Donald Hebb ve The Organization of Behavior
Hebb'in sinaptik öğrenme kuralı ve yapay sinir ağlarının nörobilimsel temelleri.
1. Giriş
"Birlikte ateşlenen nöronlar, birlikte bağlanır." Bu cümle, Donald Olding Hebb'in 1949'da yayımlanan The Organization of Behavior: A Neuropsychological Theory kitabının özünü, nörobilimin tarihindeki en bilinen aforizmalardan biriyle özetlemektedir — ironik biçimde, bu ifade Hebb'in kendisine değil, nörobilimci Carla Shatz'a aittir ve Hebb'in çok daha karmaşık teorisinin popülerleştirilmiş bir sadeleştirmesidir [1]. Hebb'in asıl katkısı, bu basit slogandan çok daha derindir: sinaptik bağlantıların deneyimle güçlendirilmesi yoluyla öğrenmenin nasıl gerçekleştiğini, nöron topluluklarının (cell assemblies) nasıl oluştuğunu ve bu toplulukların ardışık aktivasyonlarının (phase sequences) düşünce ve algıyı nasıl meydana getirdiğini açıklayan kapsamlı bir nöropsikolojik teori ortaya koymasıdır [2].
1949 yılı, yapay zeka tarihinin henüz "yapay zeka" ismini almamış olduğu ama temellerinin hızla döşendiği bir dönemdir. Bir önceki bölümde ele aldığımız Alan Turing'in 1948 tarihli Intelligent Machinery raporu, makinelerin eğitim yoluyla zeki davranış sergileyebileceğini mühendislik perspektifinden önermiş ve örgütlenmemiş makineler (unorganised machines) kavramını geliştirmişti [3]. Hebb'in çalışması, Turing'in bu vizyonuna biyolojik bir temel sağlamıştır: eğer beyin gerçekten sinaptik bağlantıların güçlendirilmesiyle öğreniyorsa, aynı prensip yapay sistemlere de uygulanabilir. McCulloch ve Pitts'in 1943'te nöronların mantıksal kapılar olarak modellenebileceğini göstermesi [4] ile Hebb'in 1949'da bu nöronlar arasındaki bağlantıların nasıl değiştiğini açıklaması arasındaki altı yıllık aralık, yapay sinir ağlarının kavramsal evriminde kritik bir atlama noktasıdır.
Hebb'in kitabı, İkinci Dünya Savaşı sonrasının entelektüel atmosferinde doğmuştur. Savaş, nörolojik yaralanmalar üzerine zengin klinik veriler üretmiş; sibernetik hareket beyin-makine analojisini bilimsel söylemin merkezine taşımış; davranışçılık (behaviorism) ise psikolojiyi onlarca yıldır domine etmekle birlikte, zihinsel süreçleri açıklama kapasitesinin sınırlarına ulaşmaya başlamıştı [5]. Hebb, tam bu kavşak noktasında, davranışçılığın "kara kutu" yaklaşımını terk etmeden ama onu aşarak, davranışın sinirsel temellerini açıklayan fizyolojik bir teori sunmuştur [2].
Bu bölümde, Hebb'in The Organization of Behavior kitabının tarihsel bağlamı, teorik içeriği, Hebbian öğrenme kuralının matematiksel formülasyonu, hücre toplulukları ve faz dizileri kavramları, kitabın yapay sinir ağları ve makine öğrenmesi üzerindeki doğrudan etkisi, dönemindeki ve sonrasındaki eleştiriler ve günümüz derin öğrenme devrimiyle olan bağlantıları kapsamlı biçimde ele alınacaktır.
2. Literatür Taraması
Donald Hebb'in The Organization of Behavior kitabı üzerine oluşan akademik literatür, nörobilim, psikoloji, yapay zeka ve hesaplamalı sinirbilim alanlarının kesişiminde çok katmanlı bir birikim oluşturmaktadır.
Hebb'in teorisinin nörobilim tarihindeki yerini en kapsamlı biçimde ortaya koyan çalışmalardan biri, Richard Brown ve Peter Milner'ın "The Legacy of Donald O. Hebb: More Than the Hebb Synapse" (2003) başlıklı makalesidir [6]. Brown ve Milner, Hebb'in katkısının yalnızca sinaptik plastisite kuralıyla sınırlı olmadığını, hücre toplulukları, faz dizileri ve erken deneyimin beyin gelişimindeki rolü gibi kavramların modern nörobilimi derinden etkilediğini ayrıntılı biçimde göstermişlerdir. Bu makale, Hebb'in çalışmasının yalnızca bir "öğrenme kuralı" olmadığını, bütünsel bir beyin teorisi olduğunu vurgulayan kurucu bir değerlendirmedir.
Peter Milner'ın "A Brief History of the Hebbian Learning Rule" (1993) başlıklı çalışması, Hebb kuralının tarihsel gelişimini ve farklı alanlardaki uygulamalarını izleyen erken bir kaynak olarak önem taşımaktadır [7]. Milner, Hebb kuralının orijinal formülasyonu ile sonraki matematiksel genelleştirmeleri arasındaki farkları netleştirmiş ve kuralın nörobilimden yapay zekaya uzanan etkisini haritalamıştır.
Terrence Sejnowski'nin "The Book of Hebb" (2003) başlıklı değerlendirmesi, The Organization of Behavior kitabının yayımlanmasının ellinci yılı vesilesiyle yazılmış kapsamlı bir retrospektiftir [8]. Sejnowski, Hebb'in teorisinin nörobilim ile hesaplamalı modelleme arasında bir köprü kurduğunu ve modern "bağlantıcılık" (connectionism) hareketinin entelektüel temelini oluşturduğunu vurgulamıştır.
Gordon Bhatt ve Jill de Villiers'in editörlüğünü yaptığı Hebb's Legacy: The Organization of Behavior After 50 Years (2003) başlıklı derleme, Hebb'in etkisini nöropsikoloji, gelişim psikolojisi, öğrenme teorisi ve yapay sinir ağları gibi farklı alt alanlardan ele alan kapsamlı bir değerlendirme koleksiyonudur [9]. Bu derleme, Hebb'in çalışmasının çok disiplinli etkisini belgeleyen en kapsamlı kaynaklardan birini oluşturmaktadır.
