Alkın Küçükbayrak Beyin ve Yapay Zeka

Alkın Küçükbayrak [email protected]
Beyin ve Yapay Zeka - Yapay Sinir Ağları I
Bundan önceki iki yazımızda Yapay Yaşam'ı inceledik, Yapay Yaşamın (Artificial Life),
yapay zeka dallarında yapılan araştırmaların sonuçlarından doğduğunu gördük. Ondan
önceki yazılarımızda da yapay zekanın matematiksel problemleri çözmeye dayanan temel
ve ileri yöntemlerine göz attık. Daha sonra bu yöntemlerin robotlara ve yazılım ajanlarına
nasıl uyarlandığını örneklerle inceledik. "Beyin ve Yapay Zeka" ana başlığı altında
toplanan üç yazıda, Yapay Zeka'nın insan beyni ile olan alakasına değineceğiz. Beyin
araştırmalarında elde edilen somut bulguların yapay zeka teknolojilerine nasıl
uygulandığını inceleyecek, bu incelememizde de Yapay Sinir Ağlarından ve Nöron
Simulatörlerinden örnekler vereceğiz. Bu yazımızda Yapay Sinir Ağlarının nasıl ortaya
çıktığını anlatacağız.
Yirminci yüzyılın sonlarına doğru gelindikçe bilinen matematiksel yöntemlerin yapay zeka
dallarına uygulanması da bir doyum noktasına ulaştı. Yapay zekayı geliştirmeyi ve
ilerletmeyi amaçlayarak ortaya atılan matematiksel problemler daha karmaşık bir hal
almaya, bazen de çözümsüz kalmaya mahkum oldu. Bu da Yapay Zeka araştırmacılarını
90'lı yıllardan sonra yeni yöntemler aramaya itti.
Yapay Zeka'nın ilk ortaya çıktığı 1950'li yıllardan bu yana davranışçı (behaviorist) bir
felsefe ile ilerleyen bilim adamları, düşünebildikleri en iyi çözüm bulma yöntemlerini
bilgisayarlara aktarmaya çalıştılar. Bu çalışmaların meyveleri, geçen yazılarımızda
incelediğimiz yapay yaşam canlıları ile zeki yazılım ajanları oldu. Aynı anda bazı bilim
adamları da doğrudan olarak bu çözümleri kendiliğinden bulabilecek öğrenme yöntemleri
ile zaman içinde daha iyi çözümler üretebilecek programlar üzerinde çalıştılar. Beynin
nöron adı verilen sinir hücrelerini bilgisayar ortamında birimler şeklinde programlayıp, bu
birimler ile "öğrenme" ve "çözümü mükemmelleştirme" üzerine deneyler yapmak
düşüncesi de, bu bilim adamları tarafından ortaya atıldı. Zeki bir program veya robot,
kendisine programlanan bir amaç doğrultusunda ilerlerken karşılaştığı engelleri
matematiksel problemler şeklinde kurguluyor (örneğin bir arama veya matematiksel
denklemler), bu problemleri çözerken kendinde mevcut bulunan, geçmiş tecrübelerinden
elde ettiği bir veri tabanından faydalanıyordu. Bir takım hesaplamalar ve kıyaslar ile de
kendince en iyi çözümü üretiyordu. Bütün bunlar neticede bu yöntemleri bulan bilim
adamlarının beyinlerinde cereyan eden, onların beyinleri ile düşünerek saptadıkları
düşünce sistemleri idi ve beynin her hangi bir bölümünün (lob) işlevinin, matematiksel
formüller ve programlar şeklinde bilgisayarda taklit edilmeleri idi. Bütün bunlar zeki
programlar üretmek için, beynin işlevinin daha iyi anlaşılması, bundan sonra da elde edilen
bulguların bilgisayar ortamına taşınması düşüncelerini doğurdu.
