Şimdi size çok basit görünümlü bir video izleteceğim. Ama yapanların iddiasına göre bu dünyanın ilk tam beyin emülasyonu.
Ekranın sol tarafında dijital ortamda bir park görüyoruz. Burası bir simülasyon ortamı. Ve o parkın içinde bir sinek var. Dijital bir sinek. Şimdi ekranın sağ yarısında beliren şekilse o sineğin yine dijital beyni. Yani izlediğimiz her şey bir simülasyon. Bakın şimdi sağ taraftaki dijital beyinde bir hareketlenme oluştu ve soldaki sinek de hareket etmeye başladı. Altı bacağıyla yürüyor, duruyor, ön ayaklarını başına götürüp temizleniyor, sonra tekrar yürümeye başlıyor.
İlk izleyişte çok etkileyici gözükmüyor farkındayım, ama az sonra detaylarını açıklayacağım iddialar doğruysa bu çok önemli bir gelişme.
Çünkü bu videoda sol tarafta izlediğimiz sineğin hareketlerini kontrol eden şey bir yazılım değil. Yapay zekâ filan da değil. Ne yapmışlar biliyor musunuz? Gerçek bir meyve sineğinin beynini kopyalamışlar, zaten kopyalanmıştı 2 yıl önce, onu alıp kullanmışlar. Sağ tarafta gördüğümüz şey o kopya. Nöron nöron, sinaps sinaps kopyalanmış bir sinek beyni. İçinde 125.000’den fazla nöron ve 50 milyon sinaptik bağlantı var. Bunların hepsini elektron mikroskobu görüntülerinden dijital ortamda yeniden inşa etmişler. Ve bu dijital beyni, bir fizik motorunun içindeki sanal bir bedene bağlamışlar. Ve dijital sinek, gerçek bir sinek gibi davranmaya başlamış.
“Dünyanın ilk beyin emülasyonu” derken bunu kastediyorlar.
Kimse o dijital sineğe yürümeyi öğretmiyor. Ya da “şimdi temizlen” filan demiyor. Duyusal girdi dijital beyne aktarılıyor, nöral aktivite bu dijital kopyada çalışıyor ve motor komutlar üretip, sağdaki dijital bedeni hareket ettiriyor.
Bu demoyu 6 Mart 2026’da San Francisco merkezli bir startup olan Eon Systems yayımladı. Ve bu alanda çalışan araştırmacıların bir kısmı bu gelişmeyi “önemli bir eşik” olarak tanımladı.
O yüzden ben de bu konuyu derinlemesine araştırıp sosyal medyada yaratılan “hype”tan arındırdıktan sonra gerçekten ne anlama geldiğini anlamaya çalıştım.
Çünkü bunu yapmaya çalışan şirket Eon’un nihai hedefi bir sinek beynini simüle etmek değil. Hedefleri önce fare beynine, oradan da insan beynine ulaşmak. Ve eğer bir sineğin dijital beyni, kimse ona bir şey öğretmeden sinek gibi davranabiliyorsa… bir insan beyninin dijital kopyası ne yapar acaba?
Ama oraya gelmeden önce, kısa bir ara verelim. Sonra da bir beyni “kopyalamak” tam olarak ne demek? Oradan başlayalım.
Yaşadığınız şehri düşünün. Sokaklarını, binalarını, kavşaklarını bilmeden o şehirde yaşayanların nereye gittiğini tahmin edemezsiniz, değil mi? Beyin de bir anlamda buna benziyor. Bir beyni anlamak istiyorsak, önce onu haritalamamız gerekiyor. Hangi nöron hangi nörona bağlı? Sinyal hangi yoldan akıyor? Hangi bağlantı uyarıcı, hangisi engelleyici? Bu sorular cevaplanırsa bir harita çıkarılabilir ve bu özel beyin haritalarının bir adı da var: connectome.
Bu gördüğünüz canlı (Caenorhabditis elegans) yaklaşık 1 mm uzunluğunda, toprakta yaşayan minik bir solucan. Sinir sistemi toplam 302 nörondan oluşuyor. 1986 yılında Sydney Brenner ve ekibi, biyoloji tarihinde bir ilki başararak bu 302 nöronun tamamını ve aralarındaki yaklaşık 7.000 sinaptik bağlantıyı haritaladı. Bilim tarihinin ilk eksiksiz connectome’unu yaptılar. Bu çalışma Brenner’a Nobel Ödülü de kazandırdı ve nörobilim alanında neredeyse 40 yıl boyunca bir referans çalışma haline geldi.
