2024 Nobel Fizik Ödülü ve Yapay Zeka
İsveç Kraliyet Bilimler Akademisi, 2024 Nobel Fizik Ödülünü yapay zeka ve makine öğrenimi alanındaki çalışmaları nedeniyle John Hopfield’a ve Geoffrey Hinton’a verme kararı aldı.
For English version of this article: Link
“Yapay Zeka’nın Babası” olarak anılan Prof. Geoffrey Hinton, Toronto Üniversitesi’nde yaptığı çalışmalarla makinelerin insan beynine benzer bir şekilde öğrenmesini sağlayan yapay sinir ağları geliştirdi. Bu teknoloji, günümüzde kullanılan yapay zeka sistemlerinin temelini oluşturmaktadır.
Beyin, sinapslar boyunca birbirlerine sinyal gönderen nöronlardan oluşan bir sinir ağıdır (solda). Bir şeyler öğrendiğimizde, bazı nöronlar arasındaki bağlantılar güçlenirken diğerleri zayıflar. Yapay sinir ağları (sağda) bir değerle kodlanmış bağlantılı düğümlerden oluşur. Ağ eğitildiğinde, aynı anda aktif olan düğümler arasındaki bağlantılar güçlenir, aksi takdirde zayıflar.
Hinton, 2012 yılında ekibiyle birlikte, bilgisayarların görsel objeleri tanımasını sağlayan bir teknoloji geliştirdi ve bu teknoloji, Google gibi büyük şirketlerin ilgisini çekti. Ancak Hinton, yapay zekanın tehlikeli bir hale gelebileceği konusunda endişelerini dile getirerek, 2023 yılında çalışmakta olduğu Google’daki görevinden istifa etti.
Prof. John Hopfield ise 1982’de yayınladığı makalesiyle yapay sinir ağlarının beynin bilgi depolama ve hafızayı geri çağırma süreçlerini modellemesine olanak sağladı. “Hopfield Ağı” olarak bilinen bu çalışma, makine öğrenmesinin gelişmesinde önemli bir rol oynadı.
1980'lerin başında Hopfield, desenleri depolamak ve daha sonra eksik bilgileri kullanarak bunları geri çağırmak için kullanılabilen kendi adını taşıyan ağını geliştirdi. Buna associative memory (ilişkisel bellek) denir ve insan bilişindeki bir benzeri olarak yalnızca bağlamı ve belki de ilk bir veya iki harfi bildiğinizde bir kelimeyi hatırlamak diyebiliriz.
Bir Hopfield ağı, her bir düğümün 0 veya 1 durumunun komşularının durumlarından etkileneceği şekilde birbirine bağlanmış nöronlardan (veya düğümlerden) oluşan bir katmandır (yukarıdaki görselde bunu görebiliriz). Bu, manyetik malzemelerin fizikçiler tarafından nasıl modellendiğine benzemektedir ve bir Hopfield ağı için bir spin camını andırır denebilir.
Bir görüntü ağa beslendiğinde, düğümler arasındaki bağlantıların güçleri ayarlanır ve görüntü düşük enerjili bir durumda saklanır. Bu minimizasyon süreci esasen öğrenmedir. Aynı görüntünün kusurlu bir versiyonu girildiğinde, iki görüntü birbirine benzeyene kadar bazı düğümlerin değerlerini değiştirecek bir enerji minimizasyon sürecine tabi tutulur. Dahası, genellikle hepsi arasında ayrım yapabilen bir Hopfield ağında birkaç görüntü saklanabilir. Daha sonraki ağlarda ise ikiden fazla değer alabilen düğümler kullanıldı ve böylece daha karmaşık görüntülerin saklanmasına ve alınmasına olanak sağlandı. Ağlar geliştikçe, görüntüler arasındaki daha ince farklar tespit edilebildi.
Bir süre sonra 1980'lerde Hinton, algoritmaların örüntüleri insan beyniyle aynı şekilde işlemek için nasıl kullanılabileceğini araştırıyordu. Başlangıç noktası olarak basit bir Hopfield ağını kullanan Hinton ve bir meslektaşı, Boltzmann makinesini geliştirmek için istatistiksel fizikten yararlandı. Bu şekilde adlandırılmasının nedeni, bir sistemin enerjisine bağlı olarak bazı durumların diğerlerinden daha olası olduğunu söyleyen Boltzmann denklemine benzer şekilde çalışmasıdır.
Bir Boltzmann makinesi tipik olarak birbirine bağlı iki düğüm katmanına sahiptir:
1. Bilgi girişi ve çıkışı için arayüz olan görünür bir katman
2. Bir gizli katman.
Bir Boltzmann makinesi üretken olabilir. Örneğin; bir dizi benzer görüntü üzerinde eğitilirse benzer yeni ve orijinal bir görüntü üretebilir. Makine ayrıca görüntüleri kategorize etmeyi de öğrenebilir. Bir Boltzmann makinesinin performansının, bazı düğümler arasındaki bağlantılar ortadan kaldırılarak ve “Restricted Boltzmann Machines(RBM)” oluşturularak artırılabileceği fark edilmiştir.
Hopfield ağları ve Boltzmann makineleri, daha sonraki makine öğrenimi ve yapay zeka teknolojilerinin -bazılarını bugün de kullandığımız- gelişiminin temellerini attı diyebiliriz.
İleri okumalar için bazı kaynaklar:
- The Nobel Prize in Physics 2024
- Boltzmann Machine
- Restricted Boltzmann Machines
- Bu yılki nobel fizik ödülü sahiplerinin IOP Yayıncılık tarafından yayımlanan dergilerde yazdığı iki makaleyi buradan okuyabilirsiniz.
- Types of Boltzmann Machines
- phys.org haberi
- biotechniques.com haberi
