2024 Nobel Fizik Ödülü

2024 Nobel Fizik Ödülü’nün bu yılki sahipleri, yapay sinir ağları ile makine öğrenimini mümkün kılan önemli keşifler ve icatlar nedeniyle ödüllendirilen Princeton’dan fizikçiler John J. Hopfield ve Toronto Üniversitesi’nden Geoffrey E. Hinton’dur . Hopfield, verileri depolayabilen ve bilgileri yeniden yapılandırabilen yapılar yarattı ve Hinton, verilerdeki kalıpları bulmaya yönelik bir yöntem keşfetti. Bu keşiflerin sonuçlarını günlük olarak görüyor ve kullanıyoruz; örneğin makine çevirisi, görüntü tanıma ve yapay zeka kullanımında. İkincisi genellikle gerçekten sinir ağlarını kastettiğimiz geniş bir terimdir.

Şimdilik fikir birliği, bilgisayarların ve makinelerin bilinç geliştiremediği ve düşünemediği yönünde ancak bunların işleyişinin sonuçları buna çok benzer. Klasik bilgisayar programları, bir tarif gibi çalışması anlamında kesinlikle deterministikti.

Adımlar açıkça tanımlanmıştı, sonuçlar tahmin edilebilir ve anlaşılırdı. Ancak makine öğreniminde bilgisayara bir tarif vermiyoruz, kendi kendine öğreniyor. İnsan beyni de aynı şekilde öğrendiğinden, araştırmacılar ilhamlarını doğadan aldılar. Hiç kimse sandalyenin ne olduğunu tanımını ezberleyerek, sandalyeleri gözlemleyerek ve ebeveynlerine sandalye olduğunu söyleyerek öğrenemedi. Neredeyse bir asır önce Kanadalı psikolog Donald Hebb, öğrenmeyi beyindeki bağlantıları kurarak ve güçlendirerek açıklamıştı. Yapay zeka başından beri aynı şekilde ele alındı. Nöronlar, farklı değerlere sahip olabilecek ve öngörülebilir bir sırayla birbirine bağlanan düğümlerle temsil ediliyordu. Bu tür sinir ağları, bireysel bağlantılara ait ağırlıkları belirleyerek öğrenir.

Ancak 50’li ve 60’lı yıllardaki ilk heyecanı, 80’li yıllara kadar süren ilk kış izledi. O zamanlar ilkel sinir ağlarının hiçbir pratik faydası olmayacak gibi görünüyordu. 1982’de John Hopfield, çağrışımsal hafıza olarak çalışan Hopfield ağını geliştirdi. Böyle bir ağ, kalıpları ezberleyebilir ve daha sonra bunları yaklaşık girdilerden yeniden üretebilir. Böyle bir ağda sinapslarla bağlanan düğümler bulunur ve bağlantıların değerlerine sinaptik ağırlıklar denir. Bunlar, Hebb öğrenmesi ile elde edilebilecek olan, ağın kararlı durumunun (farklı girişlerde) depolamak istediğimiz verilere eşit olması gibi değerlere sahiptir. Hopfield böyle bir sistemi, ilişkili parçacıkların dönüşünü gözlemlediğimiz fiziksel bir sistemle karşılaştırdı.

Ancak, böyle bir sinir ağında birden fazla örneğin saklanmasının mümkün olduğu ve girişe bağlı olarak ağın bunları birbirinden ayırt edebildiği ortaya çıktı. Buradan görüntüleri tanıyabilen bir ağa ulaşmak çok uzak değil. Hopfield, ilişkisel hafızayı temsil eden sinir ağlarının temellerini attı. Hinton ayrıca, bilgisayarların da kalıpları tanıyıp tanıyamayacağı ve her şeyden önce bunu insanlara benzer şekilde kendiliğinden veya basitçe pratik yoluyla öğrenip öğrenemeyeceği sorusunu da ele aldı. Hopfield kafesleriyle başladı ve bunları bir Boltzmann makinesine dönüştürdü. Bunun iki tür katmandaki nöronları vardır: görünür ve gizli.

Boltzmann makinesinde aynı katmandaki nöronlar arasında da bağlantılar bulunurken kısıtlı Boltzmann makinesinde bu bağlantı yoktur. Bu tür ağlar kendilerine örüntüler sunularak öğrenebilir ve daha sonra daha önce hiç görmedikleri örüntüleri tanıyabilirler. Bu makinelerin ilk türleri verimsizdi, ancak daha sonra nöronlar arasındaki hangi bağlantıların gerçekten gerekli olduğu dikkatlice değerlendirilerek önemli ölçüde hızlandırıldılar. Bugün Netflix ilgimizi çekebilecek filmler önerdiğinde bile onlarla her yerde karşılaşıyoruz.