Neural Network ve Yapay Zeka

Ciddi zaman isteyen konular. Yapay zeka yapay sinir ağları Neural Network yani NN gibi konular, algoritmalar, projeler oldukça çoğalacak güçlenecek ciddi projeler çıkacak robotlar vs.. Aşağıda yazmış olduğum yazı tamamen kendimle sohbet ederken çıkan yazılar yolda, metroda, otobüste, yürüyüşte, yemek yerken kendime sorduğum ve cevaplamaya çalıştığım sorulardan oluşan bir yazıdır.

Son zamanlarda Google bir https://quickdraw.withgoogle.com/ çıkan siz bir şekil çiziyorsunuz Google’da bunu biliyor/bilmeye çalışıyor.

Şimdi öncelikle test ettiğimde mobildeyken bir şeyler tahmin edebiliyor ama masaüstünde mouse ile çizince bir tahminde bulunamadı bu garip geldi. Neyse

Aslında böyle bir şey geliştirmek baya kolay ( Backpropagation Algoritmasi) resimleri direk bitmap olarak alıyor her yeni bir şey çizdiğinde yeniden tahmin ediyor ve ihtimalleri altta gösteriyor. Emin değilse de confidencei baya fazlaysa cevabı buldum diyor öğrenirken de aynı şekilde data üzerinde büyük olasılıkla cnn falan kullanmışlardır oyun haline getirince de data da anlıyor/uyanıyor geriye sadece system designı kalıyor requestleri handle edecek kadar server ve yapılandırmak vs.. Tekrar denemek istediğimde bir şey çiziyordum üzerine noktalar ekledim karpuzların üzerine çekirdek diye noktalar çizdiği için insanlar hemen karpuz diye bir tahmini düşündü bu şeyleri akıl etmekte kaybediyoruz 🙂 adamlar eğlenceli şeyler çıkarabiliyor bir NN mimarisinden.

Ve aslında inanılmaz bir sample data olacak adamların elinde daha sonrasında her defasında yeni bir tahmin yapmayacak varsa match edecek ve altında tahminini söyleyecek.

Google transletin 2008’deki haline göre çok daha iyi olması gibi gelecekte hatasıza yakın hale gelir. İnsanlarda ne kadar zeki, ne çizdiğimi anlıyor diye düşünecek halbuki alakası yok 🙂 Yani aslında Google şimdiden öğrendi ve kayıt etti senin ne çizdiğini milyarlarca insan yaptı bunu ve arkada inanılmaz bir data oldu yıllar sonra nokta atış yaparak bildiğinde biz şaşırmış olacağız.

Tam olarak şundan bahsediyorum https://en.wikipedia.org/wiki/Chinese_room bu şekilde zeki gibi gözüken şeyler simüle edebiliyorsun gerçekte zekayla alakası yok. Yani karşımdaki şey benim bir şey çizdiğimi, ona bir şey anlatmak istediğimi anlamalı ve çizdiğim şeyi gerçek hayatta anılarında gördüğü şeylerle eşleştirmeli gibi… burda olan şey, çok fazla sayıda weighti olan bir Network çok miktarda data ile optimize edilmiş ve sonuçta yeni bir şey gelince eskisine benzer şeyler için benzer değerler üretiyor bu noktadan sonra ancak strong-AI etkiler beni 🙂 yukarıda da dediğim gibi dummy gibi çalışıyor insanlar zeki zannediyor ama aslında boş…. (Duraksadim bir muddet ) Ama aslında bizim beynimizde benzer şekilde çalışıyor biz de belki zekiyiz ama boşuz yan’ bilemiyorum bizdeki fark bir kavram haritamız var her görev için ve herşeyi birbiriyle bağdaştırarak hafızada tutuyoruz bu simülasyonlarda (neural networklerde) olan şey her görev için ayrı network train ediyorlar weightleri optimize ediyorlar bizde de görme, düşünme vs. işler beynin farklı bölgelerinde daha yoğun Neuron Firing’lere sebep oluyor bir özelleşme bizde de var ama beynin her kısmı her şeyi öğrenebiliyor mecbur kalırsa. Beynimi her gün azar azar küçültsem ve 30 yıl sonra yüzde 20’sini falan bıraksam/bıraksalar beynim aynı şekilde işlemeye devam eder veya sizin beyninizi. Bunların örneği var tabiki. Ama bence asıl fark dataları tutma şeklimizde alakasız dosyalar olarak art arda yazmıyor beyin tek bir yapıda herşeyi alakalı olarak tutuyor şimdilik benim anladığım kadarıyla.

