Jürgen Schmidhuber Kimdir? LSTM’in Mucidi ve Yapay Zeka Öncüsü (2026)

Jürgen Schmidhuber, 17 Ocak 1963’te Münih’te doğan Alman bilgisayar bilimcisi ve yapay zeka araştırmacısıdır. Sepp Hochreiter ile birlikte 1997’de uzun kısa süreli bellek (LSTM) mimarisini tanımlayan makaleyi yayımladı; LSTM, sonraki yirmi yılda ses tanımadan makine çevirisine uzanan geniş bir uygulama alanının teknolojik omurgası hâline geldi. 1995’ten itibaren İsviçre’deki Dalle Molle Yapay Zeka Araştırma Enstitüsü’nü (IDSIA) yöneten Schmidhuber, ekibinin sinir ağlarının 2011-2012’deki yarışma zaferleriyle derin öğrenmenin pratik gücünü ortaya koydu. 2021’den bu yana Suudi Arabistan’daki KAUST’un yapay zeka girişiminin direktörlüğünü yürütmektedir.

Schmidhuber’in kariyeri, akademik başarı ile tarihsel hak iddiasının bir arada yaşandığı ender bir öyküyü temsil eder. Hem alanın en yaygın kullanılan mimarilerinden birinin ortak yazarı hem de derin öğrenmenin kökenlerine dair alternatif bir tarih anlatısının savunucusudur. Bu makalede Schmidhuber’in Münih’teki eğitiminden LSTM’in doğuşuna, yarışma zaferlerinden KAUST dönemi ve 2025-2026’daki konumuna uzanan yol anlatılmaktadır.

Münih’te Doğum ve TU Münih Yılları

Schmidhuber, 1963’te Münih’te doğdu; genç yaşta matematik ve makine öğrenmesine ilgi duydu. Technische Universität München’de bilgisayar bilimi okudu; 1987’de yüksek lisans, 1991’de doktora derecesini tamamladı. Doktora tezi, sinir ağlarının kendi öğrenme sürecini izleyip değiştirebilmesi fikri üzerine kuruluydu; bu fikir, sonraki yıllarda geliştireceği meta öğrenme ve öz referanslı ağ programlarının tohumlarını attı.

Doktora sonrasında kısa bir dönem Massachusetts Teknoloji Enstitüsü’nde çalıştı ve ardından Münih’te akademik görevlere devam etti. Bu yıllarda Hochreiter’la çalışmaya başladı; Hochreiter’ın 1991’de yazdığı tez, klasik tekrarlayan ağların uzun dönemli bağımlılıkları öğrenemediğini matematiksel olarak göstermişti. İki araştırmacı, bu sorunu çözmek için yeni bir mimari tasarımına girişti. Schmidhuber’in laboratuvar kültürü, uzun vadeli problemlere saldırmayı ve pratik sonuçları önceliklendirmeyi birleştiren bir anlayışla şekillendi.

IDSIA ve LSTM’in Doğuşu (1995-1997)

1995’te Schmidhuber, İsviçre’nin Lugano kenti yakınındaki Dalle Molle Yapay Zeka Araştırma Enstitüsü’nün (IDSIA) yönetimini üstlendi. Küçük bir laboratuvarın sınırlı kaynaklarıyla uluslararası düzeyde rekabet edebilecek bir strateji seçti: teorik yenilikleri, standartlaştırılmış yarışma sonuçlarıyla doğrulamak. 1997’de Sepp Hochreiter ile birlikte yayımladıkları Long Short-Term Memory makalesi, tekrarlayan ağlarda gradyan problemini çözen kapı mekanizmalı bir mimari tanımlıyordu; model, uzaktaki bilgi parçaları arasındaki bağımlılıkları uzun süre saklayıp gerektiğinde erişebiliyordu.

Ekibi, 2000’de Felix Gers’in katkılarıyla unutma kapısını ekleyerek mimariyi olgunlaştırdı; bidirectional LSTM gibi varyantlar da aynı dönemde geliştirildi. LSTM’in asıl yaygınlaşması 2010’larda gerçekleşti: Google’ın sesli arama sistemlerinde LSTM tabanlı modellere geçtiği, 2016’da ise makine çevirisini LSTM temelli sinirsel çeviriye taşıdığı belgelendi. Schmidhuber’in sıkça tekrarladığı değerlendirme, LSTM’in akıllı telefonlardan çeviri hizmetlerine uzanan milyarlarca cihazda çalıştığı yönündedir; bu ölçek, onu tek bir mimarinin etkisinin en geniş örneklerinden biri hâline getirdi.

Derin Öğrenmenin Atılım Yılları: 2011-2012

Schmidhuber’in IDSIA ekibi, 2011’de Dan Cireşan’ın geliştirdiği evrişimli sinir ağıyla ilk resmî uluslararası desen tanıma yarışmasını kazandı; Alman Trafik Levhaları Tanıma Sınavı’ndaki sonuç, insan performansına yakın bir doğruluk oranıyla dikkat çekti. 2012’de aynı yaklaşım, tıbbi görüntü bölümleme yarışması ISBI’da önemli farkla birincilik kazandı; sinir ağlarının mikroskop görüntülerinde nöron yapılarını otomatik biçimde çizebilmesi, biyomedikal görüntü işleme alanında dönüm noktası olarak kaydedildi.

Bu zaferler, derin öğrenmenin yalnızca akademik bir ilgi alanı olmadığını endüstriyel ölçekte kanıtlayan erken sonuçlar arasındadır. Schmidhuber’in laboratuvarı, sınırlı işlem gücüyle GPU tabanlı derin ağları verimli eğitmeye odaklanmıştı; bu pratik mühendislik disiplini, büyük teknoloji şirketlerinin katılmadığı bir ortamda dünya çapında rekabetin üst sıralarını tutmayı mümkün kıldı. Aynı dönemde Schmidhuber, dünyaya benzeyen simülasyonları iyileştiren dünya modelleri kavramını ve düzenlilik arayan ajan fikrini geliştirdi; bu teoriler, sonraki on yılda üretken modeller üzerine tartışmalarda sıkça referans alındı.

Girişimcilik, KAUST ve Öncelik Tartışmaları

2014’te Schmidhuber, IDSIA’daki araştırmacılarla birlikte NNAISENSE adlı şirketi kurdu; şirket, endüstriyel yapay zeka uygulamalarında sinir ağlarını işletmelere taşımayı hedefledi ve Schmidhuber bilim insanı olarak görev yaptı. 2013’te Uluslararası Sinir Ağı Topluluğu’nun (INNS) Helmholtz Ödülü’ne değer görülmesi, LSTM’in bilimsel kabulünün mühürlerinden biri olarak kaydedildi. 2021’de ise Suudi Arabistan’daki KAUST (Kral Abdullah Bilim ve Teknoloji Üniversitesi) onu üniversitenin yapay zeka girişiminin direktörü olarak atadı; Schmidhuber, bilgisayar bilimi profesörlüğüyle birlikte geniş bütçeli bu programı yönetmeye başladı.

Schmidhuber, bilim tarihine dair görüşleriyle de tanınır. Derin öğrenmenin kökenlerine dair yayımladığı geniş kapsamlı soy ağacı çalışmaları, geri yayılım ve temel yöntemlerin kökenlerini 1970’lere ve 1980’lere götüren alternatif bir kronoloji sunar; bu anlatı, Geoffrey Hinton, Yann LeCun ve Yoshua Bengio’nun 2018 Turing Ödülü ile taçlanan anlatısından farklılaşır. Tartışma, iki tarafın da katkılarını küçümsemeden yürütülmüştür: Schmidhuber’in iddiaları, alanın tarih yazımında hangi katkıların hangi ölçüde sayılacağı sorusunu açık tutmuş; karşıt taraf ise modern derin öğrenmenin pratik atılımının 2006 sonrası dönemde gerçekleştiğini vurgulamıştır. Bu tartışma, alanın tarihçilerinin bugüne dek sürdürdüğü canlı bir akademik tartışma olarak değerlendirilir.

Mirası ve Etkisi

Schmidhuber’in mirası, önce teknik katmanında ölçülür: LSTM, 2015-2020 döneminde ses tanıma ve çeviri sistemlerinin en yaygın bileşenlerinden biriydi; günümüzde dönüşümlü (transformer) mimarilerin gölgesinde kalsa da uzman uygulamalarda ve klasik sistemlerde kullanılmaya devam etmektedir. İkinci katman, yarışma odaklı bilim anlayışıdır: küçük laboratuvarların standartlaştırılmış karşılaştırmalarla dünyaya meydan okuyabileceğini gösteren IDSIA dönemi, araştırma stratejisi olarak örnek alınır.

Üçüncü katman ise tarihsel eleştirisidir: derin öğrenmenin kökenlerini çok daha eskiye götüren arşiv çalışmaları, alanın kendi tarihini yazma biçimini sorgulamaya zorladı. 2025-2026 döneminde KAUST’taki program, yapay zekanın uzun vadeli hedeflerini araştırmaya devam etmektedir; Schmidhuber’in gerçek zeka problemi üzerindeki ısrarı, hem teorik hem uygulamalı boyutta etkisini sürdürmektedir. Alanın en tartışmalı ama en kalıcı figürlerinden biri olarak, hem LSTM hem de tarih anlatısı üzerinden sıkça anılmaktadır.