Böcek beyninin en ayrıntılı haritası çıkarıldı

Çalışmada 3 binden fazla sinir hücresi tespit edildi

Latince adı Drosophila melanogaster olan meyve sinekleri, insanlarla birçok biyolojik benzerliği paylaşmaları nedeniyle bilim dünyasında popüler bir inceleme konusu (John Hopkins Üniversitesi)
Latince adı Drosophila melanogaster olan meyve sinekleri, insanlarla birçok biyolojik benzerliği paylaşmaları nedeniyle bilim dünyasında popüler bir inceleme konusu (John Hopkins Üniversitesi)
TT

Böcek beyninin en ayrıntılı haritası çıkarıldı

Latince adı Drosophila melanogaster olan meyve sinekleri, insanlarla birçok biyolojik benzerliği paylaşmaları nedeniyle bilim dünyasında popüler bir inceleme konusu (John Hopkins Üniversitesi)
Latince adı Drosophila melanogaster olan meyve sinekleri, insanlarla birçok biyolojik benzerliği paylaşmaları nedeniyle bilim dünyasında popüler bir inceleme konusu (John Hopkins Üniversitesi)

Bilim insanları, meyve sineği larvasının beynindeki her bir nöronu ve bunların nasıl birbirine bağlandığını gösteren ilk haritayı oluşturdu.
Birleşik Krallık, ABD ve Almanya'dan büyük bir araştırma ekibi, yavru bir meyve sineğinin beynini yüksek çözünürlüklü bir elektron mikroskobuyla taradı.
Hakemli bilimsel dergi Science'ta yayımlanan çalışma, bir böceğin bugüne kadarki en büyük ve en karmaşık beyin haritası niteliğinde.
Haritalandırılan böcek beyni, toplam 3 bin 16 nöronu içeriyor.
Sinir hücreleri diye de adlandırılan bu nöronlar arasında 548 bin kayda değer bağlantı tespit edildi.
Larva beyninin, 100 milyar sinir hücresi barındıran insan beyni kadar karmaşık olması mümkün değil. Ancak bilim insanları ona yine de kaydadeğer bir gelişkinlik atfediyor.
Johns Hopkins Üniversitesi'nden biyomedikal mühendisi Joshua T. Vogelstein, "Kim olduğumuzu ve nasıl düşündüğümüzü anlamak istiyorsak, düşünce mekanizmamızı anlamamız gerekir" diye konuştu:
"Bunun anahtarı da nöronların birbirleriyle nasıl bağlantı kurduğunu bilmek."
Araştırma meyve sineğinin beynini bin dilime ayırdı. Hepsini tek tek inceleyen ekip, ortaya çıkan haritaya "konnektom " adını verdi.
Ekip ayrıca, üç boyutlu haritayı hızlandırılmış bir videoya dönüştürdü.

Son zamanlarda araştırmacılar, insan beyninin haritasını çıkarmada ve farelerdeki nöral aktiviteyi takip etmede de önemli ilerlemeler kaydetti.
Ancak bu tür çalışmalar, belirli bölgeler üzerine odaklanıyor. Zira teknoloji, insanlar gibi büyük hayvanların beyninin konnektomunu çıkarabilecek kadar gelişkin değil.
Cambridge Üniversitesi'nden sinirbilimci Marta Zlatic, "Beynin yapılanma şekli, yapabileceği hesaplamaları etkiler" ifadelerini kullandı.
Zlatic, şimdiye dek kurtçukların ve iribaşların beyin yapısını ayrıntılı inceledi. Ancak bunların hepsi yalnızca birkaç yüz nörona sahip.
Yine de Zlatic, "Tüm beyinler benzerdir, hepsi birbirine bağlı nöron ağlarıdır. Tüm türlerin beyinleri birçok karmaşık davranış sergilemek zorundadır" diyor:
"Hepsinin duyusal bilgileri işlemesi, öğrenmesi, eylemleri seçmesi, çevrede gezinmesi, benzerlerini tanıması, yırtıcılardan kaçması ve yiyecek bulması gerekir."
 