Stuart Russell ve Peter Norvig'in Artificial Intelligence: A Modern Approach (2021) ders kitabı, Hebb'in öğrenme kuralını yapay sinir ağlarının tarihsel gelişimi içinde konumlandırmakta ve McCulloch-Pitts nöron modelinden Hebb kuralına, oradan da Rosenblatt'ın perceptronuna uzanan entelektüel soy ağacını çizmektedir [10].
Frank Rosenblatt'ın perceptron üzerine çalışmaları — özellikle "The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain" (1958) makalesi — Hebb kuralının ilk sistematik hesaplamalı uygulaması olarak doğrudan Hebb'in teorisinden beslenmiştir [11]. Rosenblatt, Hebb'in sinaptik güçlenme fikrini, denetimli bir öğrenme algoritmasına dönüştürerek yapay sinir ağları tarihinin bir sonraki büyük adımını atmıştır.
James Anderson ve Edward Rosenfeld'in editörlüğünü yaptığı Neurocomputing: Foundations of Research (1988) antolojisi, Hebb'in orijinal metninin ilgili bölümlerini modern bağlamda sunan ve yapay sinir ağları araştırmalarının tarihsel temellerini belgeleyen vazgeçilmez bir kaynaktır [12].
Eric Kandel'in In Search of Memory: The Emergence of a New Science of Mind (2006) kitabı, Hebb'in sinaptik plastisite hipotezinin deneysel olarak doğrulanma sürecini — özellikle Aplysia deniz salyangozundaki çalışmalar yoluyla — kişisel bir perspektiften anlatmaktadır [13]. Kandel'in 2000 yılında Nobel Ödülü'ne layık görülen araştırmaları, Hebb'in 1949'daki teorik öngörüsünün moleküler düzeyde doğrulanmasını temsil etmektedir.
Bliss ve Lømo'nun "Long-lasting Potentiation of Synaptic Transmission in the Dentate Area of the Anaesthetized Rabbit Following Stimulation of the Perforant Path" (1973) başlıklı çalışması, uzun süreli güçlenmeyi (long-term potentiation — LTP) deneysel olarak göstererek Hebb'in sinaptik plastisite hipotezinin ilk doğrudan nörofizyolojik kanıtını sağlamıştır [14]. Bu keşif, Hebb'in yirmi dört yıl önceki teorik öngörüsünün deneysel teyidi olarak nörobilim tarihinin dönüm noktalarından biridir.
Simon Haykin'in Neural Networks and Learning Machines (2009) ders kitabı, Hebbian öğrenme kuralının matematiksel formülasyonunu, çeşitli varyantlarını ve modern yapay sinir ağı eğitim algoritmalarıyla ilişkisini sistematik biçimde ele almaktadır [15]. Haykin, Hebb kuralının denetimsiz öğrenme (unsupervised learning) paradigmasının temeli olduğunu ve temel bileşen analizi (principal component analysis — PCA) gibi istatistiksel yöntemlerle matematiksel bağlantısını açıkça göstermiştir.
Erkki Oja'nın "A Simplified Neuron Model as a Principal Component Analyzer" (1982) makalesi, Hebb kuralının modifiye edilmiş bir versiyonunun temel bileşen analizini gerçekleştirdiğini matematiksel olarak kanıtlamıştır [16]. Oja kuralı, Hebb'in biyolojik öğrenme prensibinin istatistiksel öğrenme teorisine köprü kurduğunu gösteren önemli bir çalışmadır.
John Hopfield'ın "Neural Networks and Physical Systems with Emergent Collective Computational Abilities" (1982) makalesi, Hebbian öğrenme prensiplerini kullanarak çağrışımlı bellek (associative memory) modeli oluşturmuş ve yapay sinir ağlarına olan ilgiyi 1980'lerde yeniden canlandıran seminal çalışmalardan biri olmuştur [17].
Teuvo Kohonen'in Self-Organization and Associative Memory (1984) kitabı, Hebb kuralını kendi kendini organize eden haritalar (self-organizing maps) bağlamında geliştirmiş ve Hebbian öğrenmenin denetimsiz örüntü tanıma için nasıl kullanılabileceğini göstermiştir [18].
Son olarak, Mario Bhatt'ın "Donald O. Hebb and the Organization of Behavior" (2021) başlıklı güncel değerlendirmesi, Hebb'in teorisinin yetmiş yıldan fazla süren etkisini modern nörobilim, yapay zeka ve hesaplamalı psikiyatri bağlamında yeniden ele almıştır [19].
3. Tarihsel ve Teorik Arka Plan
The Organization of Behavior kitabının entelektüel kökleri, birbirine bağlı dört akımda izlenebilir: Hebb'in kişisel akademik yolculuğu, dönemin nörobilim ve psikoloji arasındaki gerilim, savaş sonrası sibernetik hareketi ve yapay sinir ağı modellemesinin ilk adımları.
Hebb'in Entelektüel Formasyonu. Donald Olding Hebb, 1904'te Nova Scotia, Chester'da doğmuş ve 1925'te Dalhousie Üniversitesi'nden psikoloji alanında mezun olmuştur [6]. Hebb'in entelektüel gelişiminde iki figür belirleyici rol oynamıştır. İlki, nöropsikolojinin kurucularından Karl Lashley'dir: Hebb, 1934-1937 yılları arasında Chicago Üniversitesi'nde Lashley'nin doktora öğrencisi olarak çalışmıştır [20]. Lashley, beyin lezyonlarının öğrenme üzerindeki etkilerini sistematik biçimde araştırmış ve iki önemli ilke formüle etmişti: "eş potansiyellik" (equipotentiality) — korteksin herhangi bir bölgesinin herhangi bir öğrenme görevinde rol oynayabileceği — ve "kütle etkisi" (mass action) — öğrenme performansının lezyon büyüklüğüyle orantılı biçimde bozulduğu [21]. Bu ilkeler, Hebb'in kendi teorisini geliştirirken hem ilham kaynağı hem de aşılması gereken hedef olmuştur: eğer belirli anılar belirli nöronlarda depolanmıyorsa, öğrenme beyinde nasıl gerçekleşmektedir?
İkinci belirleyici figür, nöroşirürji öncüsü Wilder Penfield'dır. Hebb, 1937-1939 yılları arasında Montreal Neurological Institute'ta (MNI) Penfield ile çalışmıştır [6]. Penfield'ın epilepsi cerrahisi sırasında uyanık hastaların beyin korteksini elektriksel olarak uyararak anıları, duyguları ve algıları tetiklediğini gözlemlemesi, Hebb'e beyin fonksiyonlarının lokalizasyonu hakkında eşsiz klinik veriler sağlamıştır [22]. Bu deneyim, Hebb'in teorisinin klinik gözlemlere dayalı ampirik temelini oluşturmuştur.
Davranışçılık ve Sınırları. 1940'ların psikoloji dünyası, John B. Watson ve B.F. Skinner'ın öncülük ettiği davranışçılık (behaviorism) paradigması tarafından domine edilmekteydi [5]. Davranışçılık, gözlemlenebilir davranışı bilimsel psikolojinin tek meşru konusu olarak kabul ediyor, zihinsel süreçleri — düşünce, algı, imgeleme — "kara kutu" olarak bir kenara bırakıyordu. Hebb'in büyük entelektüel hamlesi, davranışçılığın ampirik titizliğini terk etmeden, beynin iç süreçlerini açıklayan fizyolojik bir teori sunmak olmuştur [2]. Hebb, The Organization of Behavior kitabının girişinde bunu açıkça ifade etmiştir: "Aynı anda hem iyi bir fizyolojist hem de iyi bir psikolog olmak mümkün olmalıdır" [2].
Sibernetik Bağlam. Norbert Wiener'ın 1948'de yayımlanan Cybernetics kitabı, geri bildirim mekanizmalarını canlı sistemler ile makineler arasındaki ortak çerçeveye oturtmuş ve "kontrol ve iletişim" kavramını bilimsel söylemin merkezine yerleştirmişti [23]. Aynı yıl, Claude Shannon bilgi teorisini matematiksel olarak formüle etmişti [24]. McCulloch ve Pitts'in 1943'teki çalışması, nöronların ikili (binary) mantıksal birimler olarak modellenebileceğini göstermişti [4]. Bu entelektüel ortam, beyin-makine analojisini meşrulaştırmış ve Hebb'in sinaptik plastisite teorisinin hem nörobilimde hem de hesaplama biliminde karşılık bulmasını mümkün kılmıştır.
Savaş Deneyiminin Katkısı. İkinci Dünya Savaşı, beyin yaralanmaları üzerine benzeri görülmemiş bir klinik veri havuzu yaratmıştır. Hebb, savaş yıllarında McGill Üniversitesi ve MNI'da beyin cerrahisi geçirmiş hastaların bilişsel kapasitelerini değerlendiren nöropsikolojik testler geliştirmiştir [6]. Bu çalışmalar, Hebb'e şaşırtıcı bir gözlem sunmuştur: frontal loblarının büyük bölümünü kaybetmiş bazı hastaların, IQ testlerinde normal ya da normalin üstünde performans gösterdiğini tespit etmiştir [20]. Bu paradoks — büyük beyin hasarına rağmen korunan zeka — Hebb'i, zekanın statik bir kapasite olmadığını, deneyim yoluyla şekillenen dinamik bir süreç olduğunu düşünmeye yöneltmiştir.
4. Ana Konu Analizi
4a. Temel Mekanizma: Hebb Kuralı ve Sinaptik Plastisite
The Organization of Behavior kitabının merkezinde, Hebb'in "nörofizyolojik postülat" (neurophysiological postulate) olarak adlandırdığı sinaptik öğrenme ilkesi yer almaktadır. Hebb'in orijinal formülasyonu şöyledir: "A hücresinin aksonu, B hücresini uyarabilecek kadar yakınsa ve tekrarlı ya da sürekli biçimde B hücresinin ateşlenmesine katılıyorsa, bir ya da her iki hücrede de, A'nın B'yi ateşleyen hücrelerden biri olarak verimliliğini artıracak bir büyüme süreci ya da metabolik değişiklik gerçekleşir" [2]. Bu ilke, sonraki literatürde kısaca "Hebb kuralı" (Hebb's rule) veya "Hebbian öğrenme" (Hebbian learning) olarak anılmıştır.
Bu ilkenin matematiksel formülasyonu, Hebb'in kendisi tarafından değil, sonraki araştırmacılar tarafından gerçekleştirilmiştir. En temel biçimde, iki nöron i ve j arasındaki sinaptik ağırlık değişimi şöyle ifade edilir: Δw_ij = η · x_i · x_j, burada η öğrenme oranını, x_i presinaptik nöronun ve x_j postsinaptik nöronun aktivasyon değerlerini temsil etmektedir [15]. Bu formül deceptif biçimde basittir, ancak derin sonuçlar doğurmuştur: ağırlık güncellemesi yalnızca yerel bilgiye — iki nöronun eşzamanlı aktivasyonuna — dayanmaktadır ve herhangi bir merkezi "öğretmen" sinyaline ihtiyaç duymamaktadır.
Hebb kuralı, McCulloch ve Pitts'in 1943 modelinden kritik bir biçimde ayrılmaktadır [4]. McCulloch-Pitts modeli, nöronları sabit bağlantılara sahip mantıksal kapılar olarak ele almıştı — bağlantılar ne güçlenir ne zayıflardı. Hebb, bu statik modele dinamizm katmıştır: bağlantıların deneyimle değişebileceğini önermiştir. Turing'in 1948 raporundaki B-tipi örgütlenmemiş makinelerdeki "değiştirilebilir bağlantılar" kavramıyla karşılaştırıldığında, Hebb'in yaklaşımı biyolojik bir mekanizma sunması bakımından farklılaşmaktadır: Turing hangi bağlantıların nasıl değişeceğini dışarıdan gelen "müdahale" sinyalleriyle belirlemiş, Hebb ise değişimin nöronların kendi aktivasyon örüntülerinden kaynaklandığını önermiştir [3].
4b. Hücre Toplulukları ve Faz Dizileri
Hebb'in teorisinin en özgün ve en az takdir edilen boyutu, tekil sinapsların ötesine geçen hücre toplulukları (cell assemblies) ve faz dizileri (phase sequences) kavramlarıdır [2]. Hebb, tek bir sinaptik bağlantının güçlenmesinin, öğrenmenin yalnızca en temel birimi olduğunu öne sürmüştür. Asıl bilişsel süreçler, birbirine güçlü sinaptik bağlantılarla bağlanmış nöron gruplarının — hücre topluluklarının — oluşmasıyla ortaya çıkmaktadır.
Bir hücre topluluğu, tekrarlanan ortak aktivasyon sonucunda birbirine güçlü sinaptik bağlantılarla bağlanmış nöron grubudur [6]. Topluluğun bir parçası uyarıldığında, geri döngülü bağlantılar (reverberatory circuits) sayesinde tüm topluluk aktive olur — bu, kısa süreli belleğin fizyolojik temelini açıklamaktadır. Hebb, bir hücre topluluğunun bir "kavramı" ya da "algısal birimi" temsil ettiğini önermiştir: örneğin, bir üçgeni algıladığımızda, üçgenin köşeleri, kenarları ve genel şekliyle ilişkili nöronlar bir hücre topluluğu olarak birlikte aktive olmaktadır [2].
Faz dizileri ise hücre topluluklarının ardışık olarak aktive olmasını tanımlamaktadır [2]. Hebb'e göre düşünce, bir hücre topluluğunun aktivasyonunun bir sonraki topluluğu tetiklemesi biçiminde ilerleyen dinamik bir süreçtir. Bir köpek gördüğümüzde, önce görsel şekil topluluğu aktive olur, ardından "köpek" kavram topluluğu, ardından köpeklerle ilgili anılar veya duygusal tepkiler — bu ardışık aktivasyon zinciri, bilinçli deneyimimizi oluşturmaktadır. Bu kavram, modern hesaplamalı sinirbilimde "sıralı aktivasyon" (sequential activation) ve "dinamik temsil" (dynamic representation) araştırmalarının öncüsüdür [8].
4c. Kilit Aktörler ve Kurumsal Bağlam
Donald Hebb, The Organization of Behavior kitabını McGill Üniversitesi'nde psikoloji bölümünün başında bulunduğu dönemde yazmıştır [6]. McGill, Hebb'in entelektüel gelişiminin merkezi olmuştur: burada hem Lashley'nin etkisi altında nöropsikolojik araştırmalar yürütmüş hem de Penfield'ın MNI'daki klinik çalışmalarından yararlanmıştır. Hebb, kitabın temel fikirlerini 1940'ların başından itibaren geliştirmiş ve savaş yıllarında Queen Mary Veterans Hospital'daki klinik çalışmalarıyla desteklemiştir [20].
Hebb'in yakın çevresinde, kitabın fikirlerini şekillendiren önemli figürler bulunmaktadır. Karl Lashley, Hebb'in doktora danışmanı olarak hem ilham kaynağı hem de entelektüel rakip olmuştur — Hebb'in hücre toplulukları teorisi, bir anlamda Lashley'nin "eş potansiyellik" ilkesine bir yanıt niteliğindedir [21]. Wilder Penfield'ın klinik gözlemleri, Hebb'e beyin fonksiyonlarının lokalizasyonu hakkında ampirik veriler sağlamıştır [22]. Peter Milner, Hebb'in McGill'deki öğrencisi ve meslektaşı olarak, Hebb kuralının deneysel doğrulanmasına katkıda bulunmuştur [7].
Kitabın yayımlanma süreci de dikkat çekicidir. John Wiley & Sons tarafından yayımlanan kitap, başlangıçta mütevazı bir ilgiyle karşılanmıştır [8]. Ancak 1950'lerin ortasından itibaren etki alanı hızla genişlemiş ve farklı disiplinlerden araştırmacılar tarafından benimsenerek çok disiplinli bir referans noktası haline gelmiştir. Kitap, 2025 itibarıyla 31.000'den fazla akademik atıf almış olup, 20. yüzyıl psikoloji ve nörobilim literatürünün en çok atıf alan eserlerinden biri olmaya devam etmektedir [6].
4d. Dönem İçindeki Yeri ve Etkisi
Hebb'in kitabı, 1949'da yayımlandığında birden fazla disiplinde yankı uyandırmıştır. Psikoloji alanında, davranışçılığın "kara kutu" yaklaşımına fizyolojik bir alternatif sunarak bilişsel devrime zemin hazırlamıştır [5]. Nörobilimde, sinaptik plastisitenin deneysel olarak araştırılabilir bir hipotez olarak formüle edilmesi, onlarca yıllık araştırma programının temelini atmıştır [14]. Yapay sinir ağları alanında ise, öğrenen makinelerin tasarımı için biyolojik olarak motive edilmiş bir öğrenme kuralı sağlamıştır [15].
Kitabın çözdüğü temel problem, psikoloji ile fizyoloji arasındaki uçurumu köprülemek olmuştur [2]. Davranışçılar, zihinsel süreçleri bilimsel olarak incelemenin imkânsız olduğunu savunurken, nörofizyologlar ise psikolojik kavramları sinirsel mekanizmalarla ilişkilendirmekte zorlanıyorlardı. Hebb, bu iki disiplini tek bir çerçeve altında birleştiren nöropsikolojik bir teori sunarak, modern bilişsel sinirbilimin (cognitive neuroscience) kavramsal temelini oluşturmuştur [8].
