İnsan beyninin çalışma yapısını temel alarak bunun benzerini yapabilecek bilgisayar sistemleri oluşturulması alanına “yapay zeka” denilmektedir.
Bilindiği üzere insan beyni düşünen,sorgulayan,analiz eden ve bunlara dayalı çıkarımlar yapan mükemmel bir organdır. Önce öğrenir,sonra öğrendiklerini tekrar ederek tecrübe kazanır ve hiç karşılaşmadığı durumlar karşısında geçmişte öğrendikleri ve tecrübeleriyle çözüm yolları üretir. Yapay zeka sistemlerinin de temel amacı bunu yapmaktır.
Mesela olayı bir öğrencinin durumuyla ele alalım. Bir öğrenci Elektromanyetik dersinin önce temellerini öğrenir,sonra çözümlü örneklerle pekiştirip tecrübe kazanır. En sonunda da çözümünü hiç bilmediği problemleri bu bilgi ve tecrübesiyle çözer.
Yapay zeka sistemlerinden birisi olan” yapay sinir ağı” da bunun aynısını yapar. Öncelikle bir yapay sinir ağı (neural network) dizayn edilir, sonra bu sinir ağına datalar yollanarak ağın eğitilmesi işlemi gerçekleştirilir. Ağ eğitildikten sonra öğrenip öğrenmediği kontrol edilir. Ağ öğrenmişse artık kullanıma hazırdır, cevabı bilinmeyen problemler ağa yollanır ve ağ çeşitli çıkarımlar yaparak size bir sonuç üretir.
Peki bu sinir ağı nasıl oluşturulur ve oluşturulan ağ bilgileri nasıl öğrenir ve beyin gibi düşünüp çözüm üretir?
Sinir ağları tamamen birtakım kompleks matematiksel denklemlerden ve formülasyonlardan oluşan bilgi işleme yapılarıdır.. Tabii bu denklemler belli bir intizam,sıralama ve tasarım çerçevesinde gerçekleştirilir. Temel olarak da beynin sinirsel modellemesi baz alınır. Bunu şuna benzetebiliriz: bizler bilgisayar ekranında görsel bir arayüzle birçok işlemi bir tıkla hallederiz;ama arka planda yaptığımız bir tıklama için birçok karmaşık programlama kodları devreye girip bunları bizim yazacağımız yerde o bizim için otomatik olarak yapar ve biz kodlarla hiç uğraşmayız. Yapay sinir ağı da bu şekildedir, nöronlar bizim arayüzlerimizdir ama aslında onlar arka planda matematiksel ifadelerden başka bir şey değildir.
Yapay sinir ağlarının kurulumu ve dizaynı çerçevesinde belirli birtakım modellemeler alan bazlı gerçekleştirilmişse de bunlar birtakım temel prensiplerden öte gitmemekte,size sadece ipuçları ve güzel bir temel hazırlamakta ve işin çoğu tamamen tasarımcıya kalmaktadır. Bir sinir ağında kaç tane nöron kullanılacağı ve bu nöronların birbirlerine nasıl bir ağ yapısıyla bağlanacakları ve her bir nöronun işlevsel kapasitesinin ne kadar olacağı konusunda bütün iş tasarımcıya aittir. İşin bu tarafı tabi ki bu sistemin eksilerinden bir tanesidir. Kurduğunuz ağ bir işe yaramayabilir ya da tatminkar sonuçlar çıkaramayabilir, neticede değiştirmek ve istenen sonucu elde edene kadar parametreleri,nöron sayılarını, yerlerini,bağlanış şekillerini değiştirmek gerekir.bu da bir sürü matematiksek hesap ve akıp giden zaman demektir. Kurduğunuz sistem için optimum sonucu belki hiçbir zaman bulamayabilirsiniz.bu büyük bir sorun gibi gözükse de aslında önemli olan ağın en etkili çözümü değil de tatmin edici çözümü ortaya koymasıdır. Ağ size istediğiniz çözümü ürettiği sürece optimum olsun ya da olmasın sorun yok demektir.
Neyseki günümüzde artık bu sistemleri kolaylıkla kurup,deneyip,olmamışsa bozup yeninden kurup deneyerek istenen sonucu elde edebilmenizi sağlayan ve bütün hesaplamaları kendisinin yaptığı bilgisayar yazılımları geliştirildi. Bunlardan birisi de Matlab. Bünyesindeki Neural Network Toolbox aracılığıyla kolaylıkla istediğiniz ağ yapısını kurup dataları aktararak ağınızı eğitebilir,sonuçları etkili grafiklerle gözlemleyebilir, kolaylıkla bozup yeniden kurarak sistem modellemenizi külfetsiz ve zamandan büyük ölçüde tasarruf ederek gerçekleştirebilirsiniz.
Günümüzde yapay sinir ağları birçok mühendislik ve iktisadi bilimler dallarında kullanılmaktadır. İmalat sanayinde,kontrol sistemlerinde,elektronik sistemlerde,bilişim sistemlerinde,finans sektöründe oldukça yaygın kullanım alanı vardır.
Örneğin, boru üretimi sürecinde dökümhaneden gelen çelik saçların üzerindeki kusurlar (defects) görüntü işleme(image processing) sistemiyle yapay sinir ağına aktarılır. Sinir ağına daha önceden bu kusurlar tanımlanıp öğretildiği için ağ gelen verileri algılayarak bu kusurların hangileri olduğunu saptayıp gerekli sınıflandırma ve parametreleri çıkararak verileri kontrol uzmanlarına sunar.
Bir başka örnek de bankalardaki ve güvenlik sistemlerindeki parmak izi ya da yüz tanıma sistemleridir.
Son olarak eklemek gerekirse, yapay sinir ağlarının mantığını, çalışma yapısını ve kurulumunu öğrenmek hiç de zor bir iş değildir, sadece biraz merak ve biraz çaba yeterli. Öğrendikten sonra üzerine mühendislik bilginizi inşa ederek sistemler geliştirmek sizin elinizde.
