Makinaların öğrenmesini sağlayan yapay zeka babalarına Nobel ödülü

Fizik Nobel Ödülü, John Hopfield ve Geoffrey Hinton'ın yapay zeka devrimine yaptığı önemli katkılara gidiyor. Eğer en son yapay zeka tarafından üretilen bir videoyu izlerken şaşkınlıkla ağzınız açıldıysa, banka hesabınızı dolandırıcılardan bir sahtekarlık tespit sistemi kurtardıysa veya gününüz biraz daha kolaylaştı çünkü koşarken bir metin mesajı diktate edebiliyorsanız, bunu başarmak için birçok bilim insanı, matematikçi ve mühendise teşekkür etmelisiniz. Ancak bu deneyimleri mümkün kılan derin öğrenme teknolojisine temel katkılarda bulunan iki isim öne çıkıyor: Princeton Üniversitesi fizikçisi John Hopfield ve Toronto Üniversitesi bilgisayar bilimcisi Geoffrey Hinton. Her iki araştırmacı da, 2024 Nobel Fizik Ödülü'nü, yapay sinir ağları alanındaki öncü çalışmaları nedeniyle 8 Ekim 2024 tarihinde aldı. Yapay sinir ağları, biyolojik sinir ağları üzerine modellenmiş olmasına rağmen, her iki araştırmacının çalışması da istatistiksel fizikten esinlenmiştir, bu yüzden fizik ödülü verildi. Nobel Komitesi, 2024 Fizik Ödülü'nü duyuruyor. Fotoğraf: Atila Altuntaş / Anadolu via Getty Images via The Conversation Bir nöron nasıl hesaplama yapar Yapay sinir ağları, biyolojik nöronların yaşayan beyinlerindeki çalışmalarına dayanır. 1943'te nörofizyolog Warren McCulloch ve mantıkçı Walter Pitts, bir nöronun nasıl çalıştığını basit bir model olarak önerdiler. McCulloch-Pitts modelinde, bir nöron komşu nöronlarına bağlıdır ve onlardan sinyaller alabilir. Daha sonra bu sinyalleri birleştirerek diğer nöronlara sinyal gönderebilir. Ancak bir dönemeç var: Farklı komşulardan gelen sinyallere farklı ağırlıklar verebilir. Örneğin, yeni bir çok satan telefon satın alıp almayacağınıza karar vermeye çalışıyorsunuz. Arkadaşlarınızla konuşup onlardan tavsiyeler istersiniz. Basit bir strateji, tüm arkadaş tavsiyelerini toplamak ve çoğunluk ne diyorsa ona gitmektir. Örneğin, üç arkadaşınıza, Alice'e, Bob'a ve Charlie'ye sorarsınız ve onlar evet, evet ve hayır derler. Bu sizi telefonu satın almaya karar vermeye götürür çünkü iki evet ve bir hayır aldınız. Ancak teknik cihazlar konusunda çok bilgili olan bazı arkadaşlara daha fazla güvenebilirsiniz. Örneğin, Charlie çok bilgiliyse, onun hayır demesini üç kez sayar ve şimdi kararınız telefonu almamak olur - iki evet ve üç hayır. Teknik cihaz konularında tamamen güvenmediğiniz bir arkadaşınız varsa, onlara negatif bir ağırlık bile atayabilirsiniz. Bu yüzden evetleri hayır olarak ve hayırları evet olarak sayar. Yeni telefonun iyi bir seçim olup olmadığına dair kendi kararınızı verdiğinizde, diğer arkadaşlar size tavsiyede bulunabilir. Benzer şekilde, yapay ve biyolojik sinir ağlarında nöronlar komşularından sinyalleri toplayıp diğer nöronlara sinyal gönderebilir. Bu yetenek, önemli bir farklılık yaratır: Ağda bir döngü var mıdır? Örneğin, bugün Alice, Bob ve Charlie'ye sorarsam ve yarın Alice bana bir tavsiye sorarsa, o zaman bir döngü vardır: Alice'tan bana ve benden Alice'e. Tekrarlayan sinir ağlarında, nöronlar sadece bir yönde değil, ileri geri iletişim kurarlar. Eğer nöronlar arasındaki bağlantılar bir döngüye sahip değilse, bilgisayar bilimciler ona ileri beslemeli sinir ağı diyor. İleri beslemeli ağdaki nöronlar katmanlar halinde düzenlenebilir. İlk katman