MİMARİ TASARIMDA YAPAY ZEKA -05: YAPAY SİNİR AĞI NEDİR? YAPAY SİNİR AĞI MİMARİSİ NASIL OLUŞTURULUR?

Yapay sinir ağları (YSA); yapay zekâ yöntemlerinden biri olarak insan beynini modelleyerek taklit etme çabalarından biridir. Modellemede insan beyninde bulunan biyolojik sinir hücreleri (nöron) temel alınmaktadır. Tıp biliminde ilk olarak başlanan çalışmalar daha sonra bilgisayar mühendisliği, matematik, elektrik mühendisliği gibi alanlar için de cazip birer araştırma konusu olmuştur.

Yapay sinir ağları insan beyninin öğrenme tekniklerinden yola çıkılarak modellendiği için öncelikle kısaca biyolojik sinir hücrelerinden bahsetmek gerekmektedir. Şekil 2.1’ de sinir hücresinin basit bir modeli verilmiştir.

Hücreyi inceleyecek olursak; hücrelerden gelen sinyalleri çekirdeğe ileten kısma dentrit (dendrite) adı verilir. Gelen sinyalleri toplayan yapıya soma (soma), toplanan bu bilgiyi diğer hücrelere dağıtan yapıya akson (axon) denir. Aksonlardan gelen bilgi sinapsis (synaptic) ile ön işlemden geçirilerek diğer hücrelerin dentridlerine iletilir. Bu aşamada sinyaller eşik fonksiyonları kullanılarak iletilir. Öğrenmenin sinapsislerde gerçekleştiği teorisi günümüzde halen geçerliliğini korumaktadır. Biyolojik sinirlerden, yapay sinir ağlarına geçerken elemanlar: nöron-işlem, dentrit-toplama fonksiyonu, hücre gövdesi-aktivasyon fonksiyonu, akson-çıkış, sinapsis-ağırlık şeklinde dönüşüm geçirecektir.

Sinir Hücresi
Sinir Hücresi

Sinir hücresi yapısı.

YSA’ nın avantajlı kısımlarından biri, problemin çözümünde yapılar farklı bile olsa bilgileri hızlı şekilde tanımlayıp algılayabilmesidir. YSA’ nın bir diğer kuvvetli olan niteliği ise tanıma, tahmin etme gibi becerilere öğrenme yeteneği sayesinde sahip olmasıdır. İnsana göre bilgisayarlar işlem gücü, hızı ve doğruluk performansı çok daha güçlü olmasına rağmen insan beyni gibi öğrenme yeteneğine sahip değildir. YSA bu gücü makineye kazandırabilmeyi amaçlamaktadır. Bu gibi özellikleri nedeniyle YSA’ lar ile birçok problem çözülebilmiş ve faydalı uygulamalar geliştirilebilmiştir.


YSA; makine öğrenimi için insan zekâsını modellerken biyolojik fonksiyonların temel sinir hücrelerini (nöronlar) örnek almıştır. İnsan beyninde nöronlardan ortalama olarak 1011 adet olduğu ve tüm bu nöronların birbirleri ile yaptıkları bağlantı sayısının ise 1014 adet olduğu bilim adamları tarafından açıklanmaktadır. Nöronlar bilgileri duyu organları vasıtasıyla almaktadır. Bilgi daha sonra alıcı nöronlar tarafından işlenip bir sonraki nörona aktarılmaktadır. Bu şekilde bilginin merkezi sinir sistemine kadar ulaştırılması sağlanmış olur. Sinyal olarak gelen bilgi merkezi sinir sistemi tarafından yorumlandıktan sonra bu sinyallere tepki cevap olarak tepki sinyali üretilmektedir.

Sinyaller merkezi sinir sistemi tarafından alınıp yorumlanarak tepki sinyalleri üretilir. Üretilen bu sinyaller tepkilerin ulaşacağı organlara tepki sinirleri aracılığıyla gönderilir. YSA lar, biyolojik sinir sistemlerini taklit ederek modellendiğinden ötürü biyolojik sinir sisteminin yapısı incelenmelidir. Biyolojik sinir sisteminde bulunan nöronlar dört kısımdan meydana gelmektedir. Bu bölümler dendrit, akson, çekirdek ve bağlantılar olarak adlandırılmaktadır.

Sinir hücresinin uçlarında dendritler bulunmaktadır. Duyu organlarından veya bağlantısı olan diğer nöronlardan gelen sinyallerin çekirdeğe iletilmesinde dendrit görevlidir. Dendrit tarafından çekirdeğe iletilen sinyaller çekirdek tarafından toplanır ve toplanan sinyaller aksona iletilir. Bu sinyaller akson tarafından işlenir ve nöronun diğer ucundaki bağlantılara iletilir. Bağlantılar ise işlenerek üretilen sinyalleri bağlantısı bulunan diğer nöronlara iletmekle görevlidir.

