Kategoriler
Makine Öğrenmesi Yapay Zeka

Yapay zekanın insandan üstün olduğu alanlar var mı?

11 aylık oğlumla, Google ve Microsoft’un yapay zeka platformları kapışırsa, kim kazanır?

Yapay zeka uygulamalarının insanlardan daha başarılı sonuçlar aldığı bazı durumlar var. 

Ama bu konuya girmeden şunu tekrar tekrar belirtmekte fayda var. Herhangi bir yapay zeka uygulamasını insan zekasıyla bire bir karşılaştırmıyoruz. Zaten karşılaştıramayız. Önceki yazılara göz atabilirsiniz, belirli alanlara özel yapay zeka çalışmaları ve uygulamaları var. Aşağıdaki karşılaştırmayı da belirli bir bağlamda ve çerçevede yapıyoruz. Yapay zeka derken de insan zihni gibi komple bir zekadan bahsetmiyoruz. 

Yapay zekanın insandan daha iyi performans gösterebildiği alanlardan biri, görsel tanıma. Yani bir görseldeki kedi, köpek, ağaç, çimen, otomobil, anahtarlık, dondurma ya da trafik lambası gibi herhangi bir nesneyi tanıma. Daha doğru bir tabirle, öngörme, tahmin etme.

Computer vision olarak adlandırılan ve yapay zekanın alt alanlarından biri olan bu alandaki çalışmalar, bilgisayarı görsel dünyayı tanımak, anlamak ve yorumlamak üzere eğitmekle ilgilenir. Temel olarak makine öğrenmesi ve derin öğrenme yöntemlerini kullanır. (Bkz: Makine öğrenmesi nedir? ve Makine öğrenmesi nasıl çalışır?)

Bu alanda da, ImageNet Challenge isimli bir yarışma/turnuva var. 

Tam adı, The ImageNet Large Scale Visual Recognition Challenge (ILSVRC). 

Bu yarışmada katılımcıların hazırladıkları yapay zeka uygulamaları, bir görseldeki nesnenin adını öngörmeye çalışıyor.

ImageNet’in veritabanında, binlerce ayrı kategoride milyonlarca farklı görsel var. Web sitelerinde söylediklerine göre, 14 milyondan fazla. Bunların içinde birbirine çok benzeyen, ayırt edilmesi zor, insanların bile kolay kolay ayırt edip tanımlayamayacağı görseller de var.

Yarışma ilk olarak 2010 yılında yapıldı. Sonuncu ise 2017’de. 

Ve 7 yıl sonunda bu yarışmada, makineler insanlardan daha az hata yapmaya başladı.

2010’da katılımcılar içinde en iyi performans veren makine öngörüleri, %28 oranında hata yapmıştı. İnsanların ortalama hata oranı ise %5 civarı.

2012’de, ilk kez derin öğrenme yöntemi kullanılmaya başlandı ve hata oranı %16’ya düştü.

2015’de katılımcılardan bir ekip, ilk kez insandan daha iyi sonuç aldı.

2017’de ise katılan 38 ekibin çoğu, insandan daha iyi sonuç aldı.

Prediction Machines: The Simple Economics of Artificial Intelligence adlı kitaptan alınmıştır.

Bu sonuçlar sizi yanıltmasın. 

Bu sonuçlar bilgisayarların, daha doğrusu derin öğrenme yöntemlerinin, görme-algılama-tanıma-ayırt etme konusunda insanlardan tamamen üstün olduğu anlamına gelmiyor. Yani bu sonuçlar, bir bilgisayarın günlük yaşamda biz insanlar gibi görüp-algılayabileceği anlamına gelmiyor. 

Çünkü bu çalışmalar ve sonuçları, gerçek dünyada hayatın akışı içerisinde rastgele değil, ImageNet’in veritabanındaki görseller kapsamında yapılıyor. Evet büyük bir veritabanından bahsediyoruz ve evet sonuçlar çok önemli ama şu an için makinelerin insan zihninin kapasitesine ulaşması da söz konusu değil.

Mesela aşağıda, bu alanda çalışanlar arasında oldukça popüler olmuş bir örnek var. Chihuahua cinsi köpek görselleri ve bazı çikolatalı kek (muffin) görselleri. 

freecodecamp.org’dan alınmıştır.

Mariya Yao‘nun kendi yaptığı denemeye göre, dünyanın en gelişmiş makine öğrenimi platformları bile, görseldekinin kek mi köpek mi, yiyecek mi hayvan mı olduğu konusunda hala hata yapabiliyor.  

Yani aslında benim şu an 11 aylık olan oğlum bile, hangisinin yiyecek hangisinin hayvan olduğunu her seferinde kesin olarak ayırt edebilir ve Google ya da Microsoft fark etmez, dünyanın en gelişmiş derin öğrenme uygulamalarını yenebilir. İnsan zekasıyla yapay zeka uygulamalarını karşılaştırırken dikkatli olmamız gerektiğini bu yüzden sürekli hatırlatıyorum.

Makineler belirli alanlarda ve belirli çerçevede insandan daha iyi performans gösterebiliyorlar. Dünyanın en iyi satranç oyuncusu Kasparov’un Deep Blue isimli bilgisayara yenilmesi gibi. 

Yukardaki görsel algılama teknolojileri de, belli bağlamlarda insanlardan daha iyi performans gösterebiliyorlar. Hızla da hayatımıza giriyorlar ve girecekler. Mesela sürücüsüz otomobiller çevreyi algılamak için, yani yolu, yol çevresini, şeridi, tabelaları vs algılamak için bu teknolojileri kullanıyorlar.

Daha bir kekle köpeği ayırt edemeyen teknolojiye güvenip o araçlara nasıl bineceğiz, derseniz, şimdilik çok da haksız sayılmazsınız. Ama makine öğrenmesi temelli bu sistemlerin nasıl çalıştığını ve nasıl öğrendiği biliyorsanız, yakında bu “ufak” pürüzlerin de çözüleceğini öngörebilirsiniz.

Makinelerin görselleri nasıl tanımladığını merak ediyorsanız, aşağıdaki yazılara göz atabilirsiniz.

Makine öğrenmesi nedir?

Makine öğrenmesi nasıl çalışır?

Anlamak ve kullanmak isteyenler için, yapay zeka aslında nedir?

Yapay zeka hakkındaki safsatalar ve gerçekler

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir