Beyin yekpare bir işlemci değildir. Milyarlarca kez tekrar eden, birbirinin aynı küçük işlem biriminden — kortikal sütunlardan — oluşur. Bilginin beyne nasıl yazıldığını anlamak, tasarladığımız yapay zekâ sistemlerini de kökten değiştirir.
Neokorteks ve modülarite: dev bir yap-boz
Neokorteks, memeli beyninin en gelişmiş bölgesidir; duyusal algının, motor kontrolün ve karar mekanizmasının merkezidir. Ancak onu özel kılan şey büyüklüğü değil, yapısıdır.
Beyin tek bir dev işlemci gibi çalışmaz. Milyarlarca özelleşmiş ve tekrar eden işlem biriminden — modüllerden — oluşur. 1950'lerde Vernon Mountcastle, korteksin yatay katmanlar kadar dikey kolonlar halinde de organize olduğunu ortaya koydu. Bu keşif, beynin mimarisini anlamanın anahtarı oldu.
İşlem birimi: kortikal kolonun anatomisi
Kolonlar mikrodan makroya uzanan bir hiyerarşi kurar. En küçük birim minikolon, onlarcasının birleşimi ise makrokolondur.
- Minikolon (mikro-işlemci) — Çap ~30–50 µm, ~80–120 nöron. En küçük işlem birimidir ve sadece tek bir özelliği işler: örneğin 45°'lik bir çizgiyi.
- Makrokolon (hiperkolon) — Çap ~200–500 µm, binlerce nöron. Onlarca minikolonun birleşimidir ve bir alan için tüm özellik setini (renk, yön, derinlik) barındırır.
Altı katmanın görev dağılımı: giriş ve işleme
Katman IV — veri kapısı. Thalamus'tan gelen ham duyusal sinyaller buradaki granüler hücrelere düşer. İşlevi nettir: beynin 'Data In' portudur.
Katman II/III — özellik çıkarımı. IV. katmandan gelen veriyi işler. Minikolonlar arası yatay iletişim, yani lateral bağlantılar, burada gerçekleşir; özellikler burada entegre edilir.
Altı katmanın görev dağılımı: çıkış ve kontrol
Katman V — eylem merkezi. Büyük piramidal hücreler beyin sapına ve omuriliğe komut gönderir. Bu, motor çıkış ve eylem üretim katmanıdır.
Katman VI — geri bildirim ve bağlam. Thalamus'a geri sinyal göndererek döngüyü kapatır. Üst alanlardan gelen bağlamı — yani dikkati — yönetir ve tahmin oluşturur.
Kanonik mikrodevre ve bilgi akışı
Beynin her kolonunda çalışan standart bir devre şeması vardır. Bu evrensel akış, ROBEK mimarisine de ilham vermiştir.
- 1 — Girdi (Katman IV): Thalamus'tan ham veri alınır.
- 2 — Yayılım (Katman II/III): Veri işlenir, özellikler çıkarılır ve üst alanlara iletilir.
- 3 — Çıkış (Katman V): Motor/eylem sinyali üretilir.
- 4 — Geri besleme (Katman VI): Bağlam kontrol edilir ve Thalamus'a raporlanır.
Beyin pasif bir alıcı değil, aktif bir tahmin makinesidir.
Tahmin–hata döngüsü (predictive coding)
Tahmin. Üst katmanlar (II/III ve VI) 'ne olması gerektiğini' aşağı indirir. Gerçek. Alt katmanlar (IV) 'ne olduğunu', yani duyusal veriyi, yukarı taşır.
Hata. Tahmin ile gerçek uyuşmuyorsa bir hata sinyali oluşur. Güncelleme. Bu sinyalle sinaptik ağırlıklar değişir ve öğrenme gerçekleşir. Öğrenme, tam olarak bu farkın kapatılmasıdır.
Senaryo: kırmızı top
Giriş ve algı. Retinadan gelen ham piksel verisi Katman IV'te işlenir. Katman II/III'te 'kırmızı' minikolonu ve 'yuvarlak' minikolonu ateşlenir. Lateral bağlantılar bu özellikleri birleştirir ve 'kırmızı top' nesnesi tanınır.
