Yapay sinir ağı

Yapay sinir ağı, birbirine bağlı çok sayıda basit hesaplama biriminden (yapay nöronlardan) oluşan bir bilgisayar modelidir. Her birim kendisine gelen sayıları belirli ağırlıklarla çarpıp toplar ve sonucu bir sonraki katmana iletir. Ağın "öğrenmesi", örnek veriler üzerinde yaptığı tahminlerin hatasını azaltacak şekilde bu ağırlıkların adım adım ayarlanmasıdır. Model, kendisine açıkça kural yazılmadan, örneklerden kalıpları çıkarmayı öğrenir.

Fikir, beynin nöron ağlarından esinlenmiştir ve kökleri 1940'lara kadar uzanır; ancak yapay nöronlar biyolojik nöronların çok basitleştirilmiş birer benzetmesidir. Uzun süre sınırlı başarı gösteren bu yaklaşım, 2010'larda büyük veri kümeleri, grafik işlemcilerin sunduğu hesaplama gücü ve geliştirilmiş eğitim yöntemleri bir araya gelince hızla yükseldi. Çok katmanlı ağlarla yapılan bu öğrenmeye derin öğrenme denir. John Hopfield ve Geoffrey Hinton, yapay sinir ağlarıyla makine öğrenmesini mümkün kılan temel buluşları nedeniyle 2024 Nobel Fizik Ödülü'nü aldı.

Bugün sinir ağları yüz tanımadan konuşmanın yazıya dökülmesine, makine çevirisinden tıbbi görüntülerin incelenmesine kadar pek çok alanda kullanılıyor. Bilimde de etkileri büyük: proteinlerin üç boyutlu yapısını tahmin eden yapay zekâ sistemleri 2024 Nobel Kimya Ödülü'ne konu oldu. Bununla birlikte sinir ağlarının nasıl karar verdiğini açıklamak çoğu zaman zordur; eğitim verisindeki önyargıları da öğrenebilirler. Bu nedenle sonuçlarının dikkatle doğrulanması gerekir.