Ancak kitap aynı zamanda yeni problemler de yaratmıştır. Hebb kuralının "sınırsız güçlenme" problemi — birlikte ateşlenen nöronlar arasındaki bağlantılar sürekli güçlenirse, sonunda tüm sinapslar doyma noktasına ulaşır — teorinin en ciddi teknik zayıflığı olarak hızla fark edilmiştir [15]. Bu problem, daha sonra anti-Hebbian öğrenme, sinaptik normalizasyon ve BCM (Bienenstock-Cooper-Munro) kuralı gibi düzeltici mekanizmalarla ele alınacaktır [25].
4e. Genel Yapay Zeka Tarihindeki Yeri
Hebb'in The Organization of Behavior kitabı, yapay zeka tarihinde birkaç kritik bağlantı noktası oluşturmuştur. Birincisi, Frank Rosenblatt'ın 1958'de geliştirdiği perceptron, doğrudan Hebb kuralından esinlenmiştir — Rosenblatt, Hebb'in sinaptik güçlenme fikrini, hata düzeltmeli bir öğrenme algoritmasına dönüştürmüştür [11]. Bu adım olmadan, yapay sinir ağları tarihinin ilk büyük deneysel başarısı — perceptronun harf tanıma görevi — mümkün olmazdı. İkincisi, Marvin Minsky ve Dean Edmonds'un 1951'de inşa ettiği SNARC (Stochastic Neural Analog Reinforcement Calculator) — bir sonraki bölümde ele alacağımız ilk yapay sinir ağı bilgisayarı — Hebb kuralının donanımda gerçekleştirilen ilk uygulaması olmuştur [26]. Üçüncüsü, 1980'lerde Hopfield ağları [17], Kohonen haritaları [18] ve Boltzmann makineleri gibi modeller, Hebbian öğrenme prensiplerini farklı biçimlerde kullanarak yapay sinir ağlarına olan ilgiyi yeniden canlandırmıştır. Dördüncüsü, geri yayılım (backpropagation) algoritması — Rumelhart, Hinton ve Williams tarafından 1986'da popülerleştirilen ve modern derin öğrenmenin temeli olan yöntem — Hebb kuralıyla doğrudan aynı olmasa da, sinaptik ağırlıkların güncellenmesi ilkesini paylaşmaktadır [27].
5. Eleştirel Değerlendirme
Hebb'in teorisi, yayımlandığı andan itibaren hem hayranlık hem de eleştiri toplamıştır. Bu eleştirilerin bazıları dönemin sınırlı nörobilim bilgisinden kaynaklanırken, bazıları teorinin gerçek sınırlılıklarına işaret etmektedir.
Deneysel Doğrulanabilirlik Sorunu. Hebb kuralının en ciddi eleştirisi, yayımlandığı 1949'da deneysel olarak doğrulanmasının teknik açıdan imkânsız oluşuydu [8]. Tek nöronların aktivasyonunu kaydetme teknolojisi henüz yeterince gelişmemişti ve sinaptik bağlantıların gerçekten deneyimle güçlenip güçlenmediği doğrudan gösterilemiyordu. Bu durum ancak 1973'te, Bliss ve Lømo'nun tavşan hipokampüsünde uzun süreli güçlenmeyi (LTP) deneysel olarak göstermesiyle değişmiştir [14]. Bu yirmi dört yıllık bekleme süresi, Hebb'in teorisinin büyük ölçüde "güzel bir hipotez" olarak kaldığı bir dönem yaratmıştır.
Sınırsız Büyüme Problemi. Hebb'in orijinal kuralı, sinaptik ağırlıkların yalnızca güçlenme yönünde değişeceğini önermiştir — zayıflama mekanizması yoktur [15]. Bu durum, pozitif geri bildirim döngüsü yaratarak ağın tüm sinapslarının doyma noktasına ulaşmasına ve bilgi taşıma kapasitesinin yok olmasına yol açacaktır. Bienenstock, Cooper ve Munro'nun 1982'de formüle ettiği BCM kuralı, aktivasyon eşiğine bağlı bir kayma mekanizması ekleyerek bu sorunu çözmüştür [25]. Ayrıca, anti-Hebbian öğrenme — negatif korelasyonla bağlantıların zayıflaması — ve sinaptik ölçekleme gibi homeostatik mekanizmalar, Hebb kuralının biyolojik olarak gerçekçi hale getirilmesinde kritik düzeltmeler olmuştur.
İnhibisyon Eksikliği. Hebb'in teorisi, inhibitör (ketleyici) nöronların rolünü büyük ölçüde ihmal etmiştir [6]. Modern nörobilim, beyin fonksiyonlarının uyarıcı ve inhibitör sinyallerin dengesine dayandığını göstermiştir. Hebb'in neredeyse tamamen uyarıcı bağlantılara odaklanması, teorisinin biyolojik gerçekçiliğini sınırlamaktadır.
Zamansal Dinamiklerin Yetersizliği. Hebb kuralı, iki nöronun "eşzamanlı" ateşlenmesini öngörmekte ancak zamansal sıranın önemini yeterince ele almamaktadır [8]. 1990'larda keşfedilen zamana bağlı sinaptik plastisite (spike-timing-dependent plasticity — STDP), presinaptik nöronun postsinaptik nörondan önce ateşlenmesi durumunda bağlantının güçlendiğini, sonra ateşlenmesi durumunda zayıfladığını göstermiştir [28]. STDP, Hebb kuralının "zamansal olarak rafine edilmiş" bir versiyonu olarak yorumlanabilir, ancak aynı zamanda orijinal kuralın önemli bir eksikliğini ortaya koymaktadır.
Bugünden Bakış. Hebb'in teorisinin güçlü yanları, bugünden bakıldığında daha da belirgin hale gelmektedir. Sinaptik plastisitenin öğrenmenin temeli olduğu fikri kapsamlı biçimde doğrulanmıştır [13]. Hücre toplulukları kavramı, modern optogenetik tekniklerle doğrudan gözlemlenebilir hale gelmiştir [29]. Faz dizileri fikri, beyin dinamiklerinin sıralı aktivasyon örüntüleri olarak incelenmesiyle yeniden güncellik kazanmıştır. Öte yandan, Hebb'in beyin modelinin aşırı basitleştirilmiş olduğu da açıktır: nöroglial etkileşimler, nöromodülatör sistemler, dendritik hesaplama ve sinaptik dışı iletişim gibi mekanizmalar, Hebb'in çerçevesinde yer almamaktadır.
