Bu yılın kazananları, fizik araçlarını kullanarak günümüzün güçlü makine öğrenimi için zemin hazırlamaya yardımcı olan stratejiler geliştirdiler. Bilgiyi depolayabilen ve yeniden oluşturabilen bir yapı John Hopfeld tarafından yaratıldı. Modern dev yapay sinir ağları, Geoffrey Hinton’un veri niteliklerini kendi başına bulabilen bir yöntem icat etmesine çok şey borçludur.
Pek çok insan bilgisayarların dilleri tercüme ettiğini, resimleri deşifre ettiğini ve hatta normal konuşmalar yaptığını görmüştür. Daha az bilinen bir şey ise, bu tekniğin özellikle devasa veri setlerinin sıralanması ve işlenmesi gibi araştırmalarda uzun süredir kullanılmasıdır.
Yapay sinir ağı olarak bilinen bir yapıyı kullanan makine öğrenimi, son on beş ila yirmi yılda patlayıcı bir büyüme yaşadı. Bu, bugünlerde yapay zekadan bahsederken insanların aklına gelen teknoloji türüdür.
Bilgisayarlar hala düşünemese bile makineler artık öğrenme ve hafıza gibi bilişsel süreçleri taklit edebiliyor. Bu yılın fizik Nobel Ödüllüleri sayesinde bu artık bir gerçek. Temel fizik fikirlerini ve prosedürlerini uygulayarak ağ topolojilerini kullanarak bilgiyi işleyen bir teknoloji yarattılar.
Daha çok bir yemek tarifi gibi işleyen geleneksel yazılımlarla karşılaştırıldığında, makine öğrenimi öne çıkıyor. Bir fırıncının hammaddeleri alıp bir tarife göre karıştırdıktan sonra bir kek pişirmesi gibi, yazılım da verileri alır, ayrıntılı bir tanıma göre işler ve ardından bitmiş ürünü çıkarır.
Öte yandan makine öğrenimi, öğrenmeye örnek tabanlı bir yaklaşım getirerek bilgisayarların aksi takdirde yazılı talimatlarla yönetilmesi imkansız olan karmaşık ve belirsiz durumları ele almasına olanak tanır.
Bir görüntüyü, içindeki nesneleri adlandırabilmeniz için yorumlamak buna bir örnektir.
Tüm ağ yapısı, bilginin işlenmesinde yapay sinir ağı teknolojisi tarafından kullanılmaktadır. Başlangıçta ilham kaynağı olan şey beynin işleyişini anlama ihtiyacıydı. 1940’larda araştırmacılar, beyni oluşturan nöron ve sinaps ağının temelini oluşturan matematik hakkında akıl yürütmeye başlamışlardı. Psikoloji alanı, yani nöronlar arasındaki bağlantıların işbirliği yaptıklarında güçlenmesi nedeniyle öğrenmenin nasıl gerçekleştiğini açıklayan bir kavram öneren nörobilimci Donald Hebb tarafından bulmacanın ek bir parçası sunuldu.
Takip eden yıllarda bu kavramları, bilgisayar simülasyonları şeklinde yapay sinir ağları inşa ederek beyindeki ağın işleyişini taklit etme girişimleri izledi.
Bunlar, beynin nöronlarının değişen değerler atanan düğümler tarafından taklit edildiği ve sinapsların daha güçlü veya daha zayıf hale getirilebilen düğümler arasındaki bağlantılarla temsil edildiği simülasyonlardır. Eğitim olarak adlandırılan yapay ağların güncellenmesi sürecinde, Donald Hebb’in teorisi hala temel kurallardan biri olarak kullanılmaktadır.
Kaynak: nobelprize.org
