Geoffrey Hinton: geri yayılım ve derin öğrenme

Geoffrey Hinton, bugünkü yapay zekâ asistanlarının dayandığı sinir ağlarının öğrenme yöntemini geliştirenlerden biridir. 2024’te Nobel Fizik Ödülü’nü aldı.

Aklınıza bir soru mu takıldı?

Sorunuzu ya da aradığınız konuyu yazın Ders bul

Bu derste neler öğreneceksiniz?

• Hinton’un kim olduğunu
• Geri yayılımın ne işe yaradığını
• 2012 ImageNet sonucunun ne olduğunu
• Nobel Ödülü’nün neden fizikte verildiğini

Kim, ne zaman, nerede?

Hinton, 6 Aralık 1947’de Londra’da doğdu. 1978’de Edinburgh Üniversitesi’nde doktorasını tamamladı. Toronto Üniversitesi’nde profesör oldu. Ödül sayfası, Nobel Fizik Ödülü’nü aldığı sırada Toronto Üniversitesi’nde olduğunu gösteriyor.

2018’de Yann LeCun ve Yoshua Bengio ile birlikte ACM Turing Ödülü’nü aldı. ACM’nin gerekçesi, derin sinir ağlarını bilgi işlemin kritik bir parçası yapan kavramsal ve mühendislik atılımlarıdır. 2024’te ise John Hopfield ile birlikte Nobel Fizik Ödülü’nü paylaştı. Nobel gerekçesi, yapay sinir ağlarıyla makine öğrenmesini mümkün kılan temel keşifler ve icatlardır.

Temel katkısı ne?

Hinton, David Rumelhart ve Ronald J. Williams ile birlikte geri yayılım algoritmasını 1986’da yayımlanan iki makaleyle yaygınlaştırdı. Geri yayılım, bir ağın yaptığı hatayı geriye doğru dağıtarak ağdaki bağlantı ağırlıklarını ayarlama yöntemidir. Böylece ağ, örneklerden öğrenir.

Nobel Komitesi’ne göre Hinton, Hopfield’ın ağını temel alıp Boltzmann makinesini geliştirdi. Boltzmann makinesi, istatistiksel fizikten araçlar kullanır, verideki ayırt edici özellikleri bulmayı öğrenir ve görüntü sınıflandırabilir ya da yeni örnekler üretebilir. Hinton bu makineyi 1983-1985 arasında geliştirdi.

ACM sayfasına göre Toronto’daki grubu bir dizi ilerleme sağladı. 2012’de, öğrencileri Alex Krizhevsky ve Ilya Sutskever ile geliştirdiği program, ImageNet yarışmasındaki diğer katılımcıları belirgin biçimde geride bıraktı. 2004-2013 arasında Hinton’ın yönettiği CIFAR programında Bengio ve LeCun ile düzenli buluştu.

Bugün nerede görürsünüz?

Bu fikrin bugünkü karşılığı şudur: sinir ağı tabanlı sistemler, ağırlıklarını eğitim sırasında ayarlar. Geri yayılım, bu ayarlamanın bilinen yöntemidir. Bugünkü bir ürünün hangi yöntemle eğitildiğini üreticisinin açıklamasından öğrenin; çünkü ürünlerin ayrıntıları çok daha karmaşıktır.

Nobel metnine göre Boltzmann makinesi görüntü sınıflandırabilir. 2012’deki ImageNet sonucu, derin sinir ağlarının görüntü tanımada kullanıldığı erken ve bilinen bir örnektir.

Nobel Ödülü’nün fizikte verilmesi şaşırtıcı görünebilir. Nobel metni bunu şöyle açıklar: Hinton’un çalışması istatistiksel fizikten araçlar kullanır. Bu, yapay zekânın fizik gibi alanlarla da bağlantılı olduğunu gösterir ve yapay zekâya “yalnız yazılım” diye bakmanızı engeller.

Kısa sözlük

• Sinir ağı: Beyindeki bağlantılardan esinlenen, örneklerden öğrenen hesaplama yöntemi.
• Geri yayılım: Hatayı geriye doğru dağıtarak ağırlıkları ayarlama yöntemi.
• Boltzmann makinesi: Verideki özellikleri öğrenen, istatistiksel fizikten esinli bir ağ.
• ImageNet: Görüntü tanıma modelleri için kurulan büyük görüntü veri kümesi.