6. Etik ve Toplumsal Boyutlar
Hebb'in The Organization of Behavior kitabı, doğrudan etik tartışmalara girmemekle birlikte, dolaylı olarak derin toplumsal ve etik sorular gündeme getirmektedir.
Doğa-Çevre Tartışması. Hebb'in teorisinin en önemli toplumsal etkisi, "doğa mı yetiştirme mi" (nature vs. nurture) tartışmasına yaptığı katkıdır [6]. Hebb, zeka ve davranışın büyük ölçüde deneyim yoluyla şekillendiğini — sinaptik bağlantıların güçlenerek öğrenmenin gerçekleştiğini — öne sürerek, biyolojik determinizme karşı çevresel etkinin önemini vurgulamıştır. Bu görüş, eğitim politikalarından sosyal refah programlarına kadar geniş toplumsal sonuçlar doğurmuştur: eğer beyin deneyimle şekilleniyorsa, zenginleştirilmiş çevreler sağlamak bireylerin bilişsel kapasitesini artırabilir.
Duyusal Yoksunluk Deneyleri. Hebb'in McGill Üniversitesi'nde 1950'lerde yürüttüğü duyusal yoksunluk (sensory deprivation) deneyleri, etik açıdan tartışmalı bir miras bırakmıştır [30]. Bu deneylerde katılımcılar, uzun süreler boyunca duyusal uyaranlardan yalıtılmış ve halüsinasyonlar, bilişsel bozulmalar ve duygusal kararsızlık yaşamışlardır. Deneylerin bir kısmının Kanada Savunma Araştırma Kurulu ve dolaylı olarak CIA tarafından finanse edildiği ortaya çıkmıştır [30]. Bu tarihsel bağlam, bilimsel araştırmanın etik sınırları, askeri finansmanın akademik özgürlük üzerindeki etkisi ve insan deneklerinin korunması gibi konularda güncelliğini koruyan sorular gündeme getirmektedir.
Yapay Zeka İçin Etik Çıkarımlar. Hebb kuralının yapay sinir ağlarına uygulanması, günümüzün yapay zeka etiği tartışmalarıyla doğrudan ilişkilidir. Eğer yapay sistemler Hebbian öğrenme prensipleriyle — yani maruz kaldıkları veriden öğrenerek — eğitiliyorsa, bu verinin içerdiği önyargılar sisteme aktarılacaktır [10]. Hebb'in "birlikte ateşlenen nöronlar birlikte bağlanır" ilkesi, yapay sinir ağlarının eğitim verisindeki korelasyonları öğrenmesi anlamına gelir — bu korelasyonlar toplumsal önyargıları yansıtıyorsa, sistem bu önyargıları pekiştirecektir. Bu bağlantı, algoritmik adalet (algorithmic fairness) tartışmalarının nörobiyolojik köklerine işaret etmektedir.
Güç ve Erişim. Hebb'in teorisi, erken dönem yapay zeka araştırmalarının büyük ölçüde Kuzey Amerika ve Batı Avrupa'daki birkaç üniversite ve askeri finansman kuruluşu etrafında yoğunlaştığını da yansıtmaktadır. McGill Üniversitesi, Kanada Savunma Araştırma Kurulu, ABD Deniz Kuvvetleri Araştırma Ofisi — bu kurumsal ağ, hangi araştırma sorularının önceliklendirildiğini ve hangi perspektiflerin dışarıda kaldığını belirleyen güç yapılarını oluşturmuştur.
7. Güncel Uygulamalar ve Miras
Hebb'in 1949'da ortaya koyduğu fikirlerin günümüzdeki izleri, hem nörobilimde hem de yapay zeka alanında açıkça görülebilir.
Derin Öğrenme ve Sinaptik Plastisite. Modern derin öğrenme (deep learning) sistemleri, Hebb kuralının doğrudan bir torunu değilse bile, onun kavramsal mirasçısıdır [27]. Geri yayılım algoritması, sinaptik ağırlıkları hata sinyaline göre güncellemesi bakımından "Hebb kuralı artı hata düzeltme" olarak yorumlanabilir. Geoffrey Hinton — 2024 Nobel Fizik Ödülü sahibi — kendi çalışmalarında Hebb'in etkisini açıkça kabul etmiştir [31]. Hinton'ın Boltzmann makineleri ve kısıtlı Boltzmann makineleri, Hebbian öğrenme ile uyku-uyanıklık döngüsü (wake-sleep algorithm) arasındaki ilişkiyi doğrudan kullanmaktadır.
Nöromorifik Hesaplama. Hebb kuralı, nöromorifik çipler (neuromorphic chips) tasarımında merkezi bir rol oynamaktadır [32]. Intel'in Loihi çipi ve IBM'in TrueNorth çipi, Hebbian plastisiteyi donanım düzeyinde gerçekleştiren hesaplama platformlarıdır. Bu çipler, geleneksel von Neumann mimarisinden farklı olarak, beynin paralel ve dağıtık işleme yapısını taklit etmeye çalışmaktadır.
Hesaplamalı Sinirbilim. Hebb'in hücre toplulukları kavramı, modern hesaplamalı sinirbilimde aktif bir araştırma alanı olmaya devam etmektedir [29]. Optogenetik teknikler ve çok elektrotlu kayıt sistemleri, hücre topluluklarının gerçek beyinde nasıl oluştuğunu ve işlev gördüğünü doğrudan gözlemlemeyi mümkün kılmıştır. Bu araştırmalar, Hebb'in yetmiş yıldan fazla önceki teorik öngörülerini deneysel olarak doğrulamaya devam etmektedir.
