Hareket temelli yapay yaşam formlarının farklı öğrenme yöntemleri kullanılarak uyarlanabilmedeki başarılarının ölçülmesi

Hareket etme problemi öğrenme yöntemleri üzerinde çalışmak için çok elverişli bir problemdir. Bu durum hareket probleminin zor bir öğrenme probleminin bütün parçalarını içermesinden kaynaklanmaktadır. Bu bilgiden yola çıkarak tezde eklemli yapıya sahip bir yapay yaşam formunun hareketlerini kontrol edebilmeyi öğrenmesini sağlayacak çeşitli öğrenme yöntemlerinin uygulanması ve karşılaştırılması gerçekleştirilmiştir. Öğrenme doğanın fizik kurallarının benzetildiği gerçekçi bir yapay ortamda sağlanmıştır. Hareket etme, uyarlanabilirlik isteyen bir problemdir. Bu nedenle hareket kontrol mekanizmasının önceden belirlenmiş veya dış kaynaklı olmasındansa nasıl hareket etmesi gerektiğini yapay yaşam formunun kendi kendine öğrenmesi daha tercih edilebilir bir durumdur. Dolayısıyla yapay yaşam formunun hareket etmeyi öğrenmesini gerçekleştirebilmek amacıyla organizmaların işleyiş şekillerinden etkilenerek oluşturulan üç öğrenme alanından faydalanılmıştır. Temel alınan alanlar evrimsel öğrenme, denetimli öğrenme ve destekli öğrenmedir. Evrimsel öğrenmeyi gerçekleştirmek için Genetik Algoritmalar; denetimli öğrenmeyi gerçekleştirmek için Yapay Sinir Ağlarının eğitilmesine yarayan Geri Yayılımlı Öğrenme ve Yinelenen Yapay Sinir Ağlarının eğitilmesinde kullanılan Gerçek Zamanlı Yinelenen Öğrenme; destekli öğrenmeyi sağlamak için ise Q-Öğrenme ve Politika Gradyanlı Destekli Öğrenme yöntemlerinden faydalanılmıştır. Genetik Algoritma ile öğrenmenin gerçekleşmesi diğer yöntemlere göre çok yavaş olmuştur; öğrenme sonucunda da belirgin ve emin adımlarla ilerlediği görünümünü sağlayan yavaş adımlar gözlemlenmiştir. Denetimli öğrenmeyi gerçekleştirmek amacı ile kullanılan yöntemler arasında Gerçek Zamanlı Yinelenen Öğrenme daha iyi sonuçlar vermiştir. Bu yöntemle öğrenme çabuk gerçekleşmiştir ve yaşam formu çok hızlı adımlarla ilerlemiştir fakat çoğunlukla ilerlediği doğrultuda sapmalar yaşanmıştır. Destekli öğrenme için kullanılan yöntemlerden Q-Öğrenme problem uzayının boyutuna ayak uyduramadığından başarısız sonuçlar vermiştir. Politika Gradyanlı Destekli Öğrenme ile eğitilen yapay yaşam formları ise büyük ve belirgin adımlar ile ilerlemişlerdir. Öğrenme çabuk gerçekleşmiştir, bu öğrenme yöntemi ile eğitilen yapay yaşam formlarının ilerleme hızı yavaştır fakat hareketler düzgündür, genelde sapma göstermemişlerdir. Sonuç olarak üç öğrenme alanının kullanımından da görsel olarak belli bir gerçekçilik eşiğini tutturan hareketler elde edilmiştir. Yöntemlerin sonuçlarındaki farklılık daha çok öğrenme hızı, hareket hızı ve doğrultu değişiminden kaynaklanmaktadır. Gerçek Zamanlı Yinelenen Öğrenmedeki sapmalarının ileriki çalışmalarda azaltılması hedeflenmelidir. Ayrıca daha sonraki çalışmalarda Genetik Algoritmalar ile Politika Gradyanlı Destekli Öğrenme yöntemleri birleştirilerek daha iyi sonuçlar elde edilmesi beklenmektedir. Anahtar Kelimeler: Yapay Yaşam, Dinamik Hareket, Evrimsel Öğrenme, Denetimli Öğrenme, Destekli Öğrenme