Mergen, Transformer'ların ötesine geçmek için tasarlanmış deneysel biyolojik bilişsel mimaridir. Bir chatbot değil — GPU üzerinde çalışan gerçek bir beyin simülasyonu.
Mergen, mevcut Derin Öğrenme paradigmalarının sınırlarını aşmak için tasarlanmış deneysel, biyolojiden ilham alan bir bilişsel mimaridir. Bir chatbot değildir — modern donanımda (GPU-hızlandırmalı PyTorch) çalışan bir Dijital Beyin simülasyonudur.
AGI'nin (Yapay Genel Zeka) sadece matris çarpımlarını ölçeklendirerek elde edilemeyeceğine inanıyoruz. Beynin fiziğini somutlaştıran sistemlere doğru bir paradigma değişikliği gerekiyor. Mergen, biyolojik zihnin sadece çıktısını değil, fonksiyonel dinamiklerini kopyalamaya çalışır.
Mergen sürekli zamanda (dt) çalışır — gecikmeler, ritimler ve senkronizasyonla. Token'lar değil, gerçek zaman akışı.
Bilgi yoğun float tensörleri yerine seyrek olaylar (spike) ve enerji dalgaları ile taşınır, hesaplama israfını büyük ölçüde azaltır.
Sistem kendi kendini düzenler. Çok uyarılırsa sakinleşir, çok sessizse eşiğini düşürür. Stabiliteyi hedefler.
Bellek hatırlama, dikkat ve karar verme gibi davranışlar lokal kortikal alanlar ve global workspace'in etkileşiminden doğar.
Zamanı algılamıyorlar; sadece dizileri işliyorlar. Gerçek dünyada zaman sürekli akar.
Her token üretiminde sıfırlanıyorlar. Kalıcı hafıza ve bağlam kaybediliyor.
Global matris çarpımları için devasa enerji harcanıyor. Beyin çok daha verimli çalışır.
Düşünmüyorlar; sadece bir sonraki en olası istatistiği tahmin ediyorlar.
Yoğun katmanlar yerine 2D topografik nöron haritaları kullanır. Nöronlar Mexican Hat Kernels ile lokal uyarım ve lateral inhibisyon yoluyla etkileşir, "dikkat baloncukları" ve gezici dalgalar yaratır. FFT (Fast Fourier Transforms) ile milyonlarca lokal bağlantı verimli şekilde simüle edilir.
Global Neuronal Workspace Theory (GNWT) temelinde çalışır. Lokal kortikal alanlar (Duyusal, Motor) merkezi bir "yönlendirici"ye erişim için yarışır. Sadece güçlü, ilgili sinyaller workspace'i ateşler ve tüm beyne yayınlanarak birleşik bir "düşünce anı" oluşturur.
Tek seferde öğrenme (One-Shot Learning): Epoch'lar süren backpropagation'ın aksine, Hippocampus kortikal aktivitenin anlık görüntülerini anında yakalar. Kısmi bir ipucundan tam belleği yüksek hızlı vektör benzerliği kullanarak çağrışımsal olarak getirir (Pattern Completion).
Beynin beyaz madde yolları gibi, hızlı refleksler ve öğrenilmiş alışkanlıklar için lokal işlemeyi tamamen atlayan uzun menzilli seyrek bağlantılar kullanır. Bu yollar, sık tekrarlanan eylem kalıplarını kortikal işlemeden geçmeden doğrudan motor çıktıya bağlar.
Mergen, kortikal aktivite, spike zamanlaması ve nöronal senkronizasyon gibi biyolojik fenomenleri gerçek zamanlı olarak gözlemlemenize olanak tanır.
GPU-hızlandırmalı PyTorch ortamında kortikal katmanlar, hippocampus ve global workspace birlikte çalışır.
Mergen, Hebbian öğrenme ve takviyeli öğrenme ile lokal plastisite kullanarak kavramları öğrenir.
⚠️ Mergen deneysel bir araştırma projesidir.