Yapay Sinir Agi Nedir? Sade Bir Anlatim

Tek cumlelik ozet

Yapay sinir agi, beyinden gevsek bicimde esinlenen bir hesaplama modelidir. Girdileri yararli ciktilara cevirmeyi, agirlik adi verilen cok sayida sayiyi ayarlayarak ogrenir. Fikrin tamami bu kadar. Geri kalan her sey, bu sayilarin nasil duzenlendigi ve nasil ayarlandigiyla ilgili ayrintidir.

Beyin benzetmesi gercektir ama gevsektir. Wikipedia bunu soyle anlatir: bir ag, beyindeki noronlari gevsek bicimde modelleyen yapay noron adli birimlerden olusur ve bu birimler sinapslari modelleyen baglantilarla birbirine baglanir. Bu bir benzetmedir, kopya degil. Ciddi hicbir anlatim bu sistemlerin insan gibi dusundugunu iddia etmez.

Noronlar, agirliklar ve basit bir toplam

Temel birim norondur, bazen dugum de denir. Her noron girdi olarak birkac sayi alir. Bu girdiler ham veri olabilir ya da agda daha onceki noronlarin ciktilari olabilir.

Bir norona giren her baglanti bir agirlik tasir. Agirlik, o girdinin ne kadar onemli oldugunu belirler. Buyuk bir agirlik girdiyi guclendirir, sifira yakin bir agirlik onu neredeyse gormezden gelir, negatif bir agirlik ise ters yonde iter. Noron her girdiyi agirligiyla carpar, sonuclari toplar ve genellikle bias adi verilen ayarlanabilir bir sayi daha ekler.

Yani aslinda bir noron neredeyse sikici denecek kadar basit bir is yapar: agirlikli bir toplam. Zeka tek bir noronda degildir. Cok sayida norona sahip olmaktan ve dogru agirliklari bulmaktan gelir.

Aktivasyon: dogrusal olmayanligi katan kisim

Agirlikli toplamdan sonra noron, sonucu bir aktivasyon fonksiyonundan gecirir. Bu adim, agin yalnizca duz dogru iliskileri degil, karmasik oruntuleri ogrenmesini saglayan seydir.

Bu neden onemli? Google for Developers soyle aciklar: dogrusal islemler uzerine yapilan dogrusal islemler yine dogrusaldir. Yuz tane sade toplami ust uste koysaniz bile yine tek bir toplamin davranisini elde edersiniz. Aktivasyon fonksiyonlari matematige bir kivrim ekler ve bu kivrimlarin ust uste binmesi, her katmanin giderek daha karmasik fonksiyonlar ogrenmesini saglar.

Yaygin aktivasyon fonksiyonlari arasinda herhangi bir sayiyi 0 ile 1 arasina sikistiran sigmoid, minus 1 ile 1 arasinda degerler ureten tanh ve negatif girdiler icin 0, digerlerinde girdinin kendisini donduren ReLU bulunur. ReLU populerdir cunku hesaplama acisindan basittir ve egitimde kaybolan gradyan denen bir sorundan kacinmaya yardim eder.

Katmanlar: girdi, gizli, cikti

Noronlar katmanlar halinde dizilir ve her katman, aldigi sayilari bir sonrakine iletmeden once donusturur. Uc tur katman vardir.

Girdi katmani ham veriyi alir ve gercek bir hesaplama yapmadan ileri tasir. Sayilari birden cok olabilen gizli katmanlar, sinyalleri birlestirme ve yeniden birlestirme isini asil yapan yerdir. Cikti katmani ise nihai cevabi uretir; bu bir olasilik, bir kategori veya tahmin edilen bir deger olabilir. Bir agin cok sayida gizli katmani oldugunda buna derin denir ve derin ogrenme terimi buradan gelir.

Yararli bir benzetme: bir fotografi inceleyen uzun bir insan sirasi dusunun. Ilk kisi kenarlar ve parlak noktalar gibi basit seyleri fark eder. Sonraki bunlari sekillere donusturur. Bir sonraki bir kulak, bir tekerlek, bir logo secer. Sira sonunda grup kedi ya da araba diyebilir. Hicbir kisi resmin tamamini tek basina anlamadi ama katmanli ekip calismasi bunu basardi.

Nasil ogrenir: orneklerle egitim

Rastgele agirliklara sahip yeni bir ag sacma ciktilar uretir. Egitim, bu agirliklari ciktilar yararli hale gelene kadar yavasca itme surecidir ve elle yazilmis kurallar yerine ornekler uzerinden gerceklesir.

Her turun iki adimi vardir. Once ileri yayilim: veri agdan gecer ve bir tahmin cikar. Bu tahmin, agin ne kadar yanildigini puanlayan bir kayip fonksiyonu ile dogru cevapla karsilastirilir. Sonra geri yayilim: ag, ciktidan geriye dogru calisarak her agirligin hataya ne kadar katkida bulundugunu zincir kurali denen bir matematik kuraliyla hesaplar ve her agirligi kaybi azaltan yonde biraz ayarlar. Bu ayar adimini genellikle gradyan inisi adli bir algoritma yurutur.

Bunu pek cok ornek uzerinde, pek cok kez tekrarlayin; agirliklar veri icindeki temel oruntuleri yakalayan degerlere oturur. Onemlisi, amac yalnizca egitim verisini ezberlemek degil, agin daha once hic gormedigi yeni girdilere genellemesidir.

Bu, gundelik araclarda nerede karsimiza cikar

Fikrin seklini bir kez kavradiginizda onu her yerde gormeye baslarsiniz: spam filtreleri, ses yaziya dokme, oneri akislari, dil modelleri ve goruntu araclari hep cesitli turden yapay sinir aglarina dayanir.

Modern urun fotografi duzenlemenin arkasinda da bu vardir. Renderivo bunyesinde, cok sayida goruntuyle egitilen yapay sinir aglari uygulamanin bir urunu arka planindan ayirmasini, temiz beyaz bir zemine yerlestirmesini ya da duzenli bir sahne uretmesini saglar. Bunu kullanmak icin geri yayilimi anlamaniz gerekmez; tipki bir araba surmek icin yanmayi anlamaniz gerekmedigi gibi. Ama motorun kabaca nasil calistigini bilmek, tum bu alani sihirden cok daha az, akilli ve durust bir muhendislikten cok daha fazla gibi hissettirir.