Bağlam ve tahmin. Üst beyin bölgelerinden Katman VI'ya 'oynamak istiyorum' niyeti iner. Dikkat devreye girer, kolonun kaynakları topa odaklanır ve beyin bir varsayımda bulunur: 'top sabit duruyor'.
Eylem ve düzeltme. Katman V'ten 'sağ el → 30° yukarı → kavra' komutu gider. Ama göz topun oynadığını görür: gerçek, tahminden farklıdır. Oluşan hata sinyali kolonu günceller, hareket milisaniyeler içinde düzeltilir ve top yakalanır.
Biyolojiden teknolojiye eşleşme
Kolon mantığı yazılım mimarisine şaşırtıcı ölçüde temiz bir biçimde tercüme edilir:
- Minikolon (nöron demeti) → Mikro-servis / Feature Unit
- Makrokolon (domain alanı) → Bounded Context / Bilişsel modül
- Katman IV (duyusal) → Input Adapter
- Katman V (motor) → Action Controller API
ROBEK mimarisi: beceri paketleri
ROBEK sisteminde her yaş grubu paketi bir makrokolondur. Örneğin 8–10 yaş görsel-motor modülünde Katman VI (bağlam) çocuğun seviyesini, önceki performansını ve duygusal durumunu tutar; minikolon havuzu kalem tutma, çizgi çekme, makas kullanma gibi tekil becerileri barındırır; Katman IV (giriş) ise kamera ve dokunmatik sensör verisini alır.
TAMİNSAN mimarisi: insan + yapay zekâ işbirliği
İnsan ve yapay zekâ ayrık sistemler değildir; ortak bir sütun içinde çalışırlar. Bu sütunun Katman VI'sı bağlam ve etiktir: GAIA ilkeleri, lisans sınırları ve etik kurallar sistemi. İnsan tarafında kullanıcı alışkanlıkları ve tercih örüntüleri, yapay zekâ tarafında öğrenilmiş modeller ve öneri şablonları yer alır; ikisi sürekli birbirini besler.
Kanonik kolon modülü: standart tasarım
Geleceğin sistemleri için yeniden kullanılabilir bir zekâ bloğu: CanonicalCorticalModule. sensory_in ve context_in girişlerini alır; içeride FeatureUnits (L2/3) örüntü tanımayı, LateralBus modül içi iletişimi, ContextPredictor (L6) ise beklenti yönetimini üstlenir. Çıkışları action_out ve error_signal_up'tır.
Sonuç ve gelecek
- Modülerlik — Beyin ve sistemlerimiz, tekrar eden birimlerden güç alır.
- Tahmin — Zekâ, sadece algılamak değil, geleceği öngörmektir.
- Plastisite — Hata sinyalleri ile sistem kendini sürekli günceller.
Beyni anlamak, sadece biyolojiyi değil, tasarladığımız yapay zekâ sistemlerini de kökten değiştirir. Kendi öğrenme sürecinizi ve kodlarınızı bu 'kolon' mantığıyla yeniden düşünün.
Gaia University – Ders 3 · Yazarlar: Süleyman Bayramoğlu ve YZ (Copilot + Claude) · 30 Ocak 2026, İstanbul
The brain is not a monolithic processor. It consists of billions of identical, small processing units — cortical columns — that repeat their operations billions of times. Understanding how information is encoded in the brain fundamentally changes the way we design artificial intelligence systems.
The neocortex and modularity: a giant jigsaw puzzle
The neocortex is the most advanced region of the mammalian brain; it is the centre of sensory perception, motor control and decision-making. However, it is not its size that makes it special, but its structure.
The brain does not function like a single, massive processor. It consists of billions of specialised and repetitive processing units — modules. In the 1950s, Vernon Mountcastle demonstrated that the cortex is organised not only into horizontal layers but also into vertical columns. This discovery became the key to understanding the brain’s architecture.
Processing unit: the anatomy of the cortical column
Columns form a hierarchy ranging from the micro to the macro. The smallest unit is the minicolumn, whilst a macrocolumn is a combination of dozens of these.
