DERİN ÖĞRENME

Original Source Here

Derin öğrenme… Koskaca bir devri kapatıp yeni bir devir açan öğrenme yöntemi. Nasıl oluyor da onlarca yıldır kullanılan klasik yöntemleri kenarda bırakarak %90 üzerinde doğru sonuçlar üretiyor bir yöntem?

Daha iyi anlaşılması için öncelikle klasik yöntemleri hatırlayalım o zaman, yazılım ve donanımlardan bahsedelim. Diyelim ki yıl 2000, araştırmacılar bir sınıflama problemi çözmek istiyorlar. Örneğin bir görüntüye bakarak içinde insan olup olmadığının anlaşılması problemi. Öncelikle görüntülerden özellik çıkarmak gerekiyor, sonrasında bu özellikleri sınıflamak.

Özellik çıkarmak için ellerinde dalgacık dönüşümü veya yerel ikili desen gibi bir yöntem var. Dalgacık dönüşümü görüntüyü frekans bantlarına ayırarak alçak ve yüksek frekanslardan özellik matrisi elde edilmesini, yerel ikili desen ise pikselleri komşu piksellerle karşılaştırarak bir özellik matrisi elde edilmesini sağlıyor. Özellikler çıkarıldıktan sonra yapay sinir ağları veya destek vektör makineleri ile bu özellikleri sınıflıyorlar. Buraya kadarki kısım yazılım ile ilgili olan kısımdı.

Donanıma gelecek olursak çoğu araştırmacının elinde yalnızca CPU desteği olan bir veya iki çekirdekli bilgisayarlar. Ama bir görüntünün boyutu 480×640 bile olsa 307200 piksel yapıyor bir de renkli görüntüyse 921600. Bu kadar pikseli işleyip özellik çıkarmak bir uğraş iken özellik çıkardıktan sonra bir yapay sinir ağı oluşturulup öğretilmesi ayrı bir uğraş. Eğer sürekli bir güç kaynağı varsa haftalarca süren işlemler.

Bugüne baktığımızda ise elimizde çok güçlü GPU’lar hatta TPU’lar olduğundan bahsediyoruz. Saniyede milyarlarca işlemler yapan bilgisayarlardan. Yani derin öğrenmeyi bu denli başarılı kılan etmenlerin başında gelişen donanım teknolojisi de geliyor.

Bugünün yazılım tarafına baktığımızda ise artık özellik çıkarma işlemi için dalgacık veya yerel ikili desen gibi her resim için aynı şekilde uygulanan yöntemlerden bassetmiyoruz. Evrişimden bahsediyoruz mesela, kendi kendine öğrenen evrişimlerden. Yani bir görüntü verdiğimiz zaman görüntüden hangi özelliği alacağını kendisi belirliyor artık yapay zekamız.

Çıkarılan özellikleri sınıflamak için yapay sinir ağları kullanılıyor yine ama önceden bir farkı var. Önceleri bir veya iki gizli katman kullanılarak oluşturulan yapay sinir ağlarının yerini artık onlarca gizli katman aldı ve her katmanda yüzlerde nöron kullanılıyor. Derin öğrenmeyi “derin” yapan kısım da işte burası.

AI/ML

Trending AI/ML Article Identified & Digested via Granola by Ramsey Elbasheer; a Machine-Driven RSS Bot

%d bloggers like this: