Son zamanlarda yapay zeka insanlar arasında ve sosyal medya platformlarında en çok tartışılan konu haline geldi ve ardı ardına yaşanan gelişmelerden sonra Microsoft'un kurucusu Bill Gates, yaptığı son açıklamalarda yapay zekanın sürekli ve durdurulamaz bir gelişim içinde olduğunu, bir gün insan aklının kapasitesini aşacağını, adeta bir salyangoz hızına sahip insan zihninin yapabildiği her şeyi sınırsız hafıza ve hız ile yapabileceğini iddia etti.
İnsan yetenekleriyle rekabet etmeye başlayan makineleri bu yüksek becerilere kavuşturan şey nedir?
Bu gelişime katkıda bulunan aşamalar neler?
fazla oku
Bu bölüm, konuyla ilgili referans noktalarını içerir. (Related Nodes field)
Dönüm noktası
Yapay zeka, uzmanlar tarafından geliştirilen ve tamamen veriler üzerine inşa edilen modellere dayanıyor.
Girilen veri miktarı ne kadar fazlaysa, cevapların doğruluğu da o kadar fazla olur ve bu nedenle verilerle ilgilenme süreci bu alanda ana rolü oynar.
Dilsel modeller, bir derin makine öğrenimi biçimi olarak model oluşturma, analiz etme, veri değerlendirme, tahmin yapma ve kontrol etme yoluyla birçok yapay zeka uygulamasının geliştirilmesinde etkin rol oynadı.
Bu sebeple dilsel modeller, önemli bir unsur olan yapay sinir ağlarının bir biçimini temsil eder. Yapay sinir ağları, makineyi insan zihninin akıllı simülasyonunun zirvesine çıkaran devrim niteliğinde bir çözüm olarak ortaya çıktı.
Onu anlamak ve nasıl çalıştığını bilmek, yapay zekayı öğrenmenin en kolay yolu.
İlk yapay ağ
Yapay sinir ağlarının (ANN) geliştirilmesine yönelik çalışmalar geçen yüzyılın 40'lı ve 50'li yıllarında başladı.
IBM şirketi, nöronu simüle etmek için ilk girişimi yaptı, ancak bu çalışma daha sonra ihmal edildi.
Daha sonra Amerikalı sinirbilimci Frank Rosenblatt, 1957-1962 yılları arasında insan zihnini düşünme sürecinde simüle etmeye başladığı bir grup deney yaptı ve bugün "Perceptron" olarak adlandırılan sinir ağı üzerinde çalışmaya başladı.
Perceptron, tarihteki ilk yapay ağın yaratılmasına yol açtı ve daha sonra bugün bildiğimiz şekliyle yapay zekanın ve derin öğrenmenin mihenk taşı oldu.
Perceptron, sinir ağlarının en basit ve en ilkel türlerinden biri. O, gizli nöron katmanı içermez, ancak ön katmandan (giriş) son katmana (çıktı) doğrudan iletilen ve ağırlıkları ayarlanabilir konektörlerle bağlanan bilgiler içerir.
İnsan beynini simüle etmek
Bu alandaki en önemli bilim adamlarından biri olan Finli bilgisayar bilimcisi Teofo Kohonen, yapay sinir ağlarını şu şekilde tanımladı:
Yapay sinir ağları, biyolojik sinir sisteminin gerçek dünya ile etkileşime girmesi gibi, gerçek dünyadaki nesnelerle etkileşime giren basit, paralel, hiyerarşik olarak organize edilmiş bileşenlerden oluşan, yoğun bir şekilde birbirine bağlı ağlardır.
Yapay ağlar, insan beyninde öğrenme, hatırlama, karar verme ve nesneleri ayırt etmede biyolojik nöronların çalışma şeklinin yazılımsal elektronik simülasyonlarıdır. Beyin, iletişim kurma ve sinyal alışverişi yapma (dürtü) yeteneklerine sahip yaklaşık 86 milyar nöron içerir ve bunlar, geniş bir sinir lifi ağıyla birbirine bağlıdır. Böylece hücreler bilgiyi paralel olarak işler ve depolar.
Gücü, veri ve girdi işlemenin dayandığı yapısal formda yatmaktadır, böylece her bir parçası ayrı ayrı çalışabilir ve tıpkı bilgisayar işlemcilerinin hesaplama yapması gibi, işini denetleyen başka bir parça tarafından yönetilebilir. Aslında yapay nöronların tek yaptığı şey, verileri insan beynini taklit edecek şekilde işlemektir.
Yapay nöronlar
İnsanın kendisini dış dünyaya bağlayan ve girdi birimleri olarak işlev gören beş duyusu gibi, sinir ağları da benzer girdi birimlerine ve matematiksel işlemlerin gerçekleştirildiği işlem birimlerine ihtiyaç duyar.
Nöron, ağdaki en küçük birimi temsil eder ve insan beyni ile ana benzerliği, eğitim yoluyla bilgi edinmesi ve bu bilgiyi nöronlar içindeki "ağırlıklar" adı verilen bağlantı kuvvetlerini kullanarak depolamasında.
Ağ, giriş seviyesi, gizli seviye ve çıkış seviyesi olmak üzere üç seviyeden oluşur ve nöronun insan beyninde nasıl çalıştığını simüle etmeye çalışan bir dizi matematiksel işlemden geçer.
Birincisi çarpma ve ikincisi toplamadır, ardından iki işlemin sonucu matematiksel bir işleve (etkinleştirme işlevi) girilerek en sonunda "çıktı" elde edilir.
Büyük değişim
2017'de ortaya çıkan transformatörler, en önemli yapay ağlar arasında, çünkü bilgileri kelimenin yerine göre değil, bağlama göre izleyerek insan zihnine benzer bir şekilde çalışırlar.
Başlangıç aşamasında, cevabı cümlenin son kelimesine göre tahmin eden ağlar, çıktıyı yanlış hale getiriyordu.
Bu nedenle, transformatörler, ağların simülasyon yeteneklerinde büyük bir değişiklik yapan, her kelimeye sadece konumuna değil, cümle içindeki önemine göre önem veren yetenekleriyle ağların en büyük dezavantajlarından birini yok etti.
Bu andan itibaren, dilsel modeller gelişmeye ve birbirleriyle rekabet etmeye başladı.