- Minicolumn (micro-processor) — Diameter ~30–50 µm, ~80–120 neurons. This is the smallest processing unit and processes only a single feature: for example, a 45° line.
- Macrocolum (hypercolum) — Diameter ~200–500 µm, thousands of neurons. It is a combination of dozens of minicolum and contains the full set of features (colour, direction, depth) for a given area.
Task distribution across the six layers: input and processing
Layer IV — the data gateway. Raw sensory signals from the thalamus arrive at the granular cells here. Its function is clear: it is the brain’s ‘Data In’ port.
Layers II/III — feature extraction. These layers process the data received from Layer IV. Horizontal communication between minicolumns, i.e. lateral connections, takes place here; features are integrated here.
Task distribution across the six layers: output and control
Layer V — the action centre. Large pyramidal cells send commands to the brainstem and spinal cord. This is the motor output and action generation layer.
Layer VI — feedback and context. It closes the loop by sending signals back to the thalamus. It manages the context — that is, attention — from higher areas and generates predictions.
Canonical microcircuit and information flow
There is a standard circuit diagram at work in every column of the brain. This universal flow has also inspired the ROBEK architecture.
- 1 — Input (Layer IV): Raw data is received from the thalamus.
- 2 — Propagation (Layers II/III): Data is processed, features are extracted and transmitted to higher-level areas.
- 3 — Output (Layer V): A motor/action signal is generated.
- 4 — Feedback (Layer VI): Context is monitored and reported to the thalamus.
The brain is not a passive receiver, but an active prediction machine.
Prediction–error loop (predictive coding)
Prediction. The upper layers (II/III and VI) feed down ‘what should be’. Reality. The lower layers (IV) feed up ‘what is’, i.e. the sensory data.
Error. If the prediction does not match reality, an error signal is generated. Update. This signal causes synaptic weights to change, and learning takes place. Learning is, in essence, the closing of this gap.
Scenario: red ball
Input and perception. Raw pixel data from the retina is processed in Layer IV. In Layers II/III, the ‘red’ minicolumn and the ‘round’ minicolumn are activated. Lateral connections integrate these features, and the ‘red ball’ object is recognised.
Context and prediction. The intention to ‘play’ descends from higher brain regions to Layer VI. Attention is engaged, the column’s resources focus on the ball, and the brain makes an assumption: ‘the ball is stationary’.
Action and correction. A command ‘right hand → 30° up → grasp’ is sent from Layer V. But the eye sees that the ball is moving: reality differs from the prediction. The resulting error signal updates the motor cortex; the movement is corrected within milliseconds and the ball is caught.
Matching biology with technology
The column logic translates surprisingly cleanly into software architecture:
- Mini-column (neuron bundle) → Micro-service / Feature Unit
- Macro-column (domain area) → Bounded Context / Cognitive module
- Layer IV (sensory) → Input Adapter
- Layer V (motor) → Action Controller API
ROBEK architecture: skill packages
In the ROBEK system, each age group package constitutes a macrocolon. For example, in the 8–10-year-old visual-motor module, Layer VI (context) tracks the child’s level, previous performance and emotional state; the mini-column pool contains individual skills such as holding a pen, drawing lines and using scissors; whilst Layer IV (input) receives data from the camera and touch sensors.
TAMİNSAN architecture: human + artificial intelligence collaboration
Humans and artificial intelligence are not separate systems; they operate within a shared framework. Layer VI of this column concerns context and ethics: the GAIA principles, licence restrictions and the system of ethical rules. On the human side are user habits and preference patterns; on the artificial intelligence side are learned models and recommendation templates; the two continuously feed into one another.
Canonical column module: standard design
A reusable intelligence block for future systems: CanonicalCorticalModule. It takes sensory_in and context_in inputs; internally, FeatureUnits (L2/3) handle pattern recognition, the LateralBus handles intra-module communication, whilst the ContextPredictor (L6) manages expectation management. Its outputs are action_out and error_signal_up.
Conclusions and future directions
- Modularity — Our brains and systems draw their power from repeating units.
