# Biyolojiden Silikona: Beynimizdeki Nöronlar ve Yapay Zekadaki Perceptron’ların İşleyişi

Author: Halil İbrahim Sandıraz · Date: June 13, 2026 · Category: Bilim · Tags: Beyin, Yapay zeka, Perceptron, Nöron, AI, Sinaps, Dentrit, Akson
Source: https://www.pearlyouthsociety.com/forum/biyolojiden-silikona-beynimizdeki-nronlar-ve-yapay-zekadaki-perceptronlarn-dans-ghsym

---

Yapay zeka (YZ) sistemleri her geçen gün hayatımızın daha derinlerine nüfuz ediyor. Bir radyografi görüntüsündeki doku yapılarını yüksek hassasiyetle analiz eden bir nesne tespiti modelinden, sorduğumuz en karmaşık soruları saniyeler içinde yanıtlayan devasa dil modellerine (LLM) kadar her yerde varlar. Peki, silikon çiplerin içinde koşan bu karmaşık algoritmaların ilham kaynağının kafatasımızın içindeki o ıslak, 1.5 kilogramlık kütle olduğunu hiç düşündünüz mü?

Bugün, biyomedikal mucizemiz olan biyolojik nöronlar ile yapay zekanın yapıtaşı olan [perceptron](https://tr.wikipedia.org/wiki/Perceptron)'ları (yapay sinir hücreleri) karşı karşıya getiriyoruz. İkisi arasındaki benzerlikler şaşırtıcı olsa da, aralarındaki farklar teknolojinin henüz doğanın ne kadar gerisinde (veya bambaşka bir kulvarında) olduğunu gösteriyor.

> **Biyolojik Nöron: Doğanın Kusursuz Tasarımı**

> Beynimizde yaklaşık 86 milyar nöron bulunur ve bu nöronlar birbirleriyle 100 trilyondan fazla sinaps (bağlantı noktası) aracılığıyla iletişim kurar. Bir nöronun temel çalışma prensibi şu üçlüye dayanır:

[Dendritler (Girdi Merkezi)](https://tr.wikipedia.org/wiki/Dendrit): Çevredeki diğer nöronlardan gelen kimyasal ve elektriksel sinyalleri toplar.

[Soma (Gövde)](https://tr.wikipedia.org/wiki/Soma_(biyoloji)): Gelen bu sinyalleri birleştirir. Eğer toplam sinyal gücü belirli bir eşik değerini aşarsa, nöron aktifleşir.

[Akson (Çıktı Hattı)](https://tr.wikipedia.org/wiki/Akson): Gönderilen sinyali diğer nöronlara taşır.

Bu süreç son derece dinamiktir. Öğrendiğimiz her yeni bilgide beynimiz fiziksel olarak değişir; yeni sinapslar oluşur veya var olanlar güçlenir. Buna [nöroplastisite](https://www.acibadem.com.tr/hayat/noroplastisite-nedir/) diyoruz. Beyin, yeni bir dil öğrenirken veya yeni bir kod mimarisi kurarken kelimenin tam anlamıyla kendi donanımını yeniden kablolar.

![Görsel](https://cdn.sanity.io/images/zjlc2bxz/youth-dataset/d84727e0cd206a38f0b36da52af485f19525c9a0-1920x1440.webp?w=1200)

> **Perceptron: Matematiksel Bir Taklit**

1957'de [Frank Rosenblatt](https://en.wikipedia.org/wiki/Frank_Rosenblatt) tarafından icat edilen perceptron, biyolojik nöronun fazlasıyla basitleştirilmiş dijital bir soyutlamasıdır. Biyolojik emsali gibi o da girdiler alır, bir işlem yapar ve bir çıktı üretir. Ancak kimyasallar ve voltajlar yerine, saf matematik kullanır.
Bir perceptron'un yapısı şu şekildedir:
Girdiler: Dendritlerin karşılığıdır. Veriler sayısal formatta (örneğin pikseller veya token'lar) ağa girer.
Ağırlıklar: Sinapsların gücünü temsil eder. Hangi girdinin daha önemli olduğunu belirler.
Toplama Fonksiyonu ve Bias: Somanın karşılığıdır. Girdiler ağırlıklarla çarpılıp toplanır ve üzerine bir dengeleme değeri (bias) eklenir.
Aktivasyon Fonksiyonu: Nöronun aktifleşeceğine karar verir (Tıpkı biyolojik eşik değeri gibi).

> **Peki Farklar Neler? Nerede Ayrışıyorlar?**

> Benzerlikler bir yere kadar devam etse de, kaputun altına baktığımızda çok farklı iki dünyayla karşılaşıyoruz:

> **Öğrenme Biçimi:**

> Beynimiz "Hebbian Öğrenme" prensibiyle çalışır (Birlikte aktifleşen nöronlar, birbirine bağlanır). Yapay zeka ise hatalarından ders çıkarmak için Geriye Yayılım (Backpropagation) adlı ağır bir matematiksel hesaplama kullanır. Ağ, yaptığı hatayı hesaplar ve bir sonraki sefer daha iyi sonuç vermek için tüm ağırlıkları geriye doğru günceller.

> **Sinyal Sürekliliği ve Ayrık Sayılar:**

> Biyolojik nöronlar zaman içinde karmaşık ve düzensiz "sivri uçlu" (spiking) sinyaller gönderir. Bugünkü standart perceptron'lar ise statik veri yığınlarıyla (örneğin sürekli ondalık sayılar) çalışır.

> **Enerji Verimliliği:**

> İnsan beyni, Evrenin bilinen en karmaşık hesaplamalarını yaparken sadece 20 Watt (bir ampulden daha az) enerji harcar. Öte yandan, gelişmiş bir açık kaynaklı dil modelini veya nesne tespit algoritmasını eğitmek için devasa veri merkezlerinde Gigawatt'larca elektrik tüketilir.

Perceptron'lar, biyolojik nöronların birebir kopyası değildir; onlar sadece doğanın verimliliğinden ilham alan mühendislik araçlarıdır. Biyomedikal mühendisliği ile bilgisayar bilimlerinin kesiştiği bu noktada, yapay zekanın geleceği, kendi zihnimizin gizemlerini çözdükçe şekillenmeye devam edecek.

Doğa bize bir mimari sundu. Şimdi biz o mimariyi silikon üzerinde kendi ihtiyaçlarımıza, teşhis yöntemlerimize ve iletişim ağlarımıza göre yeniden inşa ediyoruz.

---

This content belongs to İnci Gençlik Dergisi (Pearl Youth Society).
Free to read; please cite the source when quoting: https://www.pearlyouthsociety.com/forum/biyolojiden-silikona-beynimizdeki-nronlar-ve-yapay-zekadaki-perceptronlarn-dans-ghsym