18 Mayıs 2019
  • 18 Mayıs 2019

TeknoZip olarak internet haberciliğine yeni bir anlayış getiriyoruz, “Teknolojiyi Zip’liyoruz”.

Bir haberin başlığını gördüğümüzde bu bizde merak uyandırır ve okumaya karar veririz. İsteğimiz direkt olarak başlıkta yazan ve bizde merak uyandıran o bilgiye ulaşmaktır ancak o bilgiye ulaşana kadar bir ton başka ayrıntıyı da okumak zorunda kalırız. Bu durumdan hoşlanmayanlar için “TeknoZip’le” butonunu geliştirdik. Haberi açtığınızda “TeknoZip’le” butonuna tıklayarak direkt olarak başlıkta gördüğünüz ve sizde merak uyandıran o bilgiye ulaşabiliyorsunuz. Bu kısmı okuduktan sonra eğer haberle ilgili daha fazla ayrıntıya ulaşmak isterseniz yine haberin devamını da okuyarak ilgili detayları öğrenebilirsiniz.

Teknoloji ve bilimle kalın. TeknoZip'i takipte kalın. Keyifli okumalar.

~ root#



 
Yeni

Sinirsel ağlar, optik yanılsamaların ne olduğunu anlamıyor

0 49 Views
Berkay | 3 dk okuma süresi | 7 ay önce

Yapay Görüş Sistemleri – İnsan Görüş Sistemleri

Yapay görüş sistemleri, insanların yüzlerini tarıyarak eşleştirebilir ve hatta gerçekçi sentetik yüzler oluşturabilir. Ancak araştırmacılar, aynı sistemlerin optik yanılsamaları tanıyamayacaklarını keşfettiler, bu da onların yenilerini yaratamayacağı anlamına geliyor.

İnsan görüşü olağanüstü bir tesistir. Her ne kadar milyonlarca yıl boyunca belirli ortamlarda gelişse de, yapay görüş sistemlerin hiç yapamadıkları görevleri yapabilir. Okuma, arabalar, uçaklar, yol işaretleri vb. gibi yapay nesneleri tanımlamak gibi iyi bir örnektir.

Ancak görsel sistemde optik yanılsamalar olarak deneyimlediğimiz bilinen bir dizi eksiklik de vardır.

Derin öğrenmenin geldiği son yer burası. Son yıllarda, makineler görüntülerde nesneleri ve yüzleri tanımayı ve daha sonra benzer görüntüler yaratmayı öğrendiler. Dolayısıyla, bir yapay görüş sisteminin, yanılsamaları tanımayı ve daha sonra kendi kendini yaratmasını hayal etmek çok da zor olmamalı.

Kentucky’deki Lousville Üniversitesinde denendi.

Kentucky’deki Louisville Üniversitesi’nde Robert Williams ve Roman Yampolskiy’i araştırın. Bu adamlar bunu denemek istediler ama işlerin bu kadar basit olmadığını gördüler. Şu anki makine öğrenme sistemleri, kendi optik yanılsamalarını üretemezler. Neden mi?

Önce arka plana odaklanalım. Derin öğrenmede son gelişmeler iki şeye dayanmaktadır. Birincisi, güçlü sinir ağları ve bu bağlantıları kurabilecek derin öğrenme algoritması.

İkincisi, makinelerin öğrenebileceği örnek bir veritabanlarının oluşturulmasıdır. Örneğin, bir makinenin insan yüzünü öğrenebilmesi için, on binlerce insan yüzü fotoğrafı gerekmekte. Bu veritabanı ile karakteristik yüz modelleri oluşturulabilir. Bu sayede makine göz, burun ve ağızı tespit etmeyi öğrenebilir. Bundan daha da etkileyici olan şey ise, daha önce yaşamamış bir insanın yüzünü oluşturabilir.

Williams ve Yampolskiy, optik yanılsamalar için bir sinir ağını öğretmeye başladılar. Makine öğrenmesine sahibiz peki ne eksik? Makinenin bunları öğrenmesi için gereken veritabanı. Dolayısıyla araştırmacıların ilk görevi, eğitim için optik yanılsamalardan oluşan bir veri tabanı oluşturmaktı.

Bu, mevcut makine öğrenme sistemleri için oldukça zordur. “Böyle küçük ve sınırlı bir veri kümesinden öğrenebilen bir model oluşturmak, İnsan görüşünü açıklamada oldukça büyük bir rol oynayacaktır.” dediler.

Williams ve Yampolskiy, 6.000’den fazla optik yanılsama görüntüsünü derlediler ve daha sonra onları tanımak için bir sinir ağı kurdular.

Sonuçlar hayal kırıklığı yarattı. Veritabanını toplumla paylaşan araştırmacılar; Nvidia Tesla K80’de 7 saat süren bir eğitimin ardından hiçbir şeyin yaratılamadığını açıkladılar.

Bu zaten hiç kolay bir şey değildi. Çünkü; insan ve makine görüş sistemi arasında önemli farklılıklar vardır. Bu araştırma başarısız olsa da dünyanın diğer ucunda araştırmacılar halen insan görüş sistemine yakın bir sinir ağı oluşturmanın peşindeler. Bilemeyiz belki de başarılı olurlar.

#teknoZip’lendi

Son yıllarda, makineler görüntülerde nesneleri ve yüzleri tanımayı ve daha sonra benzer görüntüler yaratmayı öğrendiler. Dolayısıyla, bir yapay görüş sisteminin, yanılsamaları tanımayı ve daha sonra kendi kendini yaratmasını hayal etmek çok da zor olmamalı.
Bu test etmek amaçlı Williams ve Yampolskiy, 6.000’den fazla optik yanılsama görüntüsünü derlediler ve daha sonra onları tanımak için bir sinir ağı kurdular. Sonuçlar hayal kırıklığı yarattı. Veritabanını toplumla paylaşan araştırmacılar; Nvidia Tesla K80’de 7 saat süren bir eğitimin ardından hiçbir şeyin yaratılamadığını açıkladılar.
Haberin devamını okuyarak daha fazla ayrıntıya ulaşabilirsiniz.

whatsapp'da paylaş telegram'da paylaş gmail'de paylaş twitter'da paylaş facebook'da paylaş
DMCA.com Protection Status