top of page

İnsan Beynini Nasıl Simüle Etmeye Çalışıyorlar?

Dikkat… Sinir Ağları ile Çevrilisiniz…


Yapay zekanın temel teknolojilerinden biri sinir ağlarıdır.


Sinir ağlarının birçok uygulaması vardır. Yaygın bir örnek, akıllı telefon kameranızın yüzleri tanıma yeteneğidir.


Sürücüsüz arabalar, sinir ağlarını kullanarak diğer araçları, trafik işaretlerini ve yayaları tanımaya çalışan ve hızlarını buna göre ayarlayan birden fazla kamera ile donatılmıştır. Sinir ağları, metin veya e-posta yazarken gördüğünüz metin önerilerinin ve hatta çevrimiçi olarak kullanılabilen çeviri araçlarının da arkasındadır.



Ağın bir şeyi sınıflandırabilmesi veya tanıyabilmesi için önceden bilgi sahibi olması gerekiyor mu?

Evet, bu yüzden sinir ağlarını eğitirken büyük veriyi kullanmaya ihtiyaç var. Çalışırlar çünkü daha sonra gerekli şeyleri tanımak, sınıflandırmak ve tahmin etmek için büyük miktarda veri üzerinde eğitilmişlerdir.


Sürücüsüz arabalar örneğinde, sokaktaki her şeyin milyonlarca görüntüsüne ve videosuna bakması ve bunların her birinin ne olduğunun söylenmesi gerekir.


İnternette gezinirken robot olmadığınızı kanıtlamak için yaya geçitlerinin resimlerine tıkladığınızda, bir sinir ağını eğitmeye yardımcı olursunuz.


Kendi kendine giden bir araba, ancak tüm farklı açılardan ve ışık koşullarından milyonlarca yaya geçidini gördükten sonra, gerçek hayatta dolaşırken onları tanıyabilir. Daha karmaşık sinir ağları aslında kendi kendilerine öğrenebilir. Bazı sinir ağları yeni bir şey yaratmak için birlikte çalışabilir.

Bir kişi saniyede yaklaşık 30 kare veya görüntü algılar, bu da dakikada 1.800 görüntü ve yılda 600 milyondan fazla görüntü anlamına gelir. Bu nedenle sinir ağlarına eğitim için büyük veriye sahip olmalarına bir fırsat vermeliyiz.

Temel bir sinir ağı nasıl çalışır?

Bir sinir ağı, yazılımda programlanmış bir yapay nöron ağıdır. İnsan beynini simüle etmeye çalışır, böylece beynimizdeki nöronlar gibi birçok "nöron" katmanına sahip olur.


İlk nöron katmanı, görüntü, video, ses, metin vb. girdileri alacaktır. Bir katmanın çıktısı sonraki katmanla beslenirken, bu giriş verileri tüm katmanlardan geçer. Köpekleri ve kedileri tanımak için eğitilmiş bir sinir ağına örnek verelim. İlk nöron tabakası, bu görüntüyü aydınlık ve karanlık alanlara ayıracaktır.


Bu veriler, kenarları tanımak için bir sonraki katmana aktarılacaktır. Bir sonraki katman daha sonra kenarların birleşiminden oluşan şekilleri tanımaya çalışacaktır. Veriler, eğitildiği verilere göre ona gösterdiğin görüntünün köpek mi yoksa kedi mi olduğunu anlamak için benzer şekilde birkaç katmandan geçer.


Bu ağlar inanılmaz derecede karmaşık olabilir ve aldığı girdiyi sınıflandırmak ve tanımak için milyonlarca parametreden oluşabilir.

Neden şimdi sinir ağlarının bu kadar çok uygulamasını görüyoruz?

Aslında sinir ağları, Warren McCulloch ve Walter Pitts'in algoritmalara dayanan sinir ağları için bir hesaplama modeli oluşturduğu 1943'te icat edildi. Sonra fikir uzun bir kış uykusundan geçti çünkü sinir ağları kurmak için gereken muazzam hesaplama kaynakları henüz mevcut değildi.

Son zamanlarda, grafik işlem birimleri (GPU'lar) gibi gelişmiş hesaplama kaynakları sayesinde fikir geri geldi. Video oyunlarında grafikleri işlemek için kullanılan çiplerin sinir ağlarını çalıştırmak için gerekli verileri sıkıştırmak için de mükemmel oldukları ortaya çıktı. Bu yüzden şimdi sinir ağlarının çoğaldığını görüyoruz.


Kaynaklar:

  • Tam Nguyen , Yardımcı Doçent, Dayton Üniversitesi.

  • https://www.sciencealert.com/computer-scientists-are-mimicking-the-human-brain-to-make-ai-even-better

Comments


bottom of page