Dataları tutma şekli dedim Ai’ da dataları tutmak sıfırdan anılar kayıt etmek demek ve yeni bir çizim geldi diyelim gidiyor anılara soruyor varsa böyle bir şey heee tmm budur o zaman diyor ve cevabını söylüyor. İnsanda da ayni bence birşeyleri hep bir karşılaştırma var bizde de bazı datalar hep küçükken default olarak yüklü geliyor ama sadece onları tanımak kalıyor tanıdıktan sonra yeni şeyler üzerinden tahmine başliyor biz gordüğümüz duyduğumuz için nokta atış yapabiliyoruz ama NN’de şuan için nokta atış yok diyebilirim. İnsan beyni ile aynı işlemesini yapıyorlar ya da yapmak istiyorlar hatasız bir şekilde. Yani burada insanın yani bizlerin Pattern Matching ve Recognition da iyi olduğumuz çok açık. Olay orda yeni bir şey görünce eski benzettiğin şeylerle ilişkilendirip öyle kaydediyorsun bu daha verimli bir şey — yani

Transfer Learning var — 1- Çizimleri tanıyan Network var. 2- Bir de fotoğraftaki nesnelerin fiyatını bulmaya yarayan (2.yi geliştirmeye çalışmıştım) ama bu 2 sinin şu an birbirine hiç bir yararı yok diyebilirim. İnsanda öğrenirken hepsini birden tutuyor eğer fiyatını biliyorsa onu da hatırlıyor hatta benzer şeylerin fiyatlarıyla falan da kıyaslayıp onu da biliyor. Yani aslında hepsi bir bütünü oluşturuyor bu dataların. Transfer Learningle uğraşan Scientistler var baya güzel alan araştırın bence.

Şimdi şöyle bir soru gelebilir — Mesela çizimleri tanıyan bir network var bir de fotoğraftaki nesnelerin fiyatını bulmaya yarayan dedik birbirlerinden haberleri yok dedik. İkiside farklı şeyler haberleri olmasına gerek var mi?

Cevap var evet * benim zihnimde bir araba var ben istersem onu kabataslak çizerim istersem fiyatını söylerim vs.. hepsini birlikte öğreniyorum yani Transfer Learning de bir kaç metot var bunlardan biri birden fazla şeyi aynı anda öğrenmek ve bunu yaparken 2 öğrenmeyi de tekli hale göre daha verimli kılmak bence zaten strong-AI ile şu anki weak AI lar arasındaki engellerden biri de Transfer Learningin insandaki gibi başarılı yapılamaması.

Şu linke bir bakın derim
Multi-Task Learning: https://en.wikipedia.org/wiki/Multi-task_learning

Bir soru daha — İnsan zihni gibi çalışan zekasıyla data tutmasıyla anılarıyla karşılaştırmalarıyla ve tüm ince detaylarıyla mekanikte yani robotlarda yapılabilir mi? Bu duyguları duygu transferlerini ve karşındakini anlamayı vs.. yapılabilir mi?

Cevabım evet ama o şey insan olur mu bilmiyorum 🙂 evet dedim altını biraz doldurmam gerek farkındayım. Şimdi, robotlardaki zeka sistemleri aslında robot olması işin mekaniği yani onlardaki Neural Networkler’de strong AI’a daha ulaşmadan yetenekte insanı yani bizi geçecekler bence. Zaten daha iyi oldukları şeyler var olmadıkları şeyleri de yavaş yavaş başarıyorlar Singularity noktası strong AI’sız bile olabilir yani 🙂 o zamana kadar kendimizi garantiye alalım derim 🙂 Çünkü bizim yaptığımız günlük işlerin çoğu yeterince büyük bir ağda ve yeterince güçlü makinelerde yapılabilir bir tane genel düzeyde robot doktor üretsen sayısını çoğaltmak çok ucuz olur ki olacaktır ilerde Software Engineering’in test posizyonları bile otomatize edilebiliyor. Belki duymuşsunuzdur adamın biri 6 senedir test işi yapmamış çalıştığı yerde hepsini otomatik scriptlere yaptırıyormuş ilk 6 ay yapması gereken herşeyin kodunu yazmış sonrasında bitirince oyun oynuyormuş akşama kadar sonra da hiç çalışmamış aslında 6 yıl geçince işte değişen şeyler olmuş kodlar yetersiz kalmış bu adamda o kadar süre çalışmayınca yetersiz kalmış sonrada malum atılmış. Ama olabiliyor böyle şeyler hatta Neural Turing Machine’ler bir işi yapmayı öğreniyor artık — mesela sayılar sort etmek gibi şeyleri öğrenebiliyorlar.

Herkesin duyduğu Boston Dynamics robotları mainstream oldular artık robotlardaki dudak hareketleri mesela soylediği ile dudak hareketi uyuşuyor gerçi bu ayrıntıları çok rahat halledebiliyorlar. İlerde kaos olursa mesela şoförler işsiz kalırsa zannediyorum ekonomik sistemde de değişiklikler olacak e zaten nüfusda yüksek robotlar ve sürücüsüz arabalar devreye girer yapmamız gereken start location ve end locationı girmek ve arkamıza yaslanmak. (Her ülkede olur mu şimdilik bilmiyorum). Yazı biraz her noktadan farklı bilgiler ile düşünüp bir olayı tanımlamak ve neden yaptıklarına değinmekti umarı karışık gelmemiştir. bu yazının aslında amacı üzerimizde bir takım bu uygulamalar üzerinden testler yapıp ve bu dataları mekaniklerde kullanmak.

Evet bu kadar diyebilirim çok iyi alanlar ve artık bilim tarafına kayıyor yazılımdan çok bu alanlar.

Türkiyede bilim çağının gelmesi dileğiyle.

Bir gün sözlerim bilimle ters düşerse bilimi seçin!

M.Kemal Atatürk

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir