6 Aralık 1947 yılında doğan Geoffrey Everest Hinton Londra’da dünyaya gelmiştir ve halen hayattadır. Tüm kariyerini derin öğrenme ve yapay zeka üzerine çalışmalarıyla geliştirmiştir.
Bilgisayar bilimi ve yapay sinir ağları konularındaki çalışmalarıyla tanınan Hinton 2013’te Google Brain projesine katılmış ve Turing Ödülü’nü kazanmaya hak kazanmıştır.
Eğitim Hayatı
Geoffrey Everest Hinton, Cambridge’deki King’s College’da eğitim görmüş ve 1970 yılında Deneysel Psikoloji alanında lisans derecesi ile mezun olmuştur. Daha sonra çalışmalarına 1978’de yapay zekâ alanında doktora derecesini aldığı Edinburgh Üniversitesi’nde devam etmiştir. Yüksek boyutlu veri kümelerinde karmaşık yapıları bulmada etkili prosedürleri keşfetmek amaçları arasındadır. ImageNet adlı araştırma ekiplerinin algoritmalarını verilen veri seti üzerinde değerlendireceği ve çeşitli görüntü tanıma görevlerinde çok daha yüksek doğruluk elde etmek için rekabet yarışmasında, öğrencileri olan Alex Krizhevsky ve Ilya Sutskever ile birlikte yaptığı “AlexNet” tasarımıyla bilgisayar görüşü alanında çığır açmıştır.
Araştırmaları
Geoffrey Everest Hinton araştırmalarında; makine öğrenimi, hafıza, algılama ve sembol işleme için sinir ağlarını kullanmanın yollarını araştırmaktadır ve ayrıca kendisinin yazmış olduğu ve katkıda bulunduğu 200’den fazla hakem incelemeli yayını bulunmaktadır.
1982–1987 yılları arasında profesörlük yaptığı yıllarda David Rumelhart ve Ronald Williams ile birlikte, geri yayılım algoritmasını çok katmanlı sinir ağlarına uygulamışlardır. Deneyleri, bu tür ağların verilerin yararlı dahili temsillerini öğrenebileceğini göstermiştir ve 2018’de verdiği bir röportajda “David E. Rumelhart geri yayılımın temel fikrini ortaya attı, yani bu onun icadı.” demiştir.
Aynı dönemde ise Boltzmann makinelerini David Ackley ve Terry Sejnowski ile birlikte icat eymiştir. Bir röportajında ise, sinir ağları buluşları ve derin öğrenme çalışmaları arasında hala kendisini heyecanlandıran buluşunun bu olduğunu söylemiştir. Kısaca bahsedecek olursak bir Boltzmann makinesi, açık mı kapalı mı olacağına dair stokastik (rastgele belirlenen; istatistiksel olarak analiz edilebilen ancak kesin olarak tahmin edilemeyen rastgele bir olasılık dağılımına veya modeline sahip olma durumu) kararlar veren simetrik olarak bağlı, nöron benzeri birimlerden oluşan bir ağ olduğunu öğrenebiliriz.
Derin öğrenme ve kapsül sinir ağlarıyla ilgili çalışmalarına devam eden Hinton; derin öğrenmenin tüm insan zekasını kopyalayabileceğini savunmaktadır. Bir röportajında “Derin öğrenme yoluyla tüm insan zekasına ulaşabilecek miyiz?” sorusuna “Evet. Özellikle mantık gibi şeyleri uygulamak için büyük sinirsel aktivite vektörlerini nasıl elde edeceğinizle ilgili atılımlar vardır. Ama aynı zamanda büyük bir ölçek artışına ihtiyacımız var. İnsan beyninde yaklaşık 100 trilyon parametre veya sinaps vardır. Şimdi GPT-3 gibi gerçekten büyük bir model olarak adlandırdığımız şeyin 175 milyarı var. Yani, beyinden bin kat daha küçük. GPT-3 artık oldukça makul görünen metinler oluşturabilir ama beyne kıyasla hâlâ küçüktür.” olarak cevap vermiştir.
Yapay zekanın risklerini ve gelecekte bizleri ne beklediğini konuştuğumuz bu günlerde Hinton; “İnsanlar teknolojik gelişmelere birer sorun gibi bakabiliyorlar. Yapay zekanın insan gücünün yerini alabileceğini ve işsiz kalabilecek birçok insan olabileceğini düşünebiliyorlar. Fakat bu bakışın teknoloji ile alakası yok. Tamamen sosyal sistemle alakalı.” cevabını vermiştir.
Derin öğrenmenin ve yapay zekanın “babası” sayılan Hinton tüm kariyeri ve hatta hayatı boyunca şuan da bir çok ünvanda çalışmalarını sürdürmektedir. Bunlardan birkaçı Google Başkan Yardımcısı ve Başmühendisi,
Google yapay zeka araştırma ekininin Toronto yöneticiliği, Makine ve Beyinde Öğrenme Programı danışmanlığıdır.
Şule Koç