YSA’ lar, detayları tarif edilen nöronlar taklit edilerek modellenmiştir. YSA’ lar geliştirilirken beynin yapısının daha iyi anlaşılabilmesi için gerekli olan diğer bilim dallarından, sinirsel psikolojik deneylerden, fen bilimleri ve matematik alanlarındaki araştırmalardan faydalanılmıştır.

YSA’ lar işlem elemanı olarak sinir hücrelerinden (nöron) oluşur. Nöronlar ayrı bellek yapılarına sahiptir. Nöronlar birbirlerine üzerinde ağırlık olarak isimlendirilen değerler bulunan bağlantılar aracılığıyla bağlanmaktadır. Bunun yanında YSA’ lar dağıtılmış veri işleme ve paralel olarak hesaplama yapabilen bir yapıdadır. Bu nedenle YSA’ nın biyolojik sinir ağlarını taklit ettiği söylenebilir.

YSA mantığında, geleneksel yöntemler dışında problemi kendi kendine öğrenme yatmaktadır. YSA, bunun yanında ezberleyebilme ve problemin sahip olduğu bilgiler arasında ilişki oluşturma yeteneğine de sahiptir. Genel olarak sınıflandırma, tahminleme, optimizasyon gibi durumlarda YSA başarılıdır. Bunun yanında paralel çalışmasından ötürü hesaplama zamanı hızlıdır. İnsan beyninde bulunan sayıda nöronun bilgisayar üzerinde modellenmesi şu an için imkânsız görünmektedir. Ancak karar verme bakımından hızları oldukça farklı olmasına karşın YSA’ lar uygulamalardaki başarıları ile zamanla daha fazla kullanım alanı bulmakta ve yaygınlaşmaktadır.

YSA’ ların kullanıldığı sektörler ve uygulama alanlarına aşağıdaki örnekler verilebilir:

· Sistem modelleme · Ses tanıma · El yazısı tanıma · Parmak izi tanıma · Plaka tanıma · Elektrik işareti tanıma · Hava durumu tahminleme · Otomatik araç denetimi · Biyomedikal ve tıp alanlarındaki teşhis, tahmin veya yorumlama · Denetim · Uçuş simülasyonları, otomatik pilot uygulamaları · Otomatik yol izleme, yol koşullarına göre sürüş analizi · Kredi uygulamaları geliştirilmesi, müşteri analizi ve kredi müracaat değerlendirilmesi · Sinyal işleme, görüntü işleme, hedef seçme · Üretim işlem kontrolü, dayanıklılık analizi, kalite kontrolü · Robotik · Sözcük tanıma, dil tercüme · Görüntü ve veri karşılama, telekomünikasyon uygulamaları · Retina tarama, yüz eşleme

Yapay sinir ağları regresyon, sınıflandırma, kümeleme, robotik, kontrol sistemleri gibi bir çok farklı problemin çözümünde kullanılmaktadır. YSA’ ların uygulanan ağın mimarisine göre farklı özellikleri olabilmekle birlikte genel olarak ortak bazı özellikleri bulunmaktadır. YSA’ ların en güçlü özelliği öğrenme yeteneğine sahip olmasıdır.



YSA’ ların avantajları olarak şunlar sayılabilir:

- YSA’ lar hücrelerden meydana gelir. Hücrelerin eş zamanlı çalışması ile karmaşık işlemler yapılabilmektedir. İşlem sürerken hücrelerden herhangi birinde sorun olsa dahi sistem çalışmasına güvenli şekilde devam edebilir. - Kullanılan sayısal bilgiler vasıtasıyla problemin genel özellikleri elde edilir. Böylelikle eğitim sırasında sisteme verilen örnekler dışındaki verilere de anlamlı yanıtlar üretilebilir. - Sistem mimarisinde dağılmış olan doğrusal olmayan alt birimler doğrusal olmayan problemlerin de çözümüne olanak sağlar - YSA’ lar makine öğrenmesi gerçekleştirirler. Problemi öğrenerek benzer durumlar karşısında mantıklı kararlar verebilirler. - YSA’ ların bilgi işlemesi geleneksel programlama mantığından farklıdır. Bundan ötürü geleneksel programlamaya ait olan olumsuzlukları barındırmaz. - Bilgi yayılarak ağın bütününde saklanmaktadır. Geleneksel programlamadaki gibi bilgiler dosyalarda veya veri tabanlarında değil, ağın tamamına yayılarak bağlantılarda