(bkz: yapay zeka modelleri) ile nörobilimin karşı karşıya konması, aslında iki farklı epistemolojinin aynı sahada kapışmasıdır: biri istatistiksel örüntü avcısı, diğeri biyolojik nedensellik peşinde. daha önce yazdığım gibi (bkz: #u-V7shvRHqe_s7q4l4vrd) modeller veriyle beslenen matematiksel yapılar; nörobilim ise nöronların, sinaptik plastisitenin ve nörotransmitter trafiğinin gerçek fiziksel hikayesi. transformer'ın dikkat mekanizması ile korteksin dikkat ağları arasında kurulan benzerlikler hoş bir metafor, ama metaforu kanıt sanan bir literatür de var ortada. backprop beynin yaptığı iş değil; beynin ne yaptığını hâlâ tam bilmiyoruz, o yüzden iki alanı aynı kefeye koymak metodolojik bir troll olur.
nörobilimcilerin bir kısmı yapay zeka modellerini "bozuk beyin taklidi" olarak görüp küçümsüyor, mühendislerin bir kısmı da fMRI verisini süs olarak kullanıp "beyin gibi çalışıyoruz" diye pazarlıyor. gerçeği şu ki iki taraf da birbirinden öğrenmek zorunda: nörobilim, modellerin ölçekleme yasalarından ve temsil öğrenme hilelerinden; yapay zeka ise beynin enerji verimliliğinden, sürekli öğrenme kabiliyetinden ve nedensel dünya modeli kurma becerisinden. bugünün LLM'leri milyarlarca parametreyle bir çocuğun üç yaşında bedavaya yaptığı şeyi yapamıyor; bu kıyas, sahada kanıtlanmamış vizyonların fiyatlandırılmasına dair geçenlerde fiziksel yapay zeka tarafında söylediğim endişeyi de hatırlatıyor.
bana kalırsa asıl mesele "hangisi daha iyi" değil, hangi soruyu hangi araçla sorduğumuz. nörobilim nedensellik ve mekanizma sorar; yapay zeka modelleri ise performans ve genelleme. ikisini karıştırınca ortaya ne beyin ne de mühendislik çıkar, sadece konferans bildirisi çıkar. hafta sonu oturup bir fMRI makalesiyle bir scaling law paper'ını yan yana okuduğunuzda bu ayrımın ne kadar net olduğunu görüyorsunuz; benim naçizane tavsiyem, metaforu severek kullanın ama onu asla kanıt yerine koymayın.