girişleri içerir. İkinci katman sinyallerini ilk katmandan alır ve böyle devam eder. Son katman ağın çıktılarını temsil eder. Ancak ağda bir döngü varsa, bilgisayar bilimciler ona tekrarlayan sinir ağı der ve nöronların düzenlemeleri, ileri beslemeli sinir ağlarından daha karmaşık olabilir. Hopfield ağı Yapay sinir ağlarının ilk ilhamı biyolojiden geldi, ancak kısa sürede diğer alanlar gelişmelerini şekillendirmeye başladı. Bunlar mantık, matematik ve fizik gibi alanları içeriyordu. Fizikçi John Hopfield, belirli bir tip tekrarlayan sinir ağı olan Hopfield ağını incelemek için fizikten fikirler kullandı. Özellikle, ağın dinamiklerini araştırdı: Ağ zaman içinde ne olur? Bu tür dinamikler, bilgi sosyal ağlar arasında yayıldığında da önemlidir. Viral olan memleri bilen herkes var ve çevrimiçi sosyal ağlarda yankı odalarının oluştuğunu biliyoruz. Bunlar, temelde ağdaki insanlar arasında basit bilgi alışverişlerinden kaynaklanan toplu olaylardır. Hopfield, tekrarlayan sinir ağlarının dinamiklerini anlamak için manyetizmayı çalışmak için geliştirilen özellikle fizik modellerini kullanmada öncü oldu. Ayrıca, bu dinamiklerin bu tür sinir ağlarına bir tür hafıza verdiğini gösterdi. Boltzmann makineleri ve geri yayılma 1980'lerde, Geoffrey Hinton, hesaplamalı nörobiyolog Terrence Sejnowski ve diğerleri, Hopfield'ın fikirlerini genişleterek Ludwig Boltzmann'dan esinlenerek adlandırılan Boltzmann makineleri adında yeni bir model sınıfı oluşturdu. Adından da anlaşılacağı gibi, bu modellerin tasarımı Boltzmann tarafından öncülüğü yapılan istatistiksel fizikle kökleri vardır. Hata depolayabilen ve hata düzeltebilen desenler - bir yazım denetleme gibi - Hopfield ağlarının aksine, Boltzmann makineleri yeni desenler üretebilir, bu da modern üretken yapay zeka devriminin tohumlarını eker. 1980'lerde Hinton, başka bir atılımın da parçasıydı: geri yayılma. Eğer yapay sinir ağlarının ilginç görevler yapmasını istiyorsanız, yapay nöronlar arasındaki bağlantıların doğru ağırlıklarını seçmek için bir şekilde doğru ağırlıkları seçmelisiniz. Geri yayılma, ağın bir eğitim veri kümesindeki performansına dayanarak ağırlıkları seçmeyi mümkün kılan temel bir algoritmadır. Ancak çok katmanlı yapay sinir ağlarının eğitilmesi zor olmaya devam etti. 2000'lerde, Hinton ve meslektaşları, ağı katman katman önceden eğiterek ve ardından önceden eğitilen ağın üstünde başka bir ince ayar algoritması kullanarak çok katmanlı ağları eğitmek için Boltzmann makinelerini zekice kullandılar. Çok katmanlı ağlar, artık derin ağlar olarak yeniden adlandırıldı ve derin öğrenme devrimi başlamıştı. Yapay zeka fizik'e geri ödeme yapar Fizik Nobel Ödülü, fizikten gelen fikirlerin derin öğrenmenin yükselişine nasıl katkıda bulunduğunu gösteriyor. Şimdi derin öğrenme, moleküllerden ve malzemelere kadar tüm yol boyunca tüm Dünya'nın iklimine kadar sistemlerin doğru ve hızlı simülasyonlarını sağlayarak fiziksel geri ödemesini başlatmıştır. Hopfield ve Hinton'a Fizik Nobel Ödülü verilmesi, ödül komitesinin bu ilerlemelerin insan refahını teşvik etmek ve sürdürülebilir bir dünya inşa etmek için insanlığın potansiyeline olan umudunu belirtti. Ambuj Tewari, Michigan Üniversitesi İstatistik Profesörü Bu makale, The Conversation'dan Creative Commons lisansı altında yeniden yayımlandı. Orijinal makaleyi okuyun.