Independent Türkçe, EurekAlert, Science Alert



Deepfake videoları tespit etmek giderek zorlaşıyor: Artık gerçekçi kalp atışları var

Kişilerin rızası ve bilgisi dışında üretilen deepfake görüntüler endişe yaratıyor (Reuters)
Kişilerin rızası ve bilgisi dışında üretilen deepfake görüntüler endişe yaratıyor (Reuters)
TT

Deepfake videoları tespit etmek giderek zorlaşıyor: Artık gerçekçi kalp atışları var

Kişilerin rızası ve bilgisi dışında üretilen deepfake görüntüler endişe yaratıyor (Reuters)
Kişilerin rızası ve bilgisi dışında üretilen deepfake görüntüler endişe yaratıyor (Reuters)

Deepfake videoların gelişmiş saptama yöntemlerini yanıltabildiği ve her geçen gün daha gerçekçi hale geldiği tespit edildi. 

Bir kişinin yüzünün ya da vücudunun dijital olarak değiştirilmesiyle oluşturulan deepfake videolar endişe yaratmaya devam ediyor. 

Bu videolar gerçek bir kişinin görüntüsünün yapay zeka kullanılarak değiştirilmesiyle yapılıyor. Aslında bu teknoloji, kullanıcıların yüzünü kediye dönüştüren veya yaşlandıran uygulamalar gibi zararsız amaçlarla da kullanılabiliyor.

Ancak insanların cinsel içerikli videolarını üretmek veya masum insanlara iftira atmak için de kullanılabilmesi ciddi bir sorun teşkil ediyor.

Bu videoların sahte olup olmadığını anlamak için kullanılan gelişmiş yöntemlerden biri kalp atışlarını izlemek. 

Uzaktan fotopletismografi (rPPP) adlı araç, deriden geçen ışıktaki küçük değişiklikleri tespit ederek nabzı ölçüyor. Nabız ölçen pulse oksimetreyle aynı prensiple çalışan bu araç, çevrimiçi doktor randevularının yanı sıra deepfake videoları tespit etmek için de kullanılıyor.

Ancak bulguları hakemli dergi Frontiers in Imaging'de bugün (30 Nisan) yayımlanan çalışmaya göre deepfake görüntülerde artık gerçekçi kalp atışları var.

Bilim insanları çalışmalarına videolardaki nabız hızını otomatik olarak saptayıp analiz eden bir deepfake dedektörü geliştirerek başladı. 

Ardından rPPP tabanlı bu aracın verilerini, EKG kayıtlarıyla karşılaştırarak hassasiyetini ölçtüler. Son derece iyi performans gösteren aracın EKG'yle arasında dakikada sadece iki-üç atımlık fark vardı. 

Ekip aracı deepfake videolar üzerinde test ettiğindeyse rPPP, videoya kalp atışı eklenmese bile son derece gerçekçi bir kalp atışı algıladı. 

Bilim insanları kalp atışlarının videoya kasten eklenebileceği gibi, kullanılan kaynak videodan kendiliğinden geçebileceğini de söylüyor.

Almanya'daki Humboldt Üniversitesi'nden çalışmanın ortak yazarı Peter Eisert "Kaynak video gerçek bir kişiye aitse, bu artık deepfake videoya aktarılabiliyor" diyerek ekliyor: 

Sanırım tüm deepfake dedektörlerinin kaderi bu; deepfake'ler gittikçe daha iyi hale geliyor ve iki yıl önce iyi çalışan bir dedektör bugün tamamen başarısız olmaya başlıyor.

Araştırmacılar yine de sahte videoları saptamanın başka yolları olduğunu düşünüyor. Örneğin sadece nabız hızını ölçmek yerine, yüzdeki kan akışını ayrıntılı olarak takip eden dedektörler geliştirilebilir.

Eisert, "Kalp atarken kan, damarlardan geçerek yüze akıyor ve daha sonra tüm yüz bölgesine dağılıyor. Bu harekette gerçek görüntülerde tespit edebileceğimiz küçük bir gecikme var" diyor.

Ancak bilim insanına göre nihai çözüm deepfake dedektörlerinden ziyade, bir görüntünün üzerinde oynanıp oynanmadığını anlamaya yarayan dijital işaretlere odaklanmaktan geçiyor:

Bir şeyin sahte olup olmadığını tespit etmek yerine bir şeyin değiştirilmediğini kanıtlayan teknolojiye daha fazla odaklanmadığımız sürece, deepfake'lerin saptanmalarını zorlaştıracak kadar iyi olacağını düşünüyorum.

Independent Türkçe, BBC Science Focus, TechXplore, Frontiers in Imaging