İnsan beyni, yaklaşık 1.5 kilogram bir ağırlıkta olmasına rağmen, 90 milyar sinir hücresi (nöron) ile çok karmaşık bir sistemdir. Bedenimizi yönlendirmede ve kontrol etmede çok önemli görevleri vardır.
Aslında insan beyni vücudumuzda sinir sistemini kontrol ederek, hayat için gerekli bütün fonksiyonlarımızı yerine getirmemizi sağlar. Öyle ki, isteğimiz dışında cereyan eden kalp atışı, soluk alıp verme ve sindirim gibi işlemler dahi otonom sinir sistemi yolu ile yine beyin tarafından yönetilir.
Düşünebilen Bir Beyin
Ancak insan beyninin en büyük özelliği de düşünme yeteneği olan bir organ olarak yaratılmasıdır. Bediüzzaman’ın ifadesiyle, bu düşünme eylemini, bir Yaratıcının iradesini ve bu sistemi çalıştırmasını görmezden gelerek, beynin kıvrımlarına ya da beyin hücrelerine vermek, küçücük hafıza bölümünün bir insanın bütün hayatında yaşadığı maceraları bir harddisk gibi kendi kendine sakladığını düşünmek, hiç akıllıca gelmemektedir.
Gerçekten insan beyni, doğumundan itibaren gelişime açık olarak yaratılmıştır. Bilim insanlarının tespitine göre çok çalıştırmak beyni yormamakta; bilakis performansının artmasını sağlamaktadır. Mesela beyin, öğrendiğimiz yeni bir şeyi hafızada tutabilmek için, sinir hücreleri ile farklı bağlantılar kurmakta, böylece beynin kabiliyeti artmaktadır.
Beynin Yapısı
İnsan beyninde 1011 (100 milyar) adet sinir hücresi olduğu düşünülmektedir. Bu sinir hücreleri arasında sonsuz sayıda sinaptik birleşme adı verilen sinirsel bağlar kurulmaktadır. Sinir hücreleri arasında sinir uyarılarını ileten aksonlar 160.000 kilometre uzunluğunda olup arka arkaya eklendiğinde dünyanın etrafında dört tur atabilecek bir uzunluktadır.
Yine beynimizde gerçekleştirdiğimiz düşünce işlemi için sinir hücreleri (nöronlar) arasında hızı saatte 1.6 km ile 432 km arasında değişen hızlarda düşüncelerimiz seyahat etmektedir.
Dünyanın en meşhur teknik üniversitesi MIT (Massachusetts Institute of Technology) tarafından yapılan bir araştırmaya göre, karmaşık görüntülerin işlenmesi beynimizde sadece 13 milisaniye sürmektedir ki, bu hıza en gelişmiş bilgisayarlar dahi henüz ulaşamamaktadır. Demek ki Yüce Yaratıcı beynimizi, potansiyel olarak çok kabiliyetlerle beraber yaratmış, öğrenebilme, yeni problemler karşısında öğrendiklerini kullanarak çözüme ulaşabilme özellikleri vermiştir. Bize düşen belki de bu cevherimizin farkına varıp onu geliştirmek ve hayatın gerçeğini anlamak için kullanmak olmalıdır.
Yapay Zekâ
İnsan beyni ve zekâsını taklit etmek üzere bilim insanları, farklı yöntemler ve matematiksel algoritmalar geliştirmişlerdir. Böylece makinelere de bir anlamda zekâ vermek hedeflenmektedir. Son yıllarda adından sıklıkla bahsedilen ve insanlar gibi karar verebilen akıllı makine tasarım uygulamalarında yerini bulan ‘Yapay Zeka’ (Artificial Intelligence) teknikleri de bunlardan biridir. Yapay Sinir Ağları (Artificial Neural Networks), Bulanık Mantık (Fuzzy Logic), Genetik Algoritma (Genetic Algorithms) gibi teknikler, insan zekâsını taklit ederek geliştirilmiş bilgi işlem teknolojileridir.
Bu teknikler arasında yapay sinir ağları, insan beyninin öğrenme kabiliyetini taklit eden bir sistem olduğu için ilgili mühendislik dallarında son yıllarda oldukça büyük bir önem kazanmıştır.
Bir tanım yapmak gerekirse, yapay sinir ağları biyolojik sinir sistemlerinden esinlenerek geliştirilmiş bir hesaplama yöntemidir. Bu yöntemde aynı canlıların vücudundaki sinir hücreleri gibi birbirine bağlanmış işlem birimleri vardır. En önemli özelliklerinden birisi canlı sistemlerinde olduğu gibi öğrenebilen matematiksel algoritmalarıdır.