Denetimsiz Öğrenme. Hebb kuralı, modern yapay zekadaki denetimsiz öğrenme (unsupervised learning) paradigmasının kavramsal temelidir [15]. Oja kuralı, rekabetçi öğrenme ve kendi kendini organize eden haritalar gibi algoritmalar, Hebbian öğrenme prensiplerinin farklı matematiksel genelleştirmeleridir. Büyük dil modellerinin (large language models — LLM) ön eğitim aşaması — etiketlenmemiş metin verileri üzerinde dil yapısını öğrenme — kavramsal olarak Hebbian denetimsiz öğrenmeyle paralellik taşımaktadır.
Akademik Miras. Hebb, McGill Üniversitesi'nde bir nesil nörobilimci ve psikolog yetiştirmiştir. Öğrencileri arasında Brenda Milner (bellek araştırmalarının öncüsü), Peter Milner (beyin ödül sistemlerinin keşfi) ve Seth Sharpless yer almaktadır [6]. Bu "Hebb okulu," nöropsikolojinin bağımsız bir disiplin olarak kurulmasında ve Kanada'nın dünya nörobilim araştırmalarındaki öncü konumunu kazanmasında belirleyici rol oynamıştır.
8. Bölüm Özeti
Donald Hebb'in 1949'da yayımlanan The Organization of Behavior kitabı, yapay zeka tarihi açısından birkaç temel katkı sunmuştur. Birincisi, Hebb kuralı — birlikte aktive olan nöronlar arasındaki sinaptik bağlantıların güçlenmesi ilkesi — yapay sinir ağlarına biyolojik olarak motive edilmiş ilk öğrenme mekanizmasını sağlamıştır. İkincisi, hücre toplulukları ve faz dizileri kavramları, bilişsel süreçlerin nöronal düzeyde nasıl temsil edilebileceğine dair kapsamlı bir çerçeve oluşturmuştur. Üçüncüsü, Hebb'in psikoloji ile fizyolojiyi birleştiren yaklaşımı, modern bilişsel sinirbilimin ve hesaplamalı sinirbilimin entelektüel temelini atmıştır.
Bu bölüm, kitabımızın genel argümanı açısından kritik bir bağlantı noktasını temsil etmektedir. McCulloch ve Pitts'in 1943'te nöronları modellediği, Turing'in 1948'de öğrenen makineleri tasarladığı ve Hebb'in 1949'da öğrenmenin biyolojik mekanizmasını açıkladığı bu dönem, yapay sinir ağlarının kavramsal temellerinin tamamlandığı dönemi oluşturmaktadır. Bir sonraki bölümde, bu fikirlerin ilk fiziksel gerçekleşmesini — Marvin Minsky ve Dean Edmonds'un 1951'de inşa ettiği SNARC'ı, yani ilk yapay sinir ağı bilgisayarını — inceleyeceğiz.
9. Kaynakça
[1] Shatz, C. J. (1992). The developing brain. Scientific American, 267(3), 60–67.
[2] Hebb, D. O. (1949). The organization of behavior: A neuropsychological theory. Wiley.
[3] Turing, A. M. (1948). Intelligent machinery. İçinde D. C. Ince (Ed.), Collected works of A. M. Turing: Mechanical intelligence (ss. 107–127). North-Holland, 1992.
[4] McCulloch, W. S. ve Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5(4), 115–133.
[5] Skinner, B. F. (1953). Science and human behavior. Macmillan.
[6] Brown, R. E. ve Milner, P. M. (2003). The legacy of Donald O. Hebb: More than the Hebb synapse. Nature Reviews Neuroscience, 4(12), 1013–1019.
[7] Milner, P. M. (1993). The mind and Donald O. Hebb. Scientific American, 268(1), 124–129.
[8] Sejnowski, T. J. (2003). The book of Hebb. İçinde G. O. Bhatt ve J. de Villiers (Ed.), Hebb's legacy: The organization of behavior after 50 years. MIT Press.
[9] Bhatt, G. O. ve de Villiers, J. (Ed.). (2003). Hebb's legacy: The organization of behavior after 50 years. MIT Press.
[10] Russell, S. ve Norvig, P. (2021). Artificial intelligence: A modern approach (4. baskı). Pearson.
[11] Rosenblatt, F. (1958). The perceptron: A probabilistic model for information storage and organization in the brain. Psychological Review, 65(6), 386–408.
[12] Anderson, J. A. ve Rosenfeld, E. (Ed.). (1988). Neurocomputing: Foundations of research. MIT Press.
[13] Kandel, E. R. (2006). In search of memory: The emergence of a new science of mind. W. W. Norton.
[14] Bliss, T. V. P. ve Lømo, T. (1973). Long-lasting potentiation of synaptic transmission in the dentate area of the anaesthetized rabbit following stimulation of the perforant path. The Journal of Physiology, 232(2), 331–356.
[15] Haykin, S. (2009). Neural networks and learning machines (3. baskı). Pearson.
[16] Oja, E. (1982). A simplified neuron model as a principal component analyzer. Journal of Mathematical Biology, 15(3), 267–273.
[17] Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences, 79(8), 2554–2558.
[18] Kohonen, T. (1984). Self-organization and associative memory. Springer.
[19] Bhatt, M. (2021). Donald O. Hebb and the organization of behavior. Frontiers in Systems Neuroscience, 15, 1–4.
[20] Hebb, D. O. (1980). Essay on mind. Lawrence Erlbaum Associates.
[21] Lashley, K. S. (1929). Brain mechanisms and intelligence: A quantitative study of injuries to the brain. University of Chicago Press.
[22] Penfield, W. ve Rasmussen, T. (1950). The cerebral cortex of man: A clinical study of localization of function. Macmillan.
[23] Wiener, N. (1948). Cybernetics: Or control and communication in the animal and the machine. MIT Press.
[24] Shannon, C. E. (1948). A mathematical theory of communication. The Bell System Technical Journal, 27(3), 379–423.