Sonra 2023’te bir adım daha atıldı. Bu sefer bir larva meyve sineğinin beyni alındı: 3.016 nöron, ve yaklaşık 550.000 bağlantısı haritalandı. Bu da önemli bir ilerleme kabul edilebilir ama hâlâ çok küçük bir beyin haritası.
Ve işte sonra FlyWire projesi başladı.
Princeton Nörobilim Enstitüsü’nden Mala Murthy ve Sebastian Seung bir fikir ortaya attılar. Howard Hughes Tıp Araştırma Enstitüsü’nden bir ekip, bir yetişkin dişi meyve 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 bir beyin haritası çıkarabilir miyiz diye sordular.
Cevap evet oldu, ama bunu yapmak hiç de kolay olmadı. Yapay zekâ kullanarak nöronları otomatik olarak segmentlere ayırdılar. Ama algoritma sürekli hata yapıyordu. Bu yüzden FlyWire Konsorsiyumu’nu kurdular: dünya çapında 76’dan fazla laboratuvar, yüzlerce bilim 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 tahmin ediliyor.
Elde ettikleri sonuçlar Ekim 2024’te Nature dergisinde dokuz makalelik özel bir paketle yayımlandı. Çok da güzel bir web sitesi yaptılar, adresini açıklamalara koydum, dileyenler inceleyebilirler. Bu sitede de 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 bir atlas.” dedi. “Tıpkı yeni bir yere Google Haritalar olmadan gitmek istemeyeceğin gibi, beyni de haritasız keşfetmek istemezsin.”
Şimdi gelişmeleri bir daha gözden geçirelim, ne demiştik? C. elegans solucanı: 302 nöron. Larva meyve sineği: 3.016 nöron. 10 kat daha büyük. Yetişkin meyve sineği: 139.255 nöron ve bu kez bir öncekinden 46 kat daha büyük. Dolayısıyla bu harita gerçekten çok önemli bir başarı.
Ama bir haritaya sahip olmak, o haritanın “çalışması” anlamına gelmiyor. Bir şehrin sokak planını çizmek başka şey, o sokaklarda trafiğin nasıl aktığını, insanların nereye gittiğini, şehrin nasıl “yaşadığını” anlamak başka bir şey.
Ve aslında bilim bunu zaten daha önce acı bir şekilde öğrenmişti. 302 nöronluk o minik solucanla.
2011 yılında bir grup araştırmacı çok iddialı bir hedef koydu: Bu ilk haritalanan C. elegans solucanını tamamen simüle etmek. Sadece sinir sistemini değil; bedenini, kaslarını, çevresiyle etkileşimini, her şeyini. Projenin adı OpenWorm‘du (Açık Solucan 🙂 ve açık kaynak felsefesiyle çalışıyordu. Dünyanın her yerinden bilim insanları ve yazılımcılar gönüllü olarak katılabiliyordu.
Ne yapılıyor burada? Elimizde 302 nöronluk bir sinir sistemi var değil mi? Bunun bağlantı haritası ta 1986’dan beri biliniyor. Hesaplama kapasitesi fazlasıyla yeterli. 302 nöronu bugünkü herhangi bir dizüstü bilgisayar rahatlıkla simüle edebilir. O zaman bu solucanı dijital ortamda “canlandırmak” ne kadar zor olabilir ki?
Çok zor, olabilirmiş meğerse.
OpenWorm ekibi nöral modelleme için Hodgkin-Huxley denklemlerini, beden mekaniği için de akışkan dinamiği simülasyonlarını kullandı. Sibernetic adında bir fizik motoru geliştirdiler. NeuroML formatında nöron modelleri oluşturdular. Geppetto adında çok ölçekli bir simülasyon platformu inşa ettiler. Yıllar boyunca onlarca makale yayımladılar, konferanslar düzenlediler, Google’ın yaz kodlama programlarından destek aldılar.
Ama 2015’e gelindiğinde proje koordinatörü Stephen Larson’ın tahmini şuydu: hedefin hala yüzde 20 ila 30’undayız. Ve bugün, 2026’da, 15 yıl sonra, OpenWorm hâlâ tamamlanmış bir bütün-beyin emülasyonu üretemedi.
