.png%3Ftable%3Dblock%26id%3D77dd75fe-dfd1-4ca5-b362-820ac9ba05fb%26cache%3Dv2&w=3840&q=75)
Çevirisidir.
1943'ten 1952'ye kadar olan dönem, bu süre zarfında birçok önemli atılım yapıldığı için yapay zekanın olgunlaşma dönemi olarak kabul edilir.
Yapay Zeka, görüntü tanıma ve doğal dil işlemeden sürücüsüz arabalara ve robot teknolojilerine kadar uzanan uygulamalarıyla hızla bilimin en önemli alanlarından biri haline gelmiştir. Bununla birlikte, evrimi ünlü Moore yasası ile aynı kalıpları takip etmektedir. Derin öğrenmenin kökleri, nöronların bir zeka birimi olarak hayal edildiği ve bu alandaki öncülerin sinir ağlarının ve diğer makine öğrenimi algoritmalarının geliştirilmesine zemin hazırladığı yapay zeka araştırmalarının ilk günlerine kadar uzanmaktadır.
Bu makalede, Warren McCulloch ve Walter Pitts'in 1943'teki çalışmalarından Alan Turing'in 1950'lerde yaptığı ve 21. yüzyılın derin öğrenme devriminin önünü açan atılımlara kadar derin öğrenmenin gelişimine yapılan ilk katkıları inceleyeceğiz.
Warren McCulloch & Walter Pitts (1943)
1943 yılında Chicago'daki Illinois Üniversitesi'nden Amerikalı nörofizyolog ve sibernetikçi Warren McCulloch ile kendi kendini yetiştirmiş mantıkçı ve bilişsel psikolog Walter Pitts, bir sinir ağının ilk matematiksel modeli olan "McCulloch - Pitts nöronunu" tanımlayan "Sinirsel Faaliyette Ortaya Çıkan Fikirlerin Mantıksal Hesaplaması "nı yayınladı. Onların modeli, insan beynindeki biyolojik nöronların bilgiyi işlemek için birbirleriyle iletişim kurma şeklinden esinlenmiştir. McCulloch ve Pitts'in modeli, yapay bir nöronun diğer nöronlardan girdi sinyalleri alabileceğini ve bir çıktı sinyali üretmek için basit bir matematiksel fonksiyon uygulayabileceğini öne sürdü.
Bu model, verilerdeki örüntüleri tanıyabilen makine öğrenimi algoritmalarının geliştirilmesi için bir temel oluşturduğundan yapay sinir ağlarının geliştirilmesinde önemli bir atılım oldu. Bu model, günümüzde görüntü tanımadan doğal dil işlemeye kadar bir dizi uygulama için sinir ağları şeklinde kullanılan derin öğrenme modellerinde hala "nöron "un temelini oluşturmaktadır.
İlginçtir ki, o dönemde insan beyni hakkındaki anlayışımız da o kadar ilkeldi ki, McCulloch ve Pitts'in yapay nöron modeli aynı zamanda insan beyninin karmaşık işleyişini anlamaya yönelik ilk adımdı. Model, nöronların matematiksel olarak modellenebileceğini ve nöronların faaliyetinin basit girdi ve çıktılar açısından anlaşılabileceğini gösterdi.
McCulloch-Pitts nöron modeli, yapay zeka alanındaki daha ileri araştırmalar için bir başlangıç noktası olmuş ve makine öğrenimi ve yapay zeka alanındaki gelecekteki gelişmelerin önünü açmıştır. Model, yapay zekanın mümkün olduğunu ve makinelerin daha önce insanlar için çok karmaşık veya çok zor olduğu düşünülen görevleri yerine getirmek üzere programlanabileceğini göstermiştir.
