri" seçerken neredeyse mikroskopla bakar gibi en ufak farklara bakmak zorunda kaldı.
Genetik algoritma, tıpkı doğada olduğu gibi çalışıyordu: En kötü sonuç verenleri eledi. En iyi sonuç verenlere ise çoğalma şansı verdi. Bu "çoğalma" sürecinde, başarılı programlar birbirleriyle kod parçalarını değiş tokuş etti. Arada bir de bilgisayar, tıpkı doğadaki mutasyonlar gibi, rastgele olarak bazı birleri sıfıra, sıfırları bire çevirerek küçük değişiklikler yaptı.
İlk yüz nesil boyunca pek bir gelişme görülmedi. Bu yeni oluşturulan devreler, başlangıçtaki rastgele atalarından pek de farklı değildi. Ama sonra çip umut verici belirtiler göstermeye başladı. 220. nesile gelindiğinde, FPGA çipi gelen sesi basitçe taklit ediyordu. Bu, istenilen sonuç değildi ama en azından bir ilerleme kaydedildiğini gösteriyordu.
Bu elektronik üreme maratonu devam ettikçe, her yeni nesil bir öncekinden biraz daha iyiye gidiyordu. Gelişmeler çok küçüktü ama sürekli devam ediyordu. 650. nesil civarında çip sonunda 1kHz’lik ses dalgasına karşı bir hassasiyet geliştirmeyi başardı. 1400. nesile gelindiğinde ise çipin başarı oranı yüzde 50’yi geçmişti – yani iki sesten hangisinin çaldığını yarıdan fazla doğru tahmin edebiliyordu. Sonunda, 4000 nesil sonra, test sistemi en iyi programı buldu. Dr. Thompson 1kHz’lik sesi çaldığında, mikroçip hiç şaşmadan voltajı sıfıra düşürüyordu. 10kHz’lik sesi çaldığında ise voltaj hemen beş volta yükseliyordu.
Thompson daha da ileri gitti. Çipten sesli "dur" ve "başla" komutlarına tepki vermesini istedi. Çip birkaç yüz nesil daha evrimleştikten sonra bunu da başardı. Başta tahmin edildiği gibi, doğal seçilim ilkesi işe yaramıştı. Çip, bir insanın kullanacağı kaynakların çok küçük bir kısmını kullanarak özel devreler üretmeyi başarmıştı. Ama işin en ilginç yanı şuydu: Kimse bu çipin nasıl çalıştığını anlayamıyordu.
Dr. Thompson bu mükemmel "çocuğunun" içine bakıp nasıl çalıştığını anlamaya çalıştı. Ama gördükleri karşısında şaşkına döndü. Becerikli çip, elindeki yüz mantık kapısından sadece otuz yedisini kullanıyordu. Bunların çoğu da garip bir şekilde birbirine bağlanmış döngüler oluşturuyordu. Dahası, beş mantık hücresi diğerlerinden tamamen kopuktu. Yani bu hücrelerin çipin çıktısını etkileyecek hiçbir bağlantısı yoktu. Ama işin tuhaf yanı, Thompson bu hücrelerden herhangi birini devre dışı bıraktığında, çip ses tonlarını ayırt etme yeteneğini kaybediyordu.
En şaşırtıcı nokta ise şuydu: Bu başarılı program, aynı tip başka FPGA çiplere yüklendiğinde düzgün çalışmıyordu. Görünüşe göre evrim sadece bu iş için en iyi kodu seçmekle kalmamış, aynı zamanda o özel mikroçipin elektromanyetik özelliklerinden yararlanan programları da desteklemişti. Tek başına duran beş mantık hücresi, çipin çalışması için kesinlikle gerekliydi. Ama bu hücreler ana devre ile alışılmadık bir yöntem kullanarak iletişim kuruyordu. Bu iletişim büyük ihtimalle manyetik akı denilen bir olay sayesinde gerçekleşiyordu. Manyetik akı, elektronlar devreden geçerken oluşan küçük manyetik alanların yarattığı bir etki.