Bu bilgiyi nasıl kontrol edersiniz?

Bir kişi hakkındaki bilgiyi şu sırayla kontrol edin. Önce kişinin kendi kurumunun ya da ödülü veren kurumun sayfasına bakın. Sonra ansiklopedik bir kaynağa geçin. En sonda o bilgiyi aktaran haber ve blog yazılarına göz atın. Asistanın verdiği her tarihi bu sırayla sınayın. İki kaynak birbirini tutmuyorsa birincil kaynağa yakın olanı seçin ve yazarken belirsizliği tek cümleyle belirtin.

Hinton için en güvenilir kaynaklar Nobel Ödülü’nün resmî sayfaları ve ACM Turing Ödülü sayfasıdır. Ek olarak Toronto Üniversitesi sayfası iyi bir kaynaktır. “Yapay zekânın babası” gibi etiketleri doğrudan aktarmayın; bu sözün kaynağını sorun.

Bir portreyi gerçekten öğrenmenin yolu, onu kendi sözcüklerinizle yeniden anlatmaktır. Aşağıdaki adımlar bunun için hazırlandı. Önce komutu kullanın, sonra yanıtı bu dersle karşılaştırın. Tutmayan her cümleyi silin ya da kaynağıyla birlikte düzeltin. Asistan size yanlış bir bilgi verirse bunu bir ders sayın. Amaç ezber değil, bilgiyi kontrol etmeyi öğrenmektir. Bu dizide her portrede aynı sırayı izliyoruz: önce kimin ne zaman ne yaptığına, sonra bugünkü araçlarla bağına, en sonda da nerede yanılabileceğinize bakıyoruz. Yeni bir isimle karşılaştığınızda bu sıra size yol gösterir.

1. Aşağıdaki güçlü komutu kopyalayın ve bir yapay zekâ asistanına yapıştırın.
2. Asistanın “babası” gibi etiketler kullandığı yerleri işaretleyin.
3. Her etiket için kaynağını sorun.
4. Kaynağı olmayan etiketleri çıkarın.

Kontrol listesi

• Yanıttaki her tarihi ve her adı bu dersle karşılaştırdım
• Geri yayılımın Hinton tek başına icat ettiğini yazmadım
• Asistanın kaynak göstermediği cümleleri ayrıca işaretledim
• Bilmediğim bir iddiayı kesin bilgi gibi başkasına aktarmadım

Sık yapılan hatalar

Portre derslerinde en sık görülen sorun, tarih, ad ve unvanların karışmasıdır. Aşağıdaki maddeler, bu kişiyle ilgili kaynaklarda açıkça görülen olgulara dayanır. Bir asistan bunlardan birini ters söylerse, yanıtın geri kalanına da şüpheyle bakın.

• Geri yayılımı yalnız Hinton’un icadı saymak: 1986’da üç yazarla yaygınlaştırıldı
• Nobel Ödülü’nü Hinton’un tek başına aldığını sanmak: John Hopfield ile paylaştı
• 2012 ImageNet sonucunu tek başına Hinton’a bağlamak: Krizhevsky ve Sutskever de ekipteydi
• Bugünkü bir ürünü doğrudan Hinton’a mal etmek

Kendinizi deneyin

Aşağıdaki üç soru dersin ana fikirlerini sınar. Yanlış yanıt verirseniz açıklamayı okuyun ve ilgili bölüme dönün.

Kaynaklar

• Nobel Fizik Ödülü 2024: basın bildirisi (NobelPrize.org) (İngilizce)
• Geoffrey Hinton: Nobel Fizik Ödülü 2024 bilgi sayfası (NobelPrize.org) (İngilizce)
• Geoffrey Hinton, ACM A.M. Turing Ödülü sayfası (İngilizce)

Son kontrol: 8 Kasım 2026

Kaynak: yzdersleri.com/ders/geoffrey-hinton-geri-yayilim-ve-derin-ogrenme/ · Yapay Zeka Dersleri