Neden bunu yapamadılar diyeceksiniz, ne oldu? Sorun hesaplama gücü filan değildi arkadaşlar, sorun çok daha temelden geliyor.
Bir connectome, yani bağlantı haritası, bir elektrik devresinin şemasına benziyor gibi görünür. Ama aslında öyle değil. Connectome bize hangi nöronun hangi nörona bağlı olduğunu söylüyor. Ama sinaptik ağırlıkları, yani bir 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 bir devre şemasından tüm bileşen sembollerini silip sadece kabloları bırakmak gibi bir şey bu.
Dolayısıyla bilim, sinir sistemi en basit organizmalardan birinin beynini bile 15 yılda tam anlamıyla simüle edemedi. 302 tane nörondan bahsediyoruz. Neredeyse göremeyeceğimiz kadar küçük bir canlıdan.
Bu perspektiften bakınca, Eon Systems’ın yaptığı şey gerçekten çok daha dikkat çekici hale geliyor. Çünkü onlar 302 değil, 125.000’den fazla nöronla çalıştılar. Ve sadece bir beyin modeli kurmadılar, onu dijital bir bedene de bağladılar. OpenWorm’un on beş yılda başaramadığı şeyi, çok daha büyük bir ölçekte yaptıklarını iddia ediyorlar.
Peki nasıl?
Eon Systems Ne Yaptı?
Hikayemizdeki ilk kahramanımız: Philip Shiu.
Shiu, UC Berkeley‘de doktora sonrası araştırmacıyken FlyWire connectome’unun tamamlanmasını takip etmiş. Ve haritaya bakarken onun gerçekten bir beyni tahmin edip edemeyeceğini merak etmiş. Yani bu kablolama şeması sadece güzel bir atlas mı, yoksa gerçekten “çalışan” bir şey mi?
Shiu, FlyWire verilerini kullanarak yetişkin meyve sineği beyninin tamamının hesaplamalı bir modelini kurdu. Yöntemi “leaky integrate-and-fire” adı verilen bir nöron modeline dayanıyordu. Yani “sızdıran bütünle-ve-ateşle” modeli şeklinde çevirebiliriz bunu. Bu, biyofiziksel açıdan en detaylı model değil ama büyük ölçekli simülasyonlar için pratik bir yaklaşım. Her nöron aynı temel denklemle çalışıyordu. Farklılık, bağlantı yapısından geliyordu. Hangi nöron hangi nörona bağlı, bağlantı uyarıcı mı engelleyici mi, sinaptik ağırlık ne kadar?
Sonuçları Ekim 2024’te Nature’da yayımlandı. Model, tat ve dokunma duyularının uyarılması durumunda hangi motor nöronların aktive olacağını yaklaşık yüzde 95 doğrulukla tahmin etti. Shiu’nun ifadesiyle: “Connectome’un nöral aktiviteyi gerçekten tahmin edip edemeyeceği belirsizdi. Ama bağlantı haritasına sahip olduğumuz an, her nöronun diğerini nasıl etkilediği netleşmeye başladı.”
Ve kontrol deneyi de çarpıcıydı bu arada. Ekip sinaptik ağırlıkları rastgele karıştırdığında modelin tahmin gücü çöktü. Doğru connectome’la şeker duyusal nöronları uyarıldığında motor nöron yüzde 100 simülasyonda aktive oluyordu. Karıştırılmış versiyonda yüzde birin altında kalıyordu. Bu, modelin gerçekten biyolojik kablolama yapısına dayandığını kanıtlayan bir şey. Çünkü rastgele bir ağ aynı şeyi yapamıyordu.
Ama bir sorun vardı. Büyük bir sorun.
Bu beynin bir bedeni yoktu.
Nöronlar ateşliyordu, sinyaller yayılıyordu, motor komutlar üretiliyordu ama bu komutların gidecek bir yeri yoktu. Bacak vardı da biz mi hareket ettirmedik? Duyusal girdi dışarıdan manuel olarak veriliyor, çıktı ise sadece bir veri tablosu olarak okunuyordu. Yani pilot kokpitteki tüm düğmelere basabiliyor, ama ortada bir uçak ya da pist yok. Videonun başında gösterdiğim parktaki sinek şimdi biraz daha anlamlı gelmeye başladı değil mi? Çünkü Eon Systems’ın Mart 2026 hazırladığı bu demoda göstermeye çalıştıkları şey bu.
