Elbette, 2012 yılında geliştirilen ve derin öğrenme çağını başlatan bir sinir ağı olan AlexNet sayesinde. Bu tarihi dönüm noktasını temsil eden AlexNet’in orijinal kaynak kodu, yıllar süren müzakerelerin ardından nihayet kamuya açık hale geldi. Bu önemli gelişme, Bilgisayar Tarihi Müzesi (Computer History Museum) ile Google arasındaki iş birliği sayesinde gerçekleşti.

Alex Krizhevsky tarafından yazılan ve ilk olarak 2012 yılında tanıtılan bu devrim niteliğindeki kod, artık GitHub üzerinden erişime açık durumda. ChatGPT’den önce o vardı. AlexNet, bilgisayarların görüntü tanıma ve sınıflandırma yeteneğini radikal biçimde geliştiren bir sinir ağı olarak tarihe adını yazdırdı. Aslında sinir ağları fikri ve geri yayılım (backpropagation) algoritması gibi temel teoriler on yıllardır biliniyordu. Ancak iki kritik unsur eksikti: Bu sinir ağlarını eğitmek için devasa miktarda işlenebilir veri ve karmaşık hesaplamaları hızlı ve verimli bir şekilde gerçekleştirecek donanım.

Stanford’un ImageNet projesi ve Nvidia’nın CUDA GPU programlaması gibi girişimler nihayet bu önemli unsurları karşıladı. Öte yandan Alex Krizhevsky, yapay zekanın öncü isimleri olan Nobel Ödüllü AI bilimcisi Geoffrey Hinton ve daha sonra OpenAI’ı kuran Ilya Sutskever ile birlikte çalışarak AlexNet’i geliştirdi. 2012’de gerçekleştirilen ImageNet yarışmasında AlexNet, diğer yöntemlere kıyasla açık ara farkla birinci oldu. Bu başarı, derin öğrenmenin potansiyelini kanıtladı ve yapay zeka araştırmalarında yeni bir dönemin kapısını araladı.

AlexNet, o döneme kadar görülmemiş derinlikte (8 katman) bir evrişimli sinir ağı (Convolutional Neural Network-CNN)ydı ve yalnızca iki adet GTX 580 ile eğitilmişti. CNN’ler o zamana kadar el yazısıyla yazılmış rakamları tanıma gibi görevlerde umut verici başlangıçlar göstermişti, ancak bu teknoloji hiçbiri sektörde dönüşüme yol açmamıştı. Ancak AlexNet ekibi, CNN’ler de dahil olmak üzere sinir ağlarının tasarımını geliştirdi ve Nvidia GPU çipleri üzerinde yaptıkları küçük deneylerle yapay nöron katmanlarının sayısının artırılmasının teorik olarak daha iyi sonuçlar vereceğini keşfettiler.

Sutskever, yeterli işlem gücü ve eğitim verisi sağlandığında teorik çalışmanın çok daha büyük bir sinir ağına ölçeklendirilebileceğini öngörmüştü. Nitekim öyle de oldu. Sutskever, şu an SSI adlı şirketinde çalışıyor ve artık bu ölçeklemenin sona erdiğini söyleyerek yeni bir yöntem gerektiğini savunuyor.

Ancak o dönemlerde AlexNet’in bu başarısı, büyük bir heyecan yaratmadı. Yapay zeka camiasında bazı araştırmacılar, AlexNet’i sıradan bir gelişme olarak değerlendirirken, günümüzde derin öğrenme alanında efsane olarak tanınan, daha önce Hinton’dan ders almış ve 1990’larda CNN mühendisliğine öncülük etmiş olan Meta Platforms’un baş yapay zeka bilimcisi Yann LeCun, bu çalışmanın önemini ilk fark eden isimlerden biri olmuştu. LeCun, AlexNet’in yapay zekâda bir dönüm noktası olacağını öngördü – ve bu öngörüsü doğru çıktı.

AlexNet sayesinde görüntü tanıma, konuşma sentezi, müzik üretimi ve yaratıcı yazarlık gibi birçok alanda devrim niteliğinde gelişmeler yaşandı. Özellikle 2022 yılında piyasaya sürülen ChatGPT, bu evrimin zirvesi olarak kabul ediliyor. Günümüz için son derece basit görünen AlexNet’in açık kaynak haline getirilmesi, yapay zeka araştırmalarında şeffaflık ve bilgi paylaşımı açısından önemli bir adım. Bu sürecin kolay olmadığını belirtmekte fayda var; Bilgisayar Tarihi Müzesi, Alex Krizhevsky, Geoffrey Hinton ve Google’ın hukuk ekibi ile beş yıl süren zorlu müzakereler yürüttü. Çünkü AlexNet’in fikri mülkiyet hakları, Google’a aitti; zira Google, Hinton, Krizhevsky ve Sutskever’in girişim şirketi DNNResearch’ü satın almıştı.

Son yıllarda yapay zeka ve derin öğrenme kavramları, makinelerin ve uygulamaların karar alma süreçlerinde önemli bir yere sahip olmaya başladı. Bu alandaki gelişmeler, Prof. Dr. Cahit Arf’ın “Makine düşünebilir mi?” sorusunun yanıtını aramaya devam ediyor.

Sivas Bilim ve Teknoloji Üniversitesi’nde Bilgisayar Mühendisliği öğretim üyesi olan Doç. Dr. Farhan Aadil, bu alandaki çalışmalarına yeni bir model önerisi ekledi. Aadil’in önerdiği “Bağlam Farkındalıklı Pekiştirmeli Derin Öğrenme Modeli”, yalnızca geçmiş deneyimlere dayanarak öğrenen uygulamaların ötesine geçmeyi hedefliyor. Bu model, insan beyninin yeni bilgileri işleme şekline benzer bir yöntemle, çevresel faktörler, zaman ve konum gibi kriterleri öğrenme sürecine dahil ediyor.

Aadil, “An Actor-Critic Based Recommender System With Context-Aware User Modeling” başlıklı çalışmasıyla, öğrenen bilgisayarların yalnızca deneme yanılma yoluyla elde edilen bilgilerin ötesinde yeni parametreleri de dikkate almasını sağlıyor. Bu çalışma, Prof. Dr. Cahit Arf’ın sorusuna bir adım daha yaklaşmamıza yardımcı oluyor.

Bu önemli çalışma, Pakistan İslamabad COMSATS Üniversitesi’nden Doç. Dr. Muazzam Maksood ile iş birliği içinde yürütülüyor. Hem uluslararası akademik iş birliği açısından hem de bilimsel çalışmaların küreselleşmesi bakımından büyük bir öneme sahip. Aadil’in geliştirdiği model, yapay zekanın eğitim, sağlık ve akıllı teknolojilerdeki uygulama ve karar süreçleri için yeni fırsatlar sunuyor.