İnsanda Ve Makinede Öğrenme

0
262
Human and Machine Learning
Human and Machine Learning

Merhabalar arkadaşlarım bu gün sizlerle öğrenmenin ne demek olduğunu, insanda ve makinede öğrenme konusunu inceleyeceğiz ve makine öğrenmesi(Machine Learning) konusuna giriş yapacağız.

Öğrenme Nedir ?

Öğrenmeyi kısaca önceki deneyimlerden çıkarım yapmak diye açıklayabiliriz.

Sizlere bir örnek ile açıklamak istiyorum.
Örneğimizde daha öce hayatımızda hiç kalem görmediğimizi var sayalım.

Mavi Kalem
Mavi Kalem
Kırmızı Kalem
Kırmızı Kalem

Bize yandaki gibi birkaç tane farklı şekillerde, renklerde ve boyutlarda kalemler verilmiş, incelememiz istenmiş ve onun kalem olduğu söylenmiş olsun.
Daha sonra bize daha önce hiç görmediğimiz yandaki kalem verildiğinde ve ne olduğu sorulduğunda kalem diyebiliriz.

Peki bu nasıl oldu? Bilgisayarlar bunu yapabilir mi? Peki daha iyi yapabilirler mi? Nasıl?
Şimdi gelin bu sorulara cevap verelim.

Örneğimizde bizlere birkaç tane kalem verilmişti biz o kalemleri elimize alıp incelediğimizde kalemlerin şekilleri ve kullanım amaçlarına göre bazı çıkarımlar elde etmiştik. Daha sonra hiç görmediğimiz bir kalem gördüğümüzde daha önceki deneyimlerimizden yararlanarak onunda kalem olabileceğini düşündük. Nesneleri insanlar bu şekilde ayırt edebiliyor.

Başka bir örnek gösterecek olursak bir kişinin bir engelli parkurda koştuğunu düşünelim. Sizce o kişi koşarken engellere olan uzaklığını ve engelin uzunluk, genişlik ve yükseklik gibi ölçülmesi gereken verilerini ölçerek mi karar veriyordur? Tabii ki de hayır daha önceki takılıp düştüğü engele bir daha takılmamak için önceki deneyimlerinden yararlanıyor ve engelin yüksekliğine ve kendine olan uzaklığına göre zıplama ya da zıplamama kararını veriyor. Eğer takılırsa bir sonraki koşusunda daha güçlü zıplayacağını öğrenmiş oluyor.

Parkur
Parkur

Machine Learning

Bizlerde makine öğrenmesi ile makinelere düşünme, deneyimlerinden yararlanma özelliği kazandırmak istiyoruz.

İnsanlar nasıl bu kadar iyi ve hızlı öğrenebiliyorlar?

Yukarıdaki kalem örneğimiz üzerinden gidersek, test uygulanan bireyin eğitim için elinde yeterli miktarda örnek olduğunu ve bunlar arasındaki bağlantıyı hızlı bir şekilde oluşturduğunu görebiliriz. Birey bir kalemi eline alıp incelediğinde kalemi birçok açıdan görmüş oldu. Yani öğrenmesi için veri yeterliydi.

Peki bilgisayarlara yeteri kadar veriyi sağlayabilir miyiz?

Günümüzde Google’a kalem yazdığınızda binlerce fotoğraf bulabiliyorsunuz. Her açıdan çekilmiş çeşit çeşit birçok kalem. Yani verimizin yeterli olduğunu söyleyebilirim.

Bu kadar veriyi ne kadar hızlı işleyebiliriz?

Bilgisayarlarımızın donanımları büyük hesaplamaları yapmak için ve en iyi performansı almak için tasarlanıyorlar. Yani bilgisayarlarımızın donanımları büyük hesaplamalar yapmak için yeterli oluyor diyebiliriz. Hatta gelişimlerini sürdürmektedirler.

NVIDIA Jetson TX2
NVIDIA Jetson TX2

Örneğin NVIDIA firması çok güçlü donanımlar geliştirmekte. Makine öğrenmesi için yaptığımız çalışmaları bu cihazlarda daha hızlı eğitebiliyoruz.

Yapay zekanın günümüzde çok popüler olmasının ana nedenleri de elimizde verinin oldukça fazla olması ve bu kadar çok veriyi işleyebilecek seviyede donanımımızın olması.

Aşağıdaki grafikte yüz tanıma hata oranları gösterilmiştir:

Yüz Tanıma Hata Oranları
Yüz Tanıma Hata Oranları

Gördüğünüz gibi günümüzde teknoloji, insana göre daha iyi sonuçlar verebiliyor.

NVIDIA firmasının hazırladığı yapay zeka videosunu izlemenizi öneririm. Günümüzde yapay zekanın ne kadar geliştiğini bu videoda görebilirsiniz:

Umarım yararlı olmuştur.
Sorularınızı, isteklerinizi ve önerilerinizi bekliyorum.
İyi çalışmalar dilerim.

 

Kaynak: http://www.ardamavi.com/2017/07/insanda-ve-makinede-ogrenme.html

Facebook Yorumları