Sayfa 19

larca nöron bulunuyor ve bu nöronlar arasındaki kilometrelerce uzunluktaki yolda bilgi yolculuk ederken alınıyor, işleniyor ve paylaşılıyor. Gerçek beynin fonksiyonlarının aynısını yapmak, hatta taklit etmek için araştırmacıların önünde büyük problemler duruyor: Bilginin işlenmesinin paralel olarak yapılmasını başarmak ve birbirleriyle ilişki halinde olan etkili bir veri ağı meydana getirmek. Bunlar büyük ödüller vaat eden donanım ve yazılım hedefleri, ancak aynı zamanda endüstrinin şu anda almış olduğu yola göre oldukça uzakta kalan hedefler.

Bilginin Paralel Olarak İşlenmesi Şimdi yeni bir bilgisayar nesli geliştirilmekte. Bu neslin makinelerinde bilgisayarın yaptığı işler aynı anda yüzlerce ve binlerce işlemci arasında bölünerek paralel olarak işleniyorlar. Avantajları görmek hiç de zor değil: Herbiri bir problemin onda biri üzerinde çalışan on işlemci aynı problemi tek başına çözmeye çalışan bir işlemciden on kat daha çabuk sonuca ulaşacaktır. Asıl hesaplama için harcanan zaman çok fazla azalmasa da, işlemcinin bilgiyi çağırması ve saklaması için geçen sürede büyük değişmeler olacağı açıktır. Paralel bir sistem, bilgi belleğe verilmeden önce, gerekli bütün hesaplamaların altından kalkabilir. Bilginin paralel olarak işlenmesinin klasik bir-kere-bir-adım seri işlemine göre daha başka avantajları da var. Bir database düşünün: Mutlaka bir dizi bellek kullanacaktır. Seri bir bilgisayarda database'i herhangi bir konunun, örneğin paralel işlemin bütün referansları için araştırıyor olsanız, seri makine her defasında database'in bilgi deposundan sıralı olarak tek bir bilgi parçası çağırarak çalışacaktır. Bir paralel sistem, bununla birlikte, database'in çeşitli bölümlerini aynı anda dolaşarak pek çok veya bütün referansları bir defada takip edebilir ve sonuçları klasik makinelerde mümkün olandan çok daha çabuk verebilir. Paralel işlem mimarlığına birçok örnek var. Klasik bilgisayarlara en yakın olan Single Instruction Multiple Data (Tek Talimatla Çoklu Bilgi). Adından da anlaşılacağı gibi bir defada birden fazla bilgi üzerinde çalışmak için bir talimat veya komut (makine dilinde INS) kullanılmakta. Multiple Instruction Multiple Data (Çoklu Talimatla Çoklu Bilgi) ile bu daha ileri giderek paralel yapı içinde her işlemci değişik talimatlar altında bağımsız olarak çalışabiliyor. Data flow (Bilgi akışı) mimarisi ise işin en son aşaması ve burada herhangi bir seri sıralamadan uzak işlemciler devreye giriyor. Her işlemci bilgi mevcut olduğunda çalışmaya başlıyor ve vardıkları sonuçları diğer işlemcilerle paylaşıyorlar, sonra onlar da diğerleriyle paylaşıyorlar ve böylece meydana gelen dataflow yani bilgi akışı buna rehberlik eden ve verilen zamanda en verimli şekilde çalışmaları için işlemcilerin sırasını devrimsel olarak ve karmaşık bir yazılım ile idare edilip izlenebiliyor.

Sonraki Adım: Sinirsel Veri Ağları

Bilginin paralel olarak işlenmesi bilgisayarı daha etkin, mükemmel ve beyne benzer yapmakla, ilgili donanım sorunlarını çözmede önemli bir adım. Sinirsel veri işleme, bilgisayarların içine sinirsel veri ağlarının yerleştirilmesi, ise bilginin beyinde dolaşma şeklini model alıyor. Veri işlenirken görevlerin paylaşılması çok kı-

Çev. CAN ÖZTÜRK sa zamanda görüşün ayrı yerlere gitmesiyle eşleniyor ve verinin gittiği bu bölgeler, paylaşılan ve tanınan şekilleri, ilgileri, hatıraları ve tepkileri saklıyor. İyi bir sinirsel veri işleme ağında şekil ayırdetme, beynimizdeki nöronları güçlendiren faaliyet gibi, bir şekil tanındığı her sefer sağlamlaştırılır. Bunun yanında, etkin olabilmek için sinirsel veri ağı, şekiller arasında ilgi kurabilmeli ve bu ilgilerle bilgisayarın belleğinde yeralan merkez noktalar ve bağlantılar güçlendirilmelidir. Böylece, dün tanınan bir şekil bugün tekrar görüldüğünde daha iyi ayırdedilecektir. Yapay görme olayında yeteri kadar karmaşık bir makine, sakladığı şekillerden bir dizi engel veya cismi tanıyarak ve uygun tepkiler göstererek kendini idare edebilir. Sinirsel veri ağları, hâlâ yapay zekâ uygulamalarıyla yakından ilgilenen hükümet ve endüstri tarafından finanse edilen araştırmalara rağmen, fazlasıyla teorik projeler olarak kalıyorlar. Bu uygulamalardan bazılarının paralel veri işleme sistemi ile birlikte kullanılması düşünülürken, diğerleri daha başka yollar izliyorlar. Bugün, halen paralel sistemler üretip satan bazı şirketlerle, paralel işlem, gerçekleşmeye daha yakın. Bazı endüstri gözlemcileri bu sistemlerin Cray gibi seri süperbilgisayarların en güçlü rakipleri olduğunu düşünüyorlar,

Gerçek sinirsel bilgisayarların yerlerini almaları için henüz büyük engeller var, ancak daha önce de büyük sayılabilecek engeller aşıldı. Sadece kısmen, düşünmeyi taklit eden bilgisayarlara karşılık tam anlamıyla gören ve hisseden makineler önümüzdeki aylarda ve yıllarda gözlerimizi, kulaklarımızı ve zihinlerimizi -bilgiyi aynı anda işleyen bu organlarımızı- meşgul edecek bir gelişme.