Derin öğrenme (Deep Learning), çok sayıda katmandan oluşan yapay sinir ağları kullanan bir makine öğrenmesi yöntemidir. “Derin” kelimesi felsefi bir anlam taşımaz; ağın katman sayısının çokluğunu ifade eder. Her katman veriden bir öncekinden daha soyut özellikler çıkarır ve bu sayede model, ham veriden karmaşık örüntüleri kendi başına öğrenebilir.
Yüz tanıyan bir ağı düşünün: İlk katmanlar fotoğraftaki basit kenarları ve renk geçişlerini fark eder. Orta katmanlar bu kenarları birleştirip göz, burun, kulak gibi parçaları tanır. Son katmanlar ise bu parçaların dizilişinden “bu yüz Ayşe’ye ait” sonucunu çıkarır. Kimse ağa “göz nedir” diye tarif etmez; katmanlar bu hiyerarşiyi eğitim verisinden kendileri kurar. Klasik makine öğrenmesinde bu özellikleri (öznitelikleri) insanlar elle tasarlamak zorundaydı — derin öğrenmenin devrimi tam da bu adımı otomatikleştirmesidir.
Neden şimdi patladı?
Fikir 1980’lerden beri vardı ama iki şey eksikti: yeterli veri ve yeterli işlem gücü. İnternet devasa veri üretti, GPU’lar da binlerce hesabı aynı anda yapabilen donanımı sağladı. 2012’den itibaren derin öğrenme görüntü tanımada, 2017’deki Transformer mimarisiyle de dil işlemede standart hâline geldi. Bugün ChatGPT, Claude ve Gemini gibi büyük dil modellerinin tamamı derin öğrenme üzerine kuruludur.