Sinir ağı nedir?
Sinir ağı, katmanlar hâlinde dizilmiş, nöron ya da düğüm adı verilen çok sayıda basit ve birbirine bağlı birimden oluşan bir makine öğrenmesi modelidir. Her bağlantının bir ağırlığı vardır; ağ, çıktıları üzerinde eğitildiği örneklerle örtüşene kadar bu ağırlıkları ayarlayarak öğrenir. Tasarım beyinden gevşek biçimde esinlenmiştir, ancak biyolojik nöronlardan çok farklı çalışır.
Katmanlar: girdi, gizli ve çıktı
- Girdi katmanı: piksel değerleri ya da sözcükleri temsil eden sayılar gibi verileri alır.
- Gizli katmanlar: her nöron girdilerini ağırlıklarla çarpar, bunları toplar ve sonucu basit bir fonksiyondan geçirir. Ardışık katmanlar giderek daha soyut özellikler oluşturur: el yazısı tanımada önce kalem darbeleri, sonra halkalar ve çizgiler, sonra bütün karakterler.
- Çıktı katmanı: en olası karakter ya da sonraki sözcük gibi yanıtı verir.
Sinir ağı nasıl öğrenir?
Ağ bir tahmin yapar ve ne kadar yanıldığını ölçer; ardından geri yayılım (backpropagation) adlı bir yöntem, her ağırlığın hataya ne kadar katkıda bulunduğunu hesaplar, böylece o ağırlık doğru yönde biraz kaydırılabilir. Eğitim verisindeki milyonlarca örnek üzerinde tekrarlanan bu süreç, yeni girdilere genelleme yapabilen bir ağ ortaya çıkarır.
Sinir ağı türleri
- İleri beslemeli ağlar: veri doğrudan girdiden çıktıya akar.
- Evrişimli sinir ağları (CNN): görüntüleri küçük filtrelerle tarar; görüntü işlemede standarttır.
- Yinelemeli sinir ağları (RNN): dizileri adım adım işler; bir zamanlar metin için yaygındı.
- Transformer'lar: dikkat (attention) mekanizmasıyla bütün bir diziyi aynı anda işler; büyük dil modellerinin temelidir.
DNN ve CNN: derin sinir ağı (DNN), çok sayıda gizli katmanı olan her ağdır; CNN ise görüntüler için tasarlanmış bir DNN türüdür.
Kısa bir tarihçe
Warren McCulloch ve Walter Pitts 1943'te yapay bir nöronu tanımladı, Frank Rosenblatt da 1958'de algılayıcıyı (perceptron) geliştirdi. Geri yayılım 1986'da yaygınlaştı; bugün derin öğrenme olarak adlandırılan çok katmanlı ağlar ise 2012 civarında büyük bir çıkış yaptı.
Yazma araçlarında sinir ağları
Dil bilgisi düzeltme, sonraki sözcüğü tahmin etme, çeviri ve doğal dil işlemenin diğer bileşenleri artık büyük ölçüde sinir ağlarıyla çalışır.
Dezavantajlar
- Büyük miktarda veriye ve hesaplama gücüne ihtiyaç duyarlar.
- Yorumlanmaları zordur: bir ağın neden belirli bir yanıt verdiğini söylemek güçtür.
- Eğitim verilerindeki her türlü yanlılığı öğrenirler.
Kullanım alanı: Deneme yazımında yapay zekâ: argüman sizin kalır