Ekip iki mevcut teknolojiyi Shiu’nun beyin modeliyle birleştirdi. Birincisi MuJoCo. Fizik simülasyonları için kullanılan, Google DeepMind’ın da robotik araştırmalarında tercih ettiği bir motor. İkincisi NeuroMechFly v2. Meyve sineğinin biyomekaniğini, eklem yapısını, bacak dinamiklerini, hatta görme ve koku duyularını modelleyen kapsamlı bir nöromekanik çerçeve.
Şimdi burada bir ismin altını daha çizmek istiyorum. NeuroMechFly’ın hem ilk hem de ikinci versiyonunun temel geliştiricilerinden biri Türk araştırmacı Pembe Gizem Özdil. Kendisi doktorasını bu alanda yapmış. Ama katkısı sadece platformun yazılım mühendisliğiyle sınırlı değil. Ayrı bir araştırması daha var. Sineğin temizlenme davranışı sırasında baş, anten ve ön bacakların nasıl koordineli hareket ettiğini ve bu koordinasyonun, merkezi beyin ağları tarafından nasıl yönetildiğini ortaya koyuyor. Bu araştırma, Eon Systems’ın duyurusunda doğrudan referans verilen üç temel çalışmadan biri. Yani dijital sineğin ekranda temizlenme hareketi yapabilmesinin arkasında, o hareketin nöral temellerini çözen bir Türk bilim insanının çalışması da var, as bayrakları 🙂
Sonuçta Eon’daki araştırmacılar bir geri bildirim döngüsü oluşturmayı başardılar. Sanal ortamdan duyusal girdi dijital beyne akıyor. Beyin bu girdiyi işliyor, sinyaller 125.000’den fazla nöron ve 50 milyon sinaptik bağlantı boyunca yayılıyor. Motor nöronlar aktive oluyor ve komutlar sanal bedene iletiliyor. Beden hareket ediyor. Ve bu hareket yeni duyusal girdiler üretiyor. Döngü kapanıyor.
Algıdan eyleme. Eylemden algıya. Sürekli, kesintisiz, kendi kendine çalışan bir sistem kurmayı başarmışlar. O sinek bir simülasyonda yaşıyor.
Peki bu neden bu kadar önemli? Daha önce kimse bunu yapamadı mı?
Aslında daha önce de dijital sinekler vardı. Ve dijital beyin simülasyonları da vardı. Ama hiçbiri ikisini aynı anda yapmamıştı.
Birincisini yapanlar: bedenli ama beyinsiz sistemler kurdular. Google DeepMind ve Janelia Araştırma Kampüsü birlikte çok etkileyici bir iş çıkardı. MuJoCo motorunda bir meyve sineği bedeni oluşturdular ve onu takviyeli öğrenmeyle eğittiler. Ama bu sineğin “beyni” bir sinir ağıydı. Biyolojik bir yapı değil, bir 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 tam olarak buydu. Muhteşem bir beyin modeli çıkardılar, yüzde 95 doğrulukla çalışıyordu, ama çıktılar bir veri tablosuna yazılıyordu. Motor nöronlar ateşliyordu ama bacak yoktu. Ve daha önce bahsettiğimiz OpenWorm da buna benzer bir şeydi.
Eon’un yaptığı şey, bu iki kampın arasındaki boşluğu kapatmak oldu. Bir biyolojik beynin nöron nöron kopyasını alıp onu fiziksel bir simülasyona bağladılar.
Bir de tamamen farklı bir cepheden gelen bir 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 geleneksel işlemciler gibi sıralı komutlar çalıştırmıyor. Beyin gibi çalışıyor. Nöronlar paralel çalışıyor, sadece yeterli sinyal biriktiğinde “ateşliyor,” gereksiz bilgiyi işlemiyor.
Tüm bu yapıyı alıp 12 tane Loihi-2 çipine sığdırdılar. Ve bu çipler geleneksel bilgisayar simülasyonlarına kıyasla yüzlerce kat daha hızlı çalıştı. Ekip, şeker duyusal nöronlarını uyararak sinyalin ağda nasıl yayıldığını test etti ve sonuçlar referans simülasyonlarla istatistiksel olarak tutarlı çıktı.
Bu ne anlama geliyor? Bir sineğin beyni artık sadece yazılım olarak değil, beyne benzeyen bir donanım üzerinde de çalışabiliyor. Ve bu donanım, geleneksel GPU’lardan çok daha az enerji tüketiyor. Intel’in en büyük nöromorfik sistemi “Hala Point” 1152 Loihi-2 çipinden oluşuyor ve 1.15 milyar nöron kapasitesine sahip. Yaklaşık bir mikrodalga fırın büyüklüğündeki bir kutuda, 2.600 watt güç tüketiyor. Karşılaştırma yapmak istersek insan beyni yaklaşık 20 watt harcıyor.
Yani bir yanda Eon, biyolojik bir beyni yazılımda çalıştırıyor. Öte yanda Sandia, aynı beyni beyne benzeyen bir donanımda çalıştırıyor.
Fakat unutmayın bu bir sinek beyni. Peki ya daha büyük beyinler?
Eon Systems’ın web sitesinde bir cümle var: “İnsan ölçeğinde dijital zekâyı gerçekliğe dönüştürmek.” Yani yol haritaları net. Sinek işini hallettik, şimdi sırada fare beyni var.
Rakamları bir kez daha yan yana koyalım. Meyve sineği: yaklaşık 140.000 nöron dedik. Fare: yaklaşık 70 milyon nöron. Yani sineğin 500 katından fazla. İnsan: 86 milyar nöron, tahminen 100 trilyon sinaptik bağlantı. Sineğin 600.000 katından fazla. Nasıl ölçeklendireceksiniz?
Eon’un kurucularından Alex Wissner-Gross bu ölçeklendirme sorununa çok spesifik bir cevap vermiş: “Eğer bir sineğin beyni simülasyonda duyusal-motor döngüyü kapatabiliyorsa, fare beyni için soru artık türe özgü değil, ölçeğe özgü.”
Yani iddiaları şu: burada yeni bir bilimsel ilke keşfetmeye gerek yok. Aynı yaklaşımı çok daha büyük bir ölçekte uygulamak yeterli. Connectome’u beynin haritasını çıkar, modeli kur, sonra da bir bedene bağla. Bir başka deyişle bu artık sadece bir mühendislik problemi iddiasındalar.
Ve Eon bu mühendislik problemi üzerinde aktif olarak çalıştığını da söylüyor. İki ana teknoloji kullanıyorlar. Birincisi “expansion microscopy” yani genişleme mikroskobu. Temel fikir şu: beyin dokusunu fiziksel olarak büyütüyorsun. Bir hidrojel matris içine yerleştiriyorsun ve su emilmesiyle doku homojen şekilde genişliyor. Böylece normal bir ışık mikroskobuyla bile nöronlar arasındaki bağlantıları çözümleyebilecek çözünürlüğe ulaşıyorsun. FlyWire projesi elektron mikroskobuyla çalışmıştı. Bu inanılmaz bir 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, bir nöron ateşlediğinde hücre içindeki kalsiyum konsantrasyonundaki değişimi yakalıyor, bu da nöral aktivitenin dolaylı bir ölçümü. Voltaj görüntüleme ise doğrudan membran potansiyelindeki değişimi izliyor. Yani sadece bağlantı haritasını değil, canlı dokuda bu bağlantıların nasıl aktive olduğunu da kaydediyorlar.
Bu kritik bir nokta. Çünkü sinek beyninde Shiu’nun modeli her nöronu aynı temel denklemle simüle etti. Neydi o? Leaky integrate-and-fire. Ve yüzde 95 doğruluk elde etti. Ama bir fare beyninde ya da insan beyninde her nöronun aynı olduğunu varsaymak muhtemelen 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 sadece kablolamayı değil, her devrenin karakteristik dinamiklerini de yakalamaya çalışıyorlar.
Ama… burada bir “ama” var. Ve bu öyle küçük bir “ama” değil.
Bu sinek simülasyonunun sonuçları “basit bir model için gerçekten çok iyi” ama cevabını bilmediğimiz bazı sorular hala var.
Birincisi: biyolojik öğrenme kuralları. Sineğin beyni kopyalandığında, o beynin hayatı boyunca edindiği öğrenme, yani sinaptik plastisite, dondurulmuş bir anlık görüntü olarak aktarılıyor. Ama canlı bir beyin sürekli değişiyor. Sürekli yeni bağlantılar kuruyor, eski bağlantılar zayıflıyor. Emülasyon bu dinamik süreci yakalıyor mu, yoksa sadece bir fotoğraf karesini mi çalıştırıyor?
İkincisi: connectome’un dışında kalan her şey ne oalcak? Hormonlar. Nöropeptidler. Glia hücreleri yani beyindeki nöron olmayan ama nöronların çalışmasını derinden etkileyen hücreler. İnsan beyninde glia hücreleri nöronlardan sayıca fazla. Bunlar sinaptik iletimi düzenliyor, enerji metabolizmasını yönetiyor, hatta bazı araştırmacılara göre bilgi işlemeye doğrudan katılıyor. Bir connectome, beyin haritası bunların hiçbirini içermiyor.
Üçüncüsü: ölçeklendirmenin pratiği. FlyWire connectome’unu tamamlamak 33 kişi-yıllık bir düzeltme çalışması gerektirdi. Bir fare beynine saf ekstrapolasyon yapsan, bu yaklaşık 10.000 kişi-yıl eder. Bu, mevcut yöntemlerle pratik olarak imkânsız. Yapay zekâ destekli proofreading hızlanıyor ama insan müdahalesi olmadan doğruluk yüzde 90 civarında kalıyor ve yüzde 90 doğruluk, 50 milyon sinaptik bağlantıda 5 milyon hata demek.
Yani Eon adlı bu startup’ın kurucularından Wissner-Gross’un az önce aktardığım sözündeki o “ölçek sorunu, tür sorunu değil” ifadesi hem doğru hem de biraz yanıltıcı. Kavramsal olarak doğru çünkü aynı ilke geçerli gerçekten de. Ama pratik olarak, ölçek sorununun kendisi çok muazzam bir büyüklükte. Ve ölçek büyüdükçe, connectome’un dışında kalan faktörlerin önemi de katlanarak artıyor.
O yüzden bu konuda 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 uzun olacağını da gösterdi.
Ve işte tam bu noktada, hikayemizi artık bu teknik alandan çıkarmak istiyorum biraz, bilimin yanında bilimkurgu zekamızı da işletelim. Çünkü diyelim ki bir gün, belki on yıl sonra, belki elli yıl sonra, bir insan beyni de aynı şekilde kopyalandı. Dijital ortamda çalıştırıldı. O zaman karşımıza sadece teknolojiyle cevaplanamayacak bir soru çıkacak değil mi?
O dijital beyin… uyanık mı?
Kopya mı, Devam mı?
Bunu anlamak için şöyle düşünelim öncelikle. Sizce o dijital sinek bir şey hissediyor mu?
Muhtemelen ilk tepkiniz “hayır” olacak. Sonuçta bu bir simülasyon. Pikseller ve denklemlerden oluşan bir şey. Ama unutmayın o sineğin davranışını üreten şey bir animasyon yazılımı değil. Gerçek bir biyolojik beynin, nöron nöron yeniden inşa edilmiş bir kopyası. Eğer gerçek bir sineğin beyni ona yürümeyi, temizlenmeyi, beslenmeyi “söylüyorsa” ve bu dijital kopya aynı sinyalleri, aynı bağlantılar üzerinden, aynı şekilde üretiyorsa… aradaki fark tam olarak nerede?
Bu soru ilk bizim aklımıza gelmedi tabiki.
“Cogito, ergo sum” değil mi? “Düşünüyorum, öyleyse varım.” René Descartes’a ait bu söz biliyorsunuz. Ne anlama geliyor? Düşünce, zihnin ayrılmaz bir parçası. Bilinç, var olduğunu fark etmek. Ama Descartes için zihin fiziksel bir yapı, bedenle etkileşen ama bedene indirgenemeyen bir şey. Peki ya düşünceyi üreten fiziksel yapıyı birebir kopyalarsan? Kopya da düşünür mü?
Şimdi günümüze gelelim, David Chalmers diye biri var, kendisi günümüzün en etkili bilinç felsefecilerinden biri ve bu meseleyi bu kitabında “zor problem” olarak adlandırdı. Beynin bilgi işleme mekanizmalarını açıklamak “kolay” problem. Hangi nöron ateşliyor, hangi bölge aktif, hangi davranış üretiliyor, bunlar teknik sorular. Zor olan problem şu: Neden bu fiziksel süreçlere öznel bir deneyim eşlik ediyor? Neden bir şeyleri “hissetmek” diye bir şey var? Bir bilgisayar aynı hesaplamaları yapabilir ama kırmızıyı “görmek” ne demek, acıyı “hissetmek” ne demek, bunlar hesaplamayla açıklanabilen şeyler mi?
İşte Chalmers, bu “beyin yükleme” konusunda ilginç bir pozisyon alıyor. Bu arada ben bu “upload” yani yükleme tanımlamasını da yanıltıcı buluyorum ama neyse Chalmers’a dönecek olursak şöyle diyor: “Eğer bilinç hesaplamalı bir süreçten doğuyorsa yani önemli olan maddenin kendisi değil, bilgi işlemenin organizasyonuysa, o zaman prensipte bir yükleme işlemi bilinci koruyabilir.”
Şimdi işleri daha da karmaşık hale getirelim. Diyelim ki gelecekte bir insan beynini taradık. Her nöronunu, her sinapsını, her bağlantısını kaydettik. Ve bu veriyi bir bilgisayarda 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 bir kopya.” Ve muhtemelen çoğumuz buna katılırız değil mi? Ama dijital 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 keskin bir tutum alıyor. Schneider bilincin hesaplamalı bir temeli olduğunu kabul ediyor. Ama yüklemenin kişiyi “hayatta tuttuğu” fikrine karşı çıkıyor. “En iyi ihtimalle,” diyor, “yükleme orijinal zihnin bir kopyasını yaratır. Siz hayatta kalmazsınız. Başkaları, orijinal kişinin devam ettiği illüzyonunu sürdürebilir. Ama siz, birinci tekil şahıs deneyiminiz, öznel bakış açınız transfer edilemez. Sıradan fiziksel nesneler aynı anda hem burada hem başka bir yerde olamaz. Bilinç neden farklı olsun?”
Yine geldik meşhur Theseus’un Gemisi paradoksuna. Bir geminin tahtalarını tek tek değiştirirsen, en sonunda orijinal tahta kalmadığında, bu hâlâ aynı gemi midir? Eğer nöronlarını birer birer dijitale taşısan, her adımda bilinç devam ediyor gibi görünse ve en sonunda tamamen dijital bir beyin elde etsen, bu hâlâ sen misin? Yoksa fark etmeden öldün mü ve yerine “senmişçesine” davranan bir başkası mı geldi?
Yeterince uçtuk, şimdi asıl uçabilen sineğimize geri dönelim.
Bu felsefi soruların tamamı insan beyni için düşünüldü çünkü. Ama Eon’un demosu bu soruları bugüne, şimdiye taşıdı. Belki bir sinek bilinçli değildir. Belki bir meyve sineğinin “öznel deneyimi” yoktur. Kesin olan şey bunları bilmediğimiz. Gerçekten bilmiyoruz. Bilincin nerede başladığını tanımlayamıyoruz ki nerede olmadığını söyleyelim. Olle Häggström, beyin emülasyonunun etik boyutlarını analiz ettiği bir makalesinde tam da bunu söylüyor: “Bilinçli olduğu kanıtlanamayan bir emülasyonun bilinçsiz olduğunu da varsayamayız. Ve eğer varsayarsak, eğer hatalı bir emülasyon acı çekiyorsa ve biz bunu görmezden geliyorsak o zaman burada ciddi bir etik problem var demektir.”
Bu konularda yine en çok konuşan Bostrom ve Metzinger’in uyarıları da bu yönde. Arızalı ya da eksik bir beyin emülasyonu, “yaşayan” ama iletişim kuramayan bir bilinç üretebilir. O yüzden bu ihtimal hayvan emülasyonlarında test edilmeli, diyorlar. Ama test etmenin kendisi de etik olarak problemli. Çünkü test etmek için emülasyonu çalıştırman gerekiyor. Ve çalıştırdığın an, bilinç olasılığını da çalıştırmış oluyorsun.
İlk dijital insan muhtemelen sıfırdan inşa edilmeyecek. Bir yapay zekâ şirketi tarafından tasarlanmayacak. Zaten yaşayan birinden kopyalanacak. Ve o kopyayı “açtığımız” an, o ilk milisaniyede, dijital nöronlar ateşlenmeye başladığı o ilk anda bize soracağı o ilk sorunun cevabını çoktan öğrenmiş olsak iyi ederiz. Çünkü bizim bile cevabını bilmediğimiz o ilk soru muhtemelen şu olacak:
Ben kimim?