Sayfa 10

Gün gelecek bilgisayarlar konuşacak, duyacak, görecek belki düşünecekler bile. Tabii ki bugün o noktadan çok uzağız, ama araştırmacılar beyinde bulunan yapıları kullanıp bilgisayar modelleri yaparak insan beyninin çalışma temellerini keşfetmek için uğraşıyorlar. Bu yapılar “sinirsel ağ sistemleri” olarak isimlendiriliyor. Arayış, yavaş yavaş yeni bir bilim dalının doğmasını sağlıyor ve biz de bu alanda önemli ilerlemeler görmeye başlıyoruz. Geleceğin bilgisayarlarını anlamak için insan beyninin yapısını bilmemiz gerekiyor. Beynin en basit yapıtaşı “nöron” olarak bilinen sinir hücreleridir. Nöronlar hepimizin düşünmesini sağlayacak bir şekilde ve çok kompleks olarak birbirlerine bağlıdırlar. Hiç kimse nöronların kendi aralarında nasıl bir şekilde bağlandıklarını bilmemektedir, ama hemen hemen bütün bilim adamları beynin gücünün nöronların kendi aralarındaki ilişkiye bağlı olduğunda anlaşmaktadırlar. Bir nöron hücre gövdesi, gövdeden çıkan “dendrit” adlı birkaç uzantı ve “akson” adı verilen diğerlerinden daha kalın ve uzun olan bir uzantıdan oluşur. Bu hücrelerden çoğu, aksonlarından diğer nöronlara doğru bir elektrik sinyali gönderir ve aksona değen dendritleri bulunan diğer nöronlarla bu yolla iletişim kurarlar. Aksonların dendritlerle birleştiği yere “sinaps” denir ve burada bir kimyasal reaksiyon olur. Bir hücre elektriksel sinyali diğer bir hücreye gönderince ikinci

hücrede bir elektriksel potansiyel oluşur. Bu potansiyel belli bir duyum eşiğini geçince, elektriksel sinyal ikinci hücrenin aksonundan diğerlerine doğru iletilir. İşte beyin içindeki bilgiler bu yolla işlenir. Beynin kendi içindeki bilgi transferi çok ilginç bir konudur. Ama biz hâlâ beynin en önemli özelliğini tartışmadık - öğrenme yeteneği. 1949 yılında Donald O. Hebb beynin öğrenebilmesi için bir teknik önerdi; bu teknik genel olarak 'Hebb Sinapsı” olarak bilinir. Bu teknik iki hücre arasındaki bağlantıların kuvvetlerinin modifikasyonu (yavaş yavaş olumlu yönde değişmesi) olarak açıklanabilir. Ama Hebb bu sistemi şöyle açıklar: A hücresinin aksonu, B hücresini devamlı olarak uyarıyorsa bir süre sonra bir gelişme veya metabolik değişme olur ve B hücresini uyaran hücreler arasında A hücresinin verimliliği artar. Bugün bir elektronik beyin yapmaya ne kadar yaklaştık? Bugünün teknolojisi beyin kadar büyük ve karmaşık bir bilgisayar yapmamıza elverecek kadar gelişmiştir. Bilgisayarlar, nöronlardan 100.000 kat daha hızlı çalışan silikon yongalardan oluşurlar. Buradan çok hızlı ve çok güçlü bilgisayarlar yapabileceğimiz sonucunu çıkarabilirsiniz, ancak dünyanın en hızlı bilgisayarı bile bir kol ve bacak arasındaki farkı bilemez. Silikondan bir beyin yapacak teknolojiye sahip olmamıza rağmen ona zeka verecek olan elemanları nasıl organize edeceğimizi hâlâ bilemiyoruz. Sinirsel bilgisayarlarla uğraşanlar beyinde bulunduğu farz edilen organizasyon özelliklerinin bilgisayar modellerini yapmakla uğraşırlar. İyi ama beynin modeli nasıl yapılır? Bu çok karmaşık bir sorudur, ama sinirsel ağları örnek aldığımızda daha basit olan iki soruya ayrılır: 1. Ne tür bir yapı kullanılmalıdır? 2. Öğrenmeyi taklit etmek için ne tür bir algoritma kurulmalıdır? Geçen birkaç yıl içerisinde sinirsel ağ modellerine birçok örnek geliştirilmiştir. Bunlar genellikle üç ana grupta toplanır: 1. Associate (ortak), 2. Optimizing (en iyi seviyeyi bulan), 3. Self-organizing (kendi kendini düzenleyen) ağ sistemleri. Associate (ortak) ağlar giriş ve çıkış modellerini ortak olarak işlemeyi öğrenir, böylece bir giriş yapıldığında ona karşılık gelen doğru çıkış sağlanır. Bunun bir örneği “Çizgisel Ortaklık” olarak biraz sonra anlatılacaktır. Optimizing (en iyi seviyeyi bulan) ağlar, kolay bir algoritmanın bulunmadığı ve ortalama bir sonuç gerektiren problemlerin çözümünde kullanılır. Bu tür ağlar 1982'de fizikçi J.J.Hopfield tarafından keşfedilmiştir. Bu ağ sistemi istatistiki fizik ve termodinamik gibi konularda en iyi sonucu verir. Temel fikir sistemdeki

2. Şekil: En karmaşık dijital bilgisayar bile bir kol ile bacak arasındaki farkı anlayamaz. 10