YAP203

Mühendislik Fakültesi \ Yapay Zeka Mühendisliği

3

6

Zorunlu

Türkçe

-

Yapay Zeka Mühendisliği Lisans Programı

Sinir sisteminin evrimi ve zekanın kökenleri; nöronlar ve nöral devreler; nöral kodlama; farklı zaman ölçeklerinde bilgi işleme; stokastik rezonans; yapısal ve işlevsel beyin ağları; öğrenme ve sinaptik plastisite, pekiştirme mekanizmaları ve nöromodülasyon; öngörücü kodlama; belirsizlik altında zeka; beynin işleyişine dinamik sistemler yaklaşımı; bedenlenmiş zeka; kolektif zeka ve sürü zekası, karmaşık adaptif sistemler; biyolojik ve yapay zekanın karşılaştırılması.

Ders Kitapları:
- Augustine, G. J., Groh, J. M., Huettel, S. A., LaMantia, A.-S., White, L. E., & Purves, D. (Eds.) (2023). Neuroscience (7. baskı). Oxford University Press.
- Rosenbaum, R. (2024). Modeling neural circuits made simple with Python. The MIT Press.
- Hwu, T. J., & Krichmar, J. L. (2022). Neurorobotics: Connecting the brain, body, and environment. The MIT Press.

Yardımcı Kaynaklar:
- Aboitiz, F. (2024). A history of bodies, brains, and minds: The evolution of life and consciousness. The MIT Press.
- Gordon, D. M. (2023). The ecology of collective behavior. Princeton University Press.
- Griffiths, T. L., Chater, N., & Tenenbaum, J. B. (2024). Bayesian models of cognition: Reverse engineering the mind. The MIT Press.
- Sporns, O. (2010/2016). Networks of the brain. The MIT Press.

Bu dersin amacı, zekanın biyolojik temellerini ve sinir sistemindeki bilgi işleme mekanizmalarını tanıtmak; öğrenme, karar verme ve adaptasyon gibi temel süreçleri biyolojik zeka bağlamında ele almak; beynin işleyişini ağlar ve dinamik sistemler perspektifinden incelemek ve bu mekanizma ve yaklaşımların yapay zeka sistemleriyle ilişkisini kurmaktır. Ders ayrıca biyolojik ve yapay zekanın benzerliklerini, farklılıklarını ve sınırlarını tartışarak öğrencilere zeka kavramına disiplinlerarası bir bakış açısı kazandırmayı amaçlamaktadır.

1. Sinir sisteminin evrimi ve zekanın ortaya çıkışını, enerji, bağlantı ve hesaplama kısıtları çerçevesinde açıklayabilir.
2. Nöral bilgi işleme mekanizmalarını kavramsal düzeyde açıklayabilir ve yapay sistemlerle karşılaştırabilir.
3. Biyolojik ve yapay zeka sistemlerini ağ temelli yaklaşımlar ve dinamik sistem perspektifinden tartışabilir.
4. Beyinde öğrenme ve uyum süreçlerini açıklayabilir ve bu süreçleri yapay zeka sistemlerindeki öğrenme yaklaşımlarıyla karşılaştırabilir.
5. Belirsizlik altında çıkarım ve karar verme süreçlerini açıklayabilir ve bu süreçlerin yapay zeka sistemlerinde nasıl modellenebileceğini tartışabilir.
6. Zekayı organizma-çevre etkileşimi ve çoklu ajan etkileşimleri çerçevesinde sistem düzeyinde açıklayabilir.
7. Karmaşık ve adaptif sistemlerin temel özelliklerini açıklayabilir ve bu özelliklerin nasıl ortaya çıktığını yorumlayabilir.
8. Biyolojik ve yapay zeka sistemlerini temsil, öğrenme, genelleme ve esneklik açısından karşılaştırabilir.

1. Hafta: Sinir sistemin evrimi ve zekanın kökenleri: Biyolojik kısıtlar altında bir adaptasyon olarak zeka
2. Hafta: Beynin donanımı: nöronlar, sinaptik iletim, devreler, ağ motifleri ve 20 Watt’lık biyolojik hesaplama
3. Hafta: Nöral kodlama ve gürültünün rolü: Oran ve zamansal kodlama, popülasyon temsilleri ve stokastik rezonans
4. Hafta: Beyin ağlarının mimarisi: Yapısal ve işlevsel bağlantısallık
5. Hafta: Öğrenmenin mekanizması: Plastisite, pekiştirme dinamikleri ve nöromodülasyon
6. Hafta: Çoklu zaman ölçeklerinde bilgi işleme: Aksiyon potansiyelleri, osilasyonlar ve bellek süreçleri
7. Hafta: Öngörücü kodlama, hiyerarşik bilgi işleme ve Bayesçi çıkarım
8. Hafta: Belirsizlik altında çıkarım ve karar verme: Biyolojik ve yapay sistemlerde kontrol mekanizmaları
9. Hafta: Bir dinamik sistem olarak beyin: Çekici dinamikleri, kararlılık ve çoklu kararlılık
10. Hafta: Bedenlenmiş zeka: Algı-eylem döngüsü ve beyin–beden–çevre sistemleri
11. Hafta: Kolektif zeka ve karmaşık adaptif sistemler: Basit kurallardan karmaşık davranışlara
12. Hafta: Biyolojik ve yapay zeka: Benzerlikler, farklılıklar ve sınırlar