Beyin, özellikle de insan beyni, atomsal, moleküler, hücresel, hormonal, lobsal ve henüz
bilinemeyen daha nice organizasyon safhaları ile oldukça karmaşık bir yapıya sahiptir.
Beyin, aynı anda birbirinden farklı gerçekliklerin birbirlerine paralel ve birbirleri ile uyum
içinde çalışmaları sonucu işlevini yerine getirir. Bir insan içinde bulunduğu ortamı loblar
aracılığı ile algılar. Hormonlar moleküler düzeyde beynin nöron adı verilen sinir hücreleri
ile etkileşime girerler. Bu moleküllerin farklı elektrik yükleri taşıyan atomları, nöronlar
tarafından biyoelektriğe dönüştürülür. Öğrenme işlemi sırasında meydana gelen bu
biyoelektriğin, bu biyoelektriğin çeşitli nöronlar tarafından kullanım yöntemlerinin
öğrenme, algılama, düşünme gibi soyut işlevlerin kaynağı olduğu düşünüldü. Bunun
sonucu olarak da bir nöronun öğrenme sırasındaki davranışı daha yakından incelendi.
Beyindeki bir sinir ağında öğrenmek üzere programlanan birden fazla birim, aynı anda
sinyal işleme yöntemi ile öğrenmeye katkıda bulunur, öğrenme işini aralarında bir nevi
paylaşırlar. Ayrıca nöronlar, aralarında biyoelektriği transfer ederken
belli kurallar
izlerler. Bu kuralların en belirgin olanı (ve insanlar tarafından en önce ve kolay tespit
edilebileni), bir nöronun, eğer kendisine yollanan elektrik yükü bu yükü taşıma
kapasitesini aşıyor ise, kendisine fazla gelen biyoelektrik yükünü kendinden sonrakine,
bağlı olduğu nörona aktarması kuralıdır. Yani öğrenmenin kaynağı olduğu düşünülen
biyoelektrik yükü, nöronlar arasında, nöronların kapasitelerine göre dağılarak işlenir ve
öğrenme işlemi açığa çıkar. Buna bağlı olarak beyindeki öğrenme de aslında, belli
matematiksel kurallara dayanarak nöronlar arasında vuku bulan bir biyoelektrik akımıdır.
Bu amaç doğrultusunda, bu sinir hücrelerini birimler olarak bilgisayara aktarma yöntemi
ile bu soyut kavramların işlevleri konusunda bilgi ve fikir sahibi olmayı düşünen bilim
adamları, nöronların bazı davranışlarını bilgisayar ortamında taklit eden yapay nöronları
(Artificial Neurons),
sonra da bu yapay nöronlardan oluşan Yapay Sinir Ağlarını
(Artificial Neural Networks) inşa ettiler.
Beyindeki sinir ağlarının (Neural Networks) çalışma prensibi baz alınarak inşa edilen Y. S.
Ağlarında dikkati çeken, burada önceki yazılarımızda anlattıklarımızdan farklı olarak,
"öğrenen bir birim" veya "öğrenme işlemi ile uğraşan bir ana karar merkezinin"
olmayışıdır. Y. S. Ağları bünyesindeki nöronlar, biyoelektriğin beyin hücreleri tarafından
işlenmesi gibi, bilgisayar ortamında belli ölçü birimleri şeklinde tanımlanan bilgi akışını
işleyip, bu bilgi akışını yine ölçülerle, ama bu defa istatistiksel olarak daha kesin ve daha
emin ölçülü verilere dönüştürürler.
"Yapay Sinir Ağları II" başlıklı bir sonraki yazımızda öğrenme işleminin nasıl vuku
bulduğuna biraz daha detaylı değinecek, Y. S. Ağları kullanılarak "öğrenme" işleminin
nasıl gerçekleştirildiğine ve istatistiksel verilerin nasıl kesinleştirildiğine gerçek hayattan
örnekler vererek açıklama getireceğiz.