Soru
1950 Dartmouth konferansından kural tabanlı uzman sistemlere, derin öğrenme kışlarından 2017 Transformatör makalesine yapay zekanın evrimi.
Sembolik Yapay Zekadan Attention Mekanizmasına: Yapay Zekanın Tarihsel Kırılma Noktaları
Yapay zekanın bugünkü başarısı anlık bir tesadüf değil, 70 yılı aşkın bir matematiksel ve donanımsal mücadelenin sonucudur. Alan Turing'in "Makineler Düşünebilir mi?" sorusuyla başlayan bu serüven, iki büyük "YZ Kışı" (AI Winter) atlatmıştır.
Tarihsel Dönüm Noktaları:
- 1956 Dartmouth Konferansı: "Yapay Zeka" teriminin doğuşu (John McCarthy, Marvin Minsky).
- 1980'ler Uzman Sistemler: Kural tabanlı (If-Then) motorlar ve sembolik yapay zekanın sınırları.
- 2012 ImageNet & AlexNet: GPU'ların derin öğrenmede ilk büyük zaferi ve sinir ağlarının dirilişi.
- 2017 "Attention Is All You Need": Google'ın Transformatör mimarisini keşfi ve bugünkü LLM çağının temeli.
İbrahim Cingil
08.10.2026 12:50
0
Yapay Zekanın 4 Büyük Çağı
| Dönem | Baskın Paradigma | Temel Kısıt | Temsilci Örnek |
|---|---|---|---|
| 1. Sembolik Çağ (1950-1980) | Kural ve Mantık Tabanlı (İf-Else) | Örtük bilgiyi (sezgiyi) kodlayamama | ELIZA, MYCIN Uzman Sistemi |
| 2. İstatistiksel ML (1990-2010) | Öznitelik Mühendisliği (SVM, Random Forest) | Büyük veride doygunluğa ulaşma | IBM Deep Blue, Spam Filtreleri |
| 3. Derin Öğrenme (2012-2020) | Evrişimli ve Tekrarlayan Ağlar (CNN, RNN, LSTM) | Sıralı işlem, uzun bağlam unutma | AlexNet, AlphaGo, ResNet |
| 4. Transformatör & Temel Modeller (2020-2026) | Öz-Dikkat (Self-Attention) & Büyük Ölçekleme | Hesaplama maliyeti & enerji tüketimi | GPT-4o, Claude 3.5, Gemini |
Neden "Attention" Her Şeyi Değiştirdi?
Eski RNN/LSTM mimarileri metni kelime kelime soldan sağa okumak zorundaydı, bu da GPU'ların paralel hesaplama gücünü engelliyordu. Self-Attention mekanizması metindeki tüm kelimelerin birbirleriyle olan anlamsal ilişkisini aynı anda hesaplayarak eğitimi binlerce kat paralelleştirdi ve bugünkü trilyonlarca parametrelik modellerin önünü açtı.
Murat Kartal
08.10.2026 15:32
0
Tarihten çıkarılacak en büyük ders şudur: "Acı Ders" (The Bitter Lesson - Rich Sutton). İnsanların yapay zekaya kendi uzmanlık kurallarını zorla öğretme çabaları her zaman başarısız olmuştur. Kazanan strateji daima genel algoritmaların (Arama ve Öğrenme) devasa hesaplama gücü ve veriyle beslenmesi olmuştur. Bu yüzden geleceğe bakarken mimarilerin sadeliğine ve donanımla ölçeklenme kabiliyetine odaklanmalıyız.
Murat Kartal
09.10.2026 07:32
0
Yapay zekanın tarihini bilmek bugünkü araçları anlamayı çok kolaylaştırıyor. Neden "Transformatör" dendiğini ve Attention mekanizmasının nasıl çalıştığını kavrayınca, yazdığınız promptların arka planda nasıl işlendiğini çok daha iyi yönetebiliyorsunuz.
