Nöral Ağ (Network) Nedir?

Nöral ağ (network) biyolojik veya yapay (matematiksel) nöronlardan oluşan bir ağ ya da devredir. Yapay nöral ağlar yapay zeka problemlerini çözmek için tasarlanmaktadır. Bunun için biyolojik nöronlar arasındaki bağlantılar ağırlık veya yükler şeklinde modellenir. Pozitif yük uyarıcı bağlantıyı, negatif yük ise engelleyici (inhibe edici) bağlatıyı temsil eder. Tüm veriler yüklere çevrilip toplanır. Bu aktivite çizgisel bir kombinasyon şeklinde gösterilir. Son olarak bir aktivasyon fonksiyonu çıktının genliğini belirler. Çıktı aralığı genelde 0 ile 1 arasındadır ya da -1 ile 1 arasında da olabilir.

Nöral Ağ ve Yapay Zeka

Yapay nöral ağlar bir veri seti ile eğitilerek öngörücü modelleme, adaptif kontrol ve uygulamalar için kullanılabilir. Nöral ağlar içinde tecrübeye dayalı kendi kendine öğrenme gerçekleşebilir. Bu da karmaşık ve ilk bakışta alakasız bilgilerden sonuçlar elde edilmesini sağlayabilir.

Bilişimsel nörobilimin nihai hedefi insan beynindeki nöron ağları gibi çalışan devrelere sahip, algılama, düşünme ve hareket süreçleri insana benzer bir bilgisayar üretmektir. Bu henüz ulaşılması uzak bir hedef gibi görünse de nöral ağ perspektifi beynin çalışmasını açıklayan teoriler üzerinde oldukça etkilidir.

Nöral Ağların Gelişimi

1890’da William James düşüncelerimizin nöronlar arasındaki etkileşimlerden kaynaklandığını öne sürmüştü. Bu, o zaman için test edilmesi güç bir fikirdi. 1943 yılında Warren McCulloch ve Walter Pitts girdi ve çıktıları olan tek bir nöronun matematiksel modelini yaptılar. Bu model ilk yapay nöral ağların temelini oluşturdu. 1970’lerde yapay nöronların matematiksel dizileri beynin biyolojik mekanizmalarını taklit edecek şekilde tasarlanmaya başlandı. Böylece ilişkisel ağlar merkezlerinde yeni öğrenme algoritmaları içerdi ve patern tanımanın karmaşık problemlerini çözebildi. Nöral ağ modelleri beynin nasıl çalıştığına dair tahminler sağlamanın yanında yeni teknolojilere de ilham verdi. Bu görüşün çıkarımlarından biri bilginin beyinde lokal olarak değil, ağ içindeki tüm bağlantılar boyunca saklandığı görüşü oldu. Günümüzde araştırmacılar beyni daha doğru temsil eden yeni nöral ağlar keşfedip tasarlamak için çalışmalarını sürdürmektedir.

Derin Öğrenme

Yapay nöral ağlar biyolojik beyinler gibi karmaşık öğrenme davranışları sergileyebilir. Ancak gerçekten düşünmeleri hatta hissedebilmeleri için henüz kat edilmesi gereken yol uzundur.

Nöral ağlar yoluyla makine öğrenimi yapay zekanın önemli bir başarısıdır. Makine öğreniminin ileri formları bilgisayarların açıkça programlanmadan paternleri tanımalarını ve verileri sınıflandırmalarını sağlamaktadır. Nöral ağlar finansal sistemlerde gerçekleşen otomatik alım satım işlemlerinde, risk değerlendirmesinde ve sahtekarlıkların tespitinde yaygın şekilde kullanılmaktadır.

Derin nöral ağlar Van Gogh’un sanatını taklit edebilmektedir.

Geoffrey Hinton’un öncülüğünde hiyerarşik olarak organize edilmiş çok sayıda nöral ağ ile sınıflandırılmamış verilerden yüksek seviyeli çıkarımlar yapılabildiği gösterilmiştir. Derin öğrenme (deep learning) denilen bu metod beyinde de gerçekleşiyor olabilir. Bilgisayar görüşü (computer vision), konuşma tanıma, sosyal ağ filtreleme, otomatik dil çevirisi, biyoinformatik, ilaç tasarlama, tıbbi görüntüleme analizi gibi alanlarda derin öğrenme mimarisi kullanılmakta, bazen insan beyni ile kıyaslanabilir hatta onu geçen başarılar gösterebilmektedir. Nöral ağ modelleri inme ve omurilik yaralanması sonrası iyileşme süreçlerini anlamada yararlı olabilir.