Yapay sinir ağlarının potansiyel öğrenme kabiliyeti, bilgisayarların paralel işlem yapabilme kabiliyeti ile yüksek yoğunluklu matematiksel işlemleri gerçekleştirmesini mümkün kılmaktadır. Uygulanagelen matematiksel programlamadan farklı olarak, tanımını yaptığımız yapay sinir ağları, aynı insan beyni gibi eldeki verileri kullanarak öğrenebilirler, tecrübe kazanabilirler ve bu tecrübeyi kullanarak yeni problemler çözebilirler. Bununla beraber, aynen insanların da yaptığı gibi eğer yeteri kadar işlem birimi ile kurulmamışlarsa hata yapabilirler.
Yapay Sinir Ağları (YSA)
Yapay sinir ağları (YSA), biyolojik sinir sisteminin çalışmasından ilham alınarak geliştirilen bir simülasyon, yani benzetimdir. Yapay sinir ağları, beyindeki sinir hücrelerine (nöronlara) benzetilmiş matematiksel işlem birimlerinin birbirine bağlanarak, bir ağ oluşturulmasıdır.
Bu yapay ağlar öğrenebilirler, hafızaya alabilirler ve ağ girdileri arasındaki bağlantıları kurabilirler. Bunlar bu özellikleri ile bir insan için geçerli olan düşünme, gözlemleme ve problem çözme için gerekli olan işlemleri taklit etmektedirler. Nasıl ki bir insan, sahip olduğu düşünce ve dolayısıyla problem çözme kabiliyetini, aslında yaşadığı tecrübelerden öğrendiği birikimle kazanır; aynen öyle de YSA’lar da ağ yapılarına verilen girdi ve çıktılarla, sistemi öğrendikten sonra daha önce karşılaşmadığı veri girişlerine de doğru çıktılar üretebilmektedir.
Canlılara ait sistemlerde öğrenme; sinir hücreleri arasındaki sinaptik (synaptic) bağlantıların kurulması ile gerçekleşir. Bir anlamda, bu dünyaya her şeyi öğrenmeye muhtaç olarak gelen insanlar, doğumlarından itibaren “yaşayarak öğrenme” süreci içerisine girerler. Bu öğrenme süreci içinde beyin, sürekli bir gelişme göstermektedir. Yaşayıp tecrübe ettikçe yeni sinaptik bağlantılar kurulur ve hatta yeni bağlantılar yapılır. Bu sayede öğrenme gerçekleşir.
Bu durum YSA için de geçerlidir. YSA ağ girdisi ile çıktısı arasında, nörona benzetilen matematiksel işlem birimleri arasında bağlantı kuvvetini gösteren ağırlık katsayılarını en iyileştirerek birbirlerine aynılaşmasını sağlayacak bir algoritma koşturur. Burada geriye yayılım (back propagation) ismi verilen bir algoritma sürekli kendini tekrar eder; ta ki giriş ile çıkış arasındaki fark, belli bir değerin altına düşene kadar. Bu noktada yapay sinir ağı, öğrenme olayını tamamlamıştır.
Yapay sinir ağları (YSA) modeli genelde üç kısımdan oluşur: giriş katmanı, saklı katman ve çıkış katmanı.
Her katman çok fazla nörondan oluşabilir. Bilgi giriş katmanından alındıktan sonra aktivasyon fonksiyonlarından geçer. Giriş katmanın çıkışları saklı katmanın girişleri olarak devam eder. Bu aşamadan sonra sonuç katmanında son bir defa daha aktivasyon fonksiyonları saklı katman çıkışlarını değerlendirerek nihai çıkış elde edilir. Şekil 1’de bir YSA yapısı genel hatlarıyla gösterilmiştir.
Yapay sinir ağlarında öğrenmenin ilk adımı aktivasyon olarak nitelendirilebilir. Sinir hücresine giren sinyallerin toplamı o hücreyi aktif hale getirebilecek bir değere sahip olup olmamasına göre çıkış değeri değişmektedir. Eğer toplam sinyal hücreyi ateşleyebilecek, eşik değerini atlatabilecek kadar yüksek ise o hücre aktiftir, aksi durumda ise o hücre pasiftir. Sinir hücresinin aktif veya pasif durumda olmasına göre sınıflandırma yapıp yapamadığı sonucuna ulaşılmaktadır. Örneğin, girdi sinyal şekillerine göre 1 ya da 0 cevabını vererek sınıflandırma yapabilen bir yapay sinir ağı hücresi, bu girişe 1 veya 0 değerini atayarak karar vermiş sayılmaktadır. “Karar vermek” ve “sınıflandırmak,” öğrenme sürecinin temel yapı taşlarını oluşturmaktadır.