Bu yılki Fizik Nobel Ödülü sahipleri, günümüzün güçlü makine öğreniminin temelini oluşturan yöntemleri geliştirmek için fizik araçlarını kullandı. John Hopfield, verilerdeki görüntüleri ve diğer örüntü türlerini depolayan ve yeniden yapılandıran ilişkisel hafızayı oluşturdu. Geoffrey Hinton ise verilerdeki özellikleri bağımsız olarak bulabilen ve görsellerdeki belirli unsurları tanımlamak gibi görevleri yerine getirebilen bir yöntem keşfetti.
Çeviri: Beyza Kaplan
Bu yılki Fizik Nobel Ödülü sahipleri, günümüzün güçlü makine öğreniminin temelini oluşturan yöntemleri geliştirmek için fizik araçlarını kullandı. John Hopfield, verilerdeki görüntüleri ve diğer örüntü türlerini depolayan ve yeniden yapılandıran ilişkisel hafızayı oluşturdu. Geoffrey Hinton ise verilerdeki özellikleri bağımsız olarak bulabilen ve görsellerdeki belirli unsurları tanımlamak gibi görevleri yerine getirebilen bir yöntem keşfetti.
Yapay zeka hakkında konuşurken aslında çoğu zaman yapay sinir ağlarını kullanan makine öğreniminden bahsediyoruz. Bu teknoloji aslında beynin yapısından esinlenilmişti. Bir yapay sinir ağında beyin nöronları farklı değerleri olan düğümlerle temsil ediliyor. Bu düğümler, birbirlerini sinapslara benzetilebilen ve daha güçlü veya daha güçsüz hale getirilebilen bağlantılarla etkiliyorlar. Örneğin düğümler ve aynı anda yüksek değerler arasında daha güçlü bağlantılar geliştirilerek ağ eğitiliyor. Bu yılki ödül sahipleri, 1980’lerden itibaren yapay sinir bağlarıyla ilgili önemli bir çalışma yürüttüler.
John Hopfield örüntüleri kaydetmek ve yeniden oluşturmak için bir yöntem kullanan bir ağ oluşturdu. Düğümleri ve pikselleri hayal edebiliriz. Hopfield ağı bir maddenin özelliklerini atomik spiyle açıklayan fiziği kullanır. Bu ağ bir bütün olarak fizikte var olan spin sistemindeki enerjiyle eş değer bir biçimde tanımlanıyor. Bu ağ, kaydedilen görüntülerin düşük bir enerjisi olması amacıyla düğümler arasındaki bağlantılar için değerlerin bulunmasıyla eğitilmiş. Hopfield ağına bozulmuş veya tamamlanmamış bir görüntü verildiğinde ağ yöntemsel olarak düğümler aracılığıyla çalışır ve düğümlerin değerlerini günceller. Bu sayede ağın enerjisi düşer. Böylece ağ, kendisine verilen bozulmuş görüntüye en çok benzeyen kaydedilmiş görüntüyü bulmak için adım adım çalışır.
Geoffrey Hinton Hopfield ağını baz alarak farklı bir yöntem kullanan yeni bir ağ oluşturdu: Boltzmann makinesi. Bu makine, verilen herhangi bir türdeki verideki karakteristik unsurları fark etmeyi öğrenebiliyor. Hilton, istatiksel fizikteki araçları ve birçok benzer bileşenden oluşan sistemlerin bilimini kullandı. Makine, çalıştığında ortaya çıkması muhtemel görüntülerle eğitildi. Boltzmann makinesi görselleri sınıflandırma ve eğitildiği örüntü türünün yeni örneklerini oluşturmak için kullanılabilir. Hinton, Bu çalışmayı temel alarak makine öğreniminin gününümüzdeki gelişime yardımcı oldu.
Nobel Fizik Komitesi Başkanı olan Ellen Moons “Nobel ödülü sahiplerinin çalışmaları şimdiden büyük fayda sağladı. Fizikte yapay sinir ağlarını, belirli özelliklere sahip yeni malzemeler geliştirmek gibi çeşitli alanlarda yaygın olarak kullanıyoruz.” dedi.
Kaynakça: https://www.nobelprize.org/prizes/physics/2024/press-release/ (son erişim tarihi: 08.10.2024)