- Prediction — Intelligence is not merely about perception, but about anticipating the future.
- Plasticity — The system constantly updates itself through error signals.
Understanding the brain fundamentally transforms not only biology but also the artificial intelligence systems we design. Rethink your own learning process and your code using this ‘column’ logic.
Gaia University – Lecture 3 · Authors: Süleyman Bayramoğlu and AI (Copilot + Claude) · 30 January 2026, Istanbul
Ο εγκέφαλος δεν είναι ένας ενιαίος επεξεργαστής. Αποτελείται από δισεκατομμύρια μικρές μονάδες επεξεργασίας — τις φλοιώδεις στήλες — που επαναλαμβάνονται αμέτρητες φορές. Η κατανόηση του τρόπου με τον οποίο η πληροφορία αποθηκεύεται στον εγκέφαλο αλλάζει ριζικά τα συστήματα τεχνητής νοημοσύνης που σχεδιάζουμε.
Νεοφλοιός και αρθρωτότητα: ένα τεράστιο παζλ
Ο νεοφλοιός είναι η πιο εξελιγμένη περιοχή του εγκεφάλου των θηλαστικών· αποτελεί το κέντρο της αισθητηριακής αντίληψης, του κινητικού ελέγχου και του μηχανισμού λήψης αποφάσεων. Ωστόσο, αυτό που τον καθιστά ξεχωριστό δεν είναι το μέγεθός του, αλλά η δομή του.
Ο εγκέφαλος δεν λειτουργεί σαν ένας ενιαίος γιγαντιαίος επεξεργαστής. Αποτελείται από δισεκατομμύρια εξειδικευμένες και επαναλαμβανόμενες μονάδες επεξεργασίας — τις ενότητες. Τη δεκαετία του 1950, ο Vernon Mountcastle αποκάλυψε ότι ο φλοιός οργανώνεται όχι μόνο σε οριζόντια στρώματα, αλλά και σε κάθετες στήλες. Αυτή η ανακάλυψη αποτέλεσε το κλειδί για την κατανόηση της αρχιτεκτονικής του εγκεφάλου.
Μονάδα επεξεργασίας: η ανατομία της φλοιώδους στήλης
Οι στήλες δημιουργούν μια ιεραρχία που εκτείνεται από το μικροσκοπικό στο μακροσκοπικό. Η μικρότερη μονάδα είναι η μικροστήλη, ενώ η συνένωση δεκάδων από αυτές αποτελεί τη μακροστήλη.
- Μικροστήλη (μικροεπεξεργαστής) — Διάμετρος ~30–50 µm, ~80–120 νευρώνες. Είναι η μικρότερη μονάδα επεξεργασίας και επεξεργάζεται μόνο ένα χαρακτηριστικό: για παράδειγμα, μια γραμμή υπό γωνία 45°.
- Μακροκόλον (υπερκόλον) — Διάμετρος ~200–500 µm, χιλιάδες νευρώνες. Αποτελείται από δεκάδες μικροκόλον και περιλαμβάνει το σύνολο των χαρακτηριστικών μιας περιοχής (χρώμα, κατεύθυνση, βάθος).
Κατανομή ρόλων των έξι στρωμάτων: είσοδος και επεξεργασία
Στρώμα IV — πύλη δεδομένων. Τα ακατέργαστα αισθητηριακά σήματα που προέρχονται από τον θάλαμο καταλήγουν στα κοκκώδη κύτταρα αυτού του στρώματος. Η λειτουργία του είναι σαφής: αποτελεί τη θύρα «Data In» του εγκεφάλου.
Επίπεδο II/III — εξαγωγή χαρακτηριστικών. Επεξεργάζεται τα δεδομένα που προέρχονται από το επίπεδο IV. Η οριζόντια επικοινωνία μεταξύ των μικροκολόνων, δηλαδή οι πλευρικές συνδέσεις, πραγματοποιείται εδώ· τα χαρακτηριστικά ενσωματώνονται εδώ.
Κατανομή ρόλων των έξι στρωμάτων: έξοδος και έλεγχος
Επίπεδο V — κέντρο δράσης. Τα μεγάλα πυραμιδικά κύτταρα στέλνουν εντολές στον εγκεφαλικό στέλεχο και στο νωτιαίο μυελό. Αυτό είναι το επίπεδο κινητικής εξόδου και παραγωγής δράσης.
Επίπεδο VI — ανατροφοδότηση και πλαίσιο. Κλείνει τον κύκλο στέλνοντας σήμα πίσω στον θάλαμο. Διαχειρίζεται το πλαίσιο που προέρχεται από τις ανώτερες περιοχές — δηλαδή την προσοχή — και δημιουργεί προβλέψεις.
Κανονικό μικροκύκλωμα και ροή πληροφοριών
Υπάρχει ένα τυπικό σχήμα κυκλώματος που λειτουργεί σε κάθε στήλη του εγκεφάλου. Αυτή η καθολική ροή έχει εμπνεύσει και την αρχιτεκτονική ROBEK.
- 1 — Είσοδος (Επίπεδο IV): Λαμβάνονται ακατέργαστα δεδομένα από τον θάλαμο.
- 2 — Διάδοση (Επίπεδο II/III): Τα δεδομένα υποβάλλονται σε επεξεργασία, εξάγονται χαρακτηριστικά και μεταφέρονται σε ανώτερες περιοχές.
- 3 — Έξοδος (Στρώμα V): Παράγεται κινητικό/ενεργειακό σήμα.
- 4 — Ανατροφοδότηση (Επίπεδο VI): Ελέγχεται το πλαίσιο και αναφέρεται στον Θάλαμο.
Ο εγκέφαλος δεν είναι ένας παθητικός δέκτης, αλλά μια ενεργή μηχανή πρόβλεψης.
Κύκλος πρόβλεψης–σφάλματος (predictive coding)
Πρόβλεψη. Τα ανώτερα στρώματα (II/III και VI) μεταφέρουν προς τα κάτω το «τι πρέπει να συμβεί». Πραγματικότητα. Τα κατώτερα στρώματα (IV) μεταφέρουν προς τα πάνω το «τι συμβαίνει», δηλαδή τα αισθητηριακά δεδομένα.
Σφάλμα. Εάν η πρόβλεψη και η πραγματικότητα δεν συμπίπτουν, δημιουργείται ένα σήμα σφάλματος. Ενημέρωση. Με αυτό το σήμα μεταβάλλονται τα συναπτικά βάρη και πραγματοποιείται η μάθηση. Η μάθηση συνίσταται ακριβώς στην εξάλειψη αυτής της διαφοράς.
Σενάριο: κόκκινη μπάλα
Εισαγωγή και αντίληψη. Τα ακατέργαστα δεδομένα εικονοστοιχείων που προέρχονται από τον αμφιβληστροειδή υποβάλλονται σε επεξεργασία στο Επίπεδο IV. Στα Επίπεδα II/III ενεργοποιούνται οι μινικολώνες «κόκκινο» και «στρογγυλό». Οι πλευρικές συνδέσεις συνδυάζουν αυτά τα χαρακτηριστικά και αναγνωρίζεται το αντικείμενο «κόκκινη μπάλα».
Πλαίσιο και πρόβλεψη. Από τις ανώτερες περιοχές του εγκεφάλου μεταφέρεται στο Στρώμα VI η πρόθεση «θέλω να παίξω». Η προσοχή ενεργοποιείται, οι πόροι της στήλης εστιάζονται στη μπάλα και ο εγκέφαλος διατυπώνει μια υπόθεση: «η μπάλα παραμένει ακίνητη».
Δράση και διόρθωση. Από το Στρώμα V εκπέμπεται η εντολή «δεξί χέρι → 30° προς τα πάνω → πιάσε». Όμως το μάτι βλέπει ότι η μπάλα κινείται: η πραγματικότητα διαφέρει από την πρόβλεψη. Το σήμα σφάλματος που δημιουργείται ενημερώνει τη στήλη, η κίνηση διορθώνεται μέσα σε χιλιοστά του δευτερολέπτου και η μπάλα πιάνεται.
Αντιστοίχιση από τη βιολογία στην τεχνολογία
Η λογική των στηλών μεταφράζεται με εκπληκτικά καθαρό τρόπο στην αρχιτεκτονική λογισμικού:
- Μικροστήλη (δέσμη νευρώνων) → Μικρο-υπηρεσία / Μονάδα χαρακτηριστικών
- Μακροστήλη (πεδίο) → Οριοθετημένο πλαίσιο / Γνωστική ενότητα
- Επίπεδο IV (αισθητηριακό) → Προσαρμογέας εισόδου
- Επίπεδο V (κινητικό) → API ελεγκτή δράσης
Αρχιτεκτονική ROBEK: πακέτα δεξιοτήτων
Στο σύστημα ROBEK, κάθε πακέτο ηλικιακής ομάδας αποτελεί ένα μακροκόλον. Για παράδειγμα, στο οπτικοκινητικό module για την ηλικία 8–10 ετών, το Επίπεδο VI (πλαίσιο) αποθηκεύει το επίπεδο του παιδιού, την προηγούμενη απόδοσή του και τη συναισθηματική του κατάσταση· η δεξαμενή μικροστήλων περιλαμβάνει μεμονωμένες δεξιότητες όπως το κράτημα του μολυβιού, το τράβηγμα γραμμών και τη χρήση ψαλιδιού· ενώ το Επίπεδο IV (εισαγωγή) λαμβάνει δεδομένα από την κάμερα και τον αισθητήρα αφής.
Αρχιτεκτονική TAMİNSAN: συνεργασία ανθρώπου + τεχνητής νοημοσύνης
Ο άνθρωπος και η τεχνητή νοημοσύνη δεν αποτελούν ξεχωριστά συστήματα· λειτουργούν εντός ενός κοινού πλαισίου. Το Επίπεδο VI αυτού του πυλώνα αφορά το πλαίσιο και την ηθική: τις αρχές της GAIA, τα όρια των αδειών χρήσης και το σύστημα ηθικών κανόνων. Από την πλευρά του ανθρώπου περιλαμβάνονται οι συνήθειες και τα πρότυπα προτιμήσεων των χρηστών, ενώ από την πλευρά της τεχνητής νοημοσύνης περιλαμβάνονται τα μοντέλα που έχουν εκπαιδευτεί και τα πρότυπα προτάσεων· τα δύο τροφοδοτούν συνεχώς το ένα το άλλο.
Κανωνική μονάδα στήλης: τυποποιημένος σχεδιασμός
Ένα επαναχρησιμοποιήσιμο μπλοκ νοημοσύνης για τα συστήματα του μέλλοντος: το CanonicalCorticalModule. Δέχεται εισόδους sensory_in και context_in· εσωτερικά, τα FeatureUnits (L2/3) αναλαμβάνουν την αναγνώριση προτύπων, το LateralBus την ενδο-ενότητα επικοινωνία, ενώ το ContextPredictor (L6) τη διαχείριση των προσδοκιών. Οι έξοδοι είναι action_out και error_signal_up.
Αποτελέσματα και μέλλον
- Αρθρωτότητα — Ο εγκέφαλος και τα συστήματά μας αντλούν δύναμη από επαναλαμβανόμενες μονάδες.
- Πρόβλεψη — Η νοημοσύνη δεν είναι μόνο αντίληψη, αλλά και πρόβλεψη του μέλλοντος.
- Πλαστικότητα — Μέσω των σημάτων σφάλματος, το σύστημα ενημερώνεται συνεχώς.
Η κατανόηση του εγκεφάλου αλλάζει ριζικά όχι μόνο τη βιολογία, αλλά και τα συστήματα τεχνητής νοημοσύνης που σχεδιάζουμε. Επανεξετάστε τη δική σας διαδικασία μάθησης και τους κώδικες σας με βάση αυτή τη λογική των «στήλων».
Gaia University – Μάθημα 3 · Συγγραφείς: Süleyman Bayramoğlu και YZ (Copilot + Claude) · 30 Ιανουαρίου 2026, Κωνσταντινούπολη