Yann LeCun: evrişimli ağlar ve görüntü tanıma

Yann LeCun, bilgisayarın bir görüntüde “nerede olursa olsun” bir deseni bulmasını sağlayan evrişimli ağların geliştiricilerinden biridir. 2018’de Turing Ödülü’nü Hinton ve Bengio ile paylaştı.

Aklınıza bir soru mu takıldı?

Sorunuzu ya da aradığınız konuyu yazın Ders bul

Bu derste neler öğreneceksiniz?

• LeCun’un kim olduğunu
• Evrişimli ağın ne yaptığını
• Çek okuma örneğinin ne anlattığını
• Fotoğraf uygulamalarında bu fikri nasıl düşüneceğinizi

Kim, ne zaman, nerede?

Yann LeCun, 8 Temmuz 1960’ta Fransa’nın Soisy-sous-Montmorency kentinde doğdu. 1987-1988’de Toronto’da doktora sonrası araştırmacıydı. 1988-1996 arasında Bell Laboratuvarları’nda Uyarlanabilir Sistemler Araştırma Bölümü’nde çalıştı. 2003’ten itibaren New York Üniversitesi’nde (NYU) profesördür.

ACM sayfası, 2013’ten itibaren Facebook (sonradan Meta) bünyesindeki görevlerini de sayar: yapay zekâ araştırma yöneticisi ve ardından baş yapay zekâ bilimcisi. Bu görevler ACM sayfasının yazıldığı günkü durumdur. NYU Tandon’un 4 Mayıs 2026 tarihli duyurusu, LeCun’un Meta’da baş yapay zekâ bilimcisiyken şirketin yapay zekâ araştırma birimini kurduğunu yazar ve Ocak 2026’dan beri Advanced Machine Intelligence (AMI) Labs’ın icracı başkanı (Executive Chairman) olduğunu belirtir. Meta’daki görevinin bitiş tarihi bu derste yazılmadı.

Temel katkısı ne?

LeCun, Bell Laboratuvarları’nda evrişimli (konvolüsyonel) sinir ağlarını geliştirdi. Ağda bir süzgeç, girdi ızgarası üzerinde kaydırılır. Böylece üst katmanlar, bir deseni görüntünün hangi yerinde olursa olsun yakalayabilir. Bu, ağların daha hızlı eğitilmesini ve daha küçük olmasını sağladı.

1990’ların başında LeCun, Bengio, Bottou ve Haffner ile birlikte bu yöntemi çeklerdeki rakamları okumaya uyguladı. ACM sayfasına göre LeCun, sistemin bir dönem ABD’deki çeklerin yüzde onundan fazlasını okuduğunu belirtiyor.

Bu portredeki ana fikir basittir: aynı desen görüntünün farklı yerlerinde olabilir ve ağ, her yerde aynı süzgeci kullanarak onu bulur. ACM sayfasına göre bu, eğitimi hızlandırır ve ağı küçültür.

Bugün nerede görürsünüz?

Görüntü tanıyan bir uygulama kullandığınızda, hangi yöntemin kullanıldığını uygulamanın kendi açıklamasından öğrenebilirsiniz. LeCun’un çek okuma işi ise günlük bir sorunu (el yazısı rakamlar) sinir ağıyla çözen erken bir örnektir.

Bu ders, sizden bir ürünün içini bilmenizi istemiyor. Ama şunu öğrenmeniz değerlidir: görüntü tanıyan bir sistem, yalnız bir nesnenin değil, desenlerin hangi yerde olursa olsun yakalanması fikrine dayanır.

Asistanınıza bir fotoğraf yükleyip içindekileri sorduğunuzda yanıt yanlış çıkabilir. Bu bir bilgisayarın “görmesi”nin insan görmesinden farklı olduğunu hatırlatır. Yanıtı, kendi gözünüzle karşılaştırın.

Kısa sözlük

• Evrişim (konvolüsyon): Bir süzgecin görüntü üzerinde kaydırılarak desen aranması.
• Katman: Bir sinir ağında bilgiyi işleyen basamaklardan her biri.
• Çek okuma: Çeklerdeki el yazısı rakamların yazılımla okunması.
• Uyarlanabilir sistem: Veriye göre kendini ayarlayan yazılım.

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.

LeCun için ACM Turing Ödülü sayfası, NYU Tandon’un duyurusu ve AMI Labs’ın sayfası ilk kaynaktır. Güncel görevini yazmadan önce kurumun sayfasından bugünkü durumu görün; kısa sürede değişebilir. Çek okuma örneği için sayfadaki “yüzde onundan fazla” ifadesini LeCun’un aktarımı olarak yazın.

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 “görme” sözcüğünü kullandığı cümleleri bulun.
3. Aynı fotoğrafı farklı açıdan yükleyip yanıtı karşılaştırın.
4. Farklı yanıtlar gelirse bunu notlayın.

Kontrol listesi

• Yanıttaki her tarihi ve her adı bu dersle karşılaştırdım
• Asistanın görüntü yanıtlarını kendi gözümle karşılaştırdım
• 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.

• Evrişimli ağların 2012’de icat edildiğini sanmak: LeCun’un çalışması 1988-1996 arasındaki Bell Laboratuvarları dönemine uzanır
• 2018 Turing Ödülü’nü yalnız LeCun’a mal etmek: üç kişi paylaştı
• Çek okuma örneğindeki yüzdeyi kesin rakam saymak
• LeCun’un güncel görevini eski bir sayfadan aktarmak

Kendinizi deneyin

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

Kaynaklar

• Yann LeCun, ACM A.M. Turing Ödülü sayfası (İngilizce)
• Geoffrey Hinton, ACM A.M. Turing Ödülü sayfası (İngilizce)
• AI Pioneer Yann LeCun Will Address the Class of 2026, 4 Mayıs 2026 (NYU Tandon) (İngilizce)
• AMI Labs (AMI Labs) (İngilizce)

Son kontrol: 8 Kasım 2026

Kaynak: yzdersleri.com/ders/yann-lecun-evrisimli-aglar-ve-goruntu-tanima/ · Yapay Zeka Dersleri