[25] Bienenstock, E. L., Cooper, L. N. ve Munro, P. W. (1982). Theory for the development of neuron selectivity: Orientation specificity and binocular interaction in visual cortex. The Journal of Neuroscience, 2(1), 32–48.
[26] Minsky, M. (1954). Theory of neural-analog reinforcement systems and its application to the brain-model problem (Doktora tezi). Princeton University.
[27] Rumelhart, D. E., Hinton, G. E. ve Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536.
[28] Markram, H., Lübke, J., Frotscher, M. ve Sakmann, B. (1997). Regulation of synaptic efficacy by coincidence of postsynaptic APs and EPSPs. Science, 275(5297), 213–215.
[29] Buzsáki, G. (2010). Neural syntax: Cell assemblies, synapsembles, and readers. Neuron, 68(3), 362–385.
[30] Brown, R. E. (2007). Alfred McCoy, Hebb, the CIA and torture. Journal of the History of the Behavioral Sciences, 43(2), 205–213.
[31] Hinton, G. E. (2007). Learning multiple layers of representation. Trends in Cognitive Sciences, 11(10), 428–434.
[32] Davies, M., Srinivasa, N., Lin, T. H. vd. (2018). Loihi: A neuromorphic manycore processor with on-chip learning. IEEE Micro, 38(1), 82–99.
10. Tartışma Soruları
1. Analitik: Hebb kuralı, sinaptik bağlantıların yalnızca güçlenme yönünde değişeceğini önermiştir; zayıflama mekanizması içermemektedir. Bu "sınırsız büyüme problemi," teorinin pratik uygulanabilirliğini nasıl sınırlamıştır ve BCM kuralı gibi düzeltici mekanizmalar bu sorunu ne ölçüde çözmüştür?
2. Karşılaştırmalı: Hebb'in 1949'daki sinaptik plastisite teorisi ile Turing'in 1948 tarihli Intelligent Machinery raporundaki "örgütlenmemiş makineler" kavramını karşılaştırınız. Her ikisi de "deneyimle öğrenme" fikrini savunmaktadır, ancak Hebb biyolojik bir mekanizma önerirken, Turing mühendislik perspektifinden yaklaşmıştır. Bu iki yaklaşımın yapay sinir ağları tarihindeki rolleri nasıl farklılaşmıştır?
3. Spekülatif: Eğer Bliss ve Lømo'nun uzun süreli güçlenme (LTP) keşfi 1973'te değil de 1953'te — Hebb'in kitabından yalnızca dört yıl sonra — gerçekleşseydi, sinaptik plastisite araştırmalarının ve dolayısıyla yapay sinir ağlarının tarihsel gelişimi nasıl farklılaşırdı?
4. Etik: Hebb'in McGill Üniversitesi'ndeki duyusal yoksunluk deneyleri, Kanada Savunma Araştırma Kurulu ve dolaylı olarak CIA tarafından finanse edilmiştir. Bu tarihsel bağlam, bilimsel araştırmanın askeri finansmanla ilişkisi ve insan deneklerin korunması açısından günümüz yapay zeka araştırma etiği için hangi dersleri sunmaktadır?
5. Güncel: Hebb kuralının "birlikte ateşlenen nöronlar birlikte bağlanır" ilkesi, yapay sinir ağlarının eğitim verisindeki korelasyonları öğrenmesi anlamına gelir. Bu prensip, algoritmik önyargı (algorithmic bias) probleminin nörobiyolojik köklerini ne ölçüde açıklamaktadır? Hebb kuralına dayalı öğrenme sistemlerinde önyargıyı azaltmanın yolları nelerdir?
6. Karşılaştırmalı: Hebb'in hücre toplulukları (cell assemblies) kavramı ile modern büyük dil modellerindeki (LLM) "dikkat mekanizması" (attention mechanism) arasında kavramsal bir paralellik kurulabilir mi? Her ikisi de bilgi temsilinin dağıtık ve dinamik doğasını yansıtmaktadır, ancak mekanizmaları temelden farklıdır. Bu iki yaklaşımın güçlü ve zayıf yönlerini tartışınız.
7. Analitik: Hebb, psikoloji ile fizyolojiyi birleştiren nöropsikolojik bir teori sunarak davranışçılığın "kara kutu" yaklaşımını aşmayı hedeflemiştir. Bu girişim, modern yapay zeka araştırmalarındaki "açıklanabilirlik" (explainability) tartışmasıyla nasıl bir paralellik taşımaktadır? Derin öğrenme sistemleri, Hebb'in aşmaya çalıştığı "kara kutu" problemini yeniden mi yaratmıştır?
8. Spekülatif: Hebb'in teorisi, öğrenmenin tamamen yerel — iki nöron arasındaki etkileşime dayalı — bir süreç olduğunu önermiştir. Modern geri yayılım algoritması ise küresel bir hata sinyaline dayanmaktadır. Eğer yapay sinir ağları yalnızca Hebbian (yerel) öğrenme kurallarıyla eğitilseydi ve geri yayılım hiç keşfedilmeseydi, günümüz yapay zeka teknolojisinin düzeyi ne olurdu?
9. Etik: Hebb'in "erken deneyimin beyin gelişimindeki kritik rolü" fikri, zenginleştirilmiş çevrelerin bilişsel kapasiteyi artırabileceğini göstermiştir. Bu bulgu, eğitim politikalarından sosyal refah programlarına kadar geniş toplumsal sonuçlar doğurmuştur. Ancak aynı fikir, toplumsal eşitsizliklerin "beyinsel farklılıklara" indirgenmesi riskini de taşımaktadır. Bu gerilim nasıl dengelenmelidir?
10. Güncel: Nöromorifik çipler (Intel Loihi, IBM TrueNorth), Hebbian plastisiteyi donanım düzeyinde gerçekleştirmeye çalışmaktadır. Bu çipler, geleneksel GPU tabanlı derin öğrenme sistemlerine kıyasla hangi avantaj ve dezavantajlara sahiptir? Nöromorifik hesaplama, Hebb'in biyolojik ilhamının yapay zekadaki nihai gerçekleşmesi midir?