Donald Hebb (1949)
1949 yılında Donald Hebb, nöronlar arasındaki bağlantı gücünü değiştirmek için günümüzde Hebbian öğrenme olarak bilinen bir güncelleme kuralı ortaya koymuştur. Hebbian öğrenme, birlikte ateşlenen nöronların birlikte bağlandığı fikrine dayanır. Bu, iki nöron aynı anda aktive edildiğinde, aralarındaki bağlantının güçleneceği ve gelecekte aralarında daha verimli iletişim kurulacağı anlamına gelir. Bu süreç beyinde öğrenme ve hafıza oluşumu için çok önemlidir.
Hebbian öğrenme, sinir ağı öğrenmesinin temel bir ilkesiydi ve yapay zekanın gelişiminde çok önemli bir rol oynadı. Hebbian öğrenme kavramı günümüzde yapay sinir ağlarını eğitmek için makine öğrenimi algoritmalarında yaygın olarak kullanılmaktadır. Bu algoritmalar, yapay nöronlar arasındaki bağlantı güçlerini ayarlayarak verilerden öğrenir ve ağın kalıpları tanımasına ve bu verilere dayanarak tahminler yapmasına olanak tanır.
Hebbian öğrenmenin keşfi, insan beyninin bilgiyi işleme biçimine de ışık tutuyor. Hebb'in çalışması, beyindeki nöronların nasıl iletişim kurduğunu ve öğrenme ve hafıza oluşumunun nasıl gerçekleştiğini anlamak için teorik bir çerçeve sağlamıştır. Bu anlayış, Alzheimer hastalığı gibi nörolojik bozukluklar için yeni tedavilerin geliştirilmesine yol açmış ve araştırmacıların beyni daha etkili bir şekilde incelemesini sağlamıştır.
Alan Turing (1950)
Alan Turing'i tanımayan yoktur! İngiliz matematikçi Alan Turing, 1950 yılında "Hesaplama Makineleri ve Zeka" başlıklı bir makale yayınladı. Bu makalede, bir makinenin insan zekasına eşdeğer zeki davranışlar sergileyebilme yeteneği için bir test önerdi. Günümüzde Turing testi olarak bilinen bu test, bir makinenin doğal dil girdisine yanıt olarak insan benzeri zeki davranışlar sergileme yeteneğinin bir ölçüsüdür. Test, metin tabanlı bir arayüz aracılığıyla bir makine ve bir insanla etkileşime giren bir insan değerlendiriciyi içerir. Değerlendirici, aldığı yanıtlara dayanarak hangisinin makine hangisinin insan olduğunu belirlemelidir.
Turing'in Turing testi önerisi yapay zeka tarihinde çığır açan bir andı. Akıllı makinelerin geliştirilmesine yönelik ilginin yeniden canlanmasını sağlamış ve bu alandaki ilerlemeyi değerlendirmek için yeni bir yol sunmuştur. Turing testi, yapay zeka üzerine çalışan araştırmacılar için bir ölçüt haline geldi ve bu alanda en çok tartışılan konulardan biri olmaya devam ediyor.
Turing'in çalışması makine öğreniminin gelişimine yaptığı katkı açısından da önemliydi. Makalesi, deneyimlerinden öğrenebilen ve zaman içinde performansını artırabilen bir makine olan "öğrenen makine" fikrini önerdi. Bu fikir, günümüzde görüntü tanımadan doğal dil işlemeye kadar çeşitli uygulamalarda yaygın olarak kullanılan makine öğrenimi algoritmalarının geliştirilmesine yol açtı.
Turing'in makalesinin insanlar ve makineler arasındaki ilişkiye dair daha geniş etkileri de oldu. Makinelerin insanlar gibi düşünmek ve iletişim kurmak üzere programlanabileceğini ve bunun insanlar ve makineler arasında yeni bir iletişim biçimine yol açabileceğini savundu. Bu fikir, akıllı sanal asistanların, sohbet robotlarının ve yapay zeka destekli iletişim teknolojisinin diğer formlarının geliştirilmesiyle gerçeğe dönüştü.
Bir sonraki bölümde Allen Nowell ve John McCarthy'nin üzerinden geçeceğim. O zamana kadar, işte Hebb'in teorisini açıkladığı nadir görüntülerden bazıları.
