Yapay Sinir Ağları Nedir?

İnsan beyninde milyonlarca, milyarlarca nöron yani sinir hücresi var. Bir şeyi öğrendiğimizde bu sinir hücreleri birbirleriyle iletişim kurar, aralarında elektrik sinyalleri gidip gelir ve bağlar güçlenir. Bilim insanları da düşünmüş ki: "Neden insan beynindeki bu yapıyı bilgisayar kodlarına aktarmayalım?"

İşte Yapay Sinir Ağları (Artificial Neural Networks) tam olarak buradan çıkıyor. Yapay sinir ağları, tıpkı insan beynindeki nöronlar gibi birbirine bağlı dijital düğümlerden oluşur. Bu sistemde bir girdi katmanı vardır, içeride gizli katmanlar vardır ve en sonunda bir çıktı katmanı vardır.

Sistem ilk başta hiçbir şey bilmez. Tıpkı yeni doğmuş bir bebek gibidir. Yanlış tahminler yapar, hata yapar ama her hatasından sonra arkadaki o dijital bağların ağırlıklarını, yani önem derecelerini ayarlar. Deneye deneye, yanala yanıla doğruyu bulmayı öğrenir.

Derin Öğrenme (Deep Learning) Nedir?

"Derin" kelimesi gözünüzü korkutmasın. Derin öğrenme, aslında bu yapay sinir ağlarının üst üste katmanlar halinde dizilerek çok daha karmaşık ve çok daha derin bir yapıya bürünmüş halidir.

Düz bir yapay sinir ağı basit şeyleri çözerken; derin öğrenme, yüz binlerce katmandan geçerek çok karmaşık resimleri, sesleri veya yazıları anlayabilir. Bir fotoğrafı aldığında ilk katman sadece düz çizgileri ve kenarları fark eder. Bir sonraki katman o çizgileri birleştirip yuvarlakları, kareleri anlar. Daha derin katmanlar ise birleşen şekillerin bir göz, bir burun veya bir araba tekerleği olduğunu kavrar. En sondaki katman da "Bu bir kedi fotoğrafıdır" der.

Bu kafa karıştırıcı gibi duran yapıyı gelin günlük hayattan herkesin anlayabileceği çok basit örneklerle iyice netleştirelim:

Örnek 1: Bir Çocuğa Kedi ve Köpeği Ayırt Etmeyi Öğretmek

Küçük bir çocuğa elinizle yazılı kurallar listesi verip "Eğer kulakları uzunsa ve havlıyorsa köpektir, bıyıkları varsa ve miyavlıyorsa kedidir" diye ezberletmezsiniz.

Bunun yerine çocuğa sokakta yürürken kedi gösterip "Bak bu kedi" dersiniz. Sonra bir köpek görür ve çocuk "Bak kedi!" der. Siz de "Hayır, o kedi değil, o köpek" diyerek onu düzeltirsiniz. Çocuk zihninde o hatalı tahmini düzeltir ve arka planda kedi ile köpeğin farkını zamanla kendi kendine çözer.

Derin öğrenme de tam olarak böyledir. Makineye yüz binlerce kedi ve köpek fotoğrafı yüklersiniz. Makine başta hepsini karıştırır. Siz veya sistem "Yanlış tahmin ettin" dedikçe aradaki dijital sinir bağlarını ayarlar ve sonunda fotoğrafa bakar bakmaz kedi ile köpeği şak diye ayırt etmeyi öğrenir.

Örnek 2: Bisiklet Sürmeyi Öğrenmek

Bisiklete ilk defa bindiğiniz anı düşünün. Birisi size kitap açıp "Pedala 30 derece açıyla bas, direksiyonu sağa %15 kır, vücudunun ağırlık merkezini sola kaydır" dese bisiklet sürmeyi öğrenemezsiniz.

Bunun yerine bisiklete binersiniz. Sağa yalpalarsınız, düşer gibi olursunuz. Beyniniz o an "Hata yaptım, dengemi kaybettim" der ve kaslarınıza gönderdiği sinyalleri biraz değiştirir. Biraz daha sürersiniz, yine yalpalarsınız ve beyniniz ağırlık dengesini otomatik olarak tekrar ayarlar.

Yapay sinir ağlarında bu işe "ağırlık güncellemesi" denir. Sistem bir tahmin yapar, düşer gibi olur, hatasını hesaplar ve içindeki ayarları biraz değiştirir. Binlerce denemeden sonra artık düşmeden kusursuzca bisiklet sürmeyi, yani doğru tahmini yapmayı öğrenmiş olur.

Örnek 3: Bir Evin Fiyatını Tahmin Etmek

Bir evin fiyatını tahmin etmek istediğinizi düşünün. Elinizde bazı veriler var: Evin metrekaresi, oda sayısı, merkeze uzaklığı ve bulunduğu kat.

Sizin zihninizde bu kriterlerin hepsinin bir ağırlığı vardır. Mesela evin metrekaresi fiyatı çok etkiler (yüksek ağırlık), ama evin duvar rengi fiyatı pek etkilemez (düşük ağırlık).

Yapay sinir ağı da tam olarak bunu yapar. Verileri alır, her bir özelliğe ilk başta rastgele bir önem ve ağırlık verir. Sonra gerçek ev satış fiyatlarıyla kendi tahminini karşılaştırır. Bakar ki metrekaresine az önem verdiği için çok yanlış bir fiyat tahmin etmiş, hemen metrekaresinin önem derecesini, yani ağırlığını artırır. Bu işlemi binlerce ev ilanı üzerinde tekrarlayarak bir evin değerini kusursuz bir şekilde tahmin etmeyi öğrenir.

Makinelerin öğrenme mantığı sihirli bir olay veya büyülü bir güç değildir. Yapay sinir ağları ve derin öğrenme, devasa miktarda veriyi inceleyerek deneme-yanılma yöntemiyle hata payını sıfıra indirmeye çalışan, insan beyninden esinlenilmiş matematiksel bir yapıdır. Bir sonraki bölümde bu yapının nasıl günümüzdeki büyük dil modellerine ve üretken yapay zekaya dönüştüğünü inceleyeceğiz.