Çip başka bir sıra dışı özellik daha gösteriyordu. Normal çipler sadece transistörlerin AÇIK ve KAPALI durumlarını kullanır – yani ya siyah ya da beyaz. Ama bu çip, dijital siyah ve beyazın yanında, analog gri tonlarından da yararlanıyordu. Bugün araştırmacılar, evrimleşen devrelerin gerçek dünyadaki potansiyelini yeni yeni keşfetmeye başlıyor. Mühendisler, evrimleşebilen çipleri normal ekipmanlarla birleştirerek temel "uyarlanabilir donanım sistemleri" üzerinde çalışıyor. Bu melez sistemler, kontrol kodlarını sürekli evrimleştirip değiştirerek yeni isteklere hızla uyum sağlıyor.
Uzay araştırma sektörü bu teknolojiye büyük ilgi gösteriyor. Çünkü evrimleşen bir sistem, radyasyondan zarar görmüş devreleri kendini yeniden programlayarak devre dışı bırakabilir. Bu da ağır koruyucu kalkanlar ve yedek sistemlere olan ihtiyacı azaltabilir. Benzer şekilde, araştırmacılar robotların da bir gün evrim benzeri sistemler kullanabileceğini düşünüyor. Böylece robotlar, çevrelerinde karşılaştıkları beklenmedik engellere hızla uyum sağlayabilecek.
Modern süper bilgisayarlar da yapay evrime katkıda bulunuyor. Bu bilgisayarlar, muazzam işlem güçlerini kullanarak sanal prototipler geliştiriyor. İlk tasarımlar özenle hazırlanmış sanal ortamlarda detaylıca test ediliyor. En iyi adaylar seçilip, tatmin edici bir çözüm bulunana kadar yeni nesiller üretiliyor. Son nesil tasarımlar daha sonra gerçek dünyada üretilip test ediliyor. NASA yakın zamanda bu yöntemi bir uzay aracının antenini üretmek için kullandı. Ortaya çıkan tasarımlar gösterişli ama işlevseldi. Bu antenler canlı organizmalara benzer şekiller aldı – bir mühendisin ancak halüsinasyon görürken tasarlayabileceği türden şekiller!
Bilim insanları gelecekte genetik algoritmaları motorlar ve roketler gibi karmaşık cihazları geliştirmek için kullanmayı umuyorlar. Ama bunun için önce çok hassas simülasyonların geliştirilmesi gerekiyor. Bu evrimsel bilgisayar sistemleri, karmaşık sorunlara zarif çözümler üretirken neredeyse bir çeşit bilinç gösteriyor gibi görünebilir. Ama bu zeka yanılsaması aslında bir aldatmaca. Çünkü sistem tarafından test edilen tasarım çeşitlerinin büyük çoğunluğu – ki bunların çoğu görev için korkunç derecede yetersiz – hiç gösterilmiyor.
Günümüzdeki bilgiye göre, en gelişmiş mikroçipler bile gerçek bir zekayı barındırmak için gereken kaynakların çok uzağında. Öte yandan, bir zamanlar birçok mühendis, sistem saati olmayan 10×10’luk bir FPGA çipinin iki farklı ses tonunu ayırt etmesinin imkansız olduğunda ısrar ederdi. Bu anlaşılmaz sistemlere bir gün insan hayatının bağlı olması düşüncesi etik bir ikilem de yaratıyor. Endişelerden biri, tıbbi bir sistemde veya uçuş kontrol programında uyuyan bir "genin" aniden kendini göstermesi ve sistemin beklenmedik şekilde çılgınca davranması ihtimali.
Benzer şekilde, iyi tanımlanmamış kriterler, kendi kendine uyum sağlayan bir sistemin verimliliği artırma çabasıyla tehlikeli seçenekleri denemesine ve insan hayatını tehlikeye atmasına yol açabilir. Bu risklerin önlenip önlenemeyeceğini ancak zaman ve testler gösterecek. Eğer evrimleşebilen donanım bu sınavı geçerse, Sussex’teki devreler yeni bir bilgisayar türünün önünü açabilir. Yeterince donanımlı bir FPGA çipi ve birkaç bin genetik materyal değişimi ile, bu genç ve esnek mikroçiplerin yapamayacağı çok az hesaplama işi kalacak.
Günümüzün bilgisayarları önceden programlanmış talimatları kullanarak tahmin edilebilir sorunları çözüyor. Ama bu uyarlanabilir alternatifler bir gün bu sınırları aşabilir. Belki de insan aklının tek başına düşünmekte zorlandığı – ya da düşünemediği – zarif çözümleri ortaya çıkarabilir.
