YAPAY ZEKA VE DERIN ÖĞRENME: 20. YÜZYILIN EN DEĞERLISI BILGI

Transkript

1 YAPAY ZEKA VE DERIN ÖĞRENME: 20. YÜZYILIN EN DEĞERLISI BILGI ARTIFICIAL INTELLIGENCE AND DEEP LEARNING: 20. THE MOST VALUABLE OF THE CENTURY INFORMATION ÖZET: Yapay zeka üzerinde artan tartışmalar, dünyada temel bir çalışma merkezi halini aldı. Apple ın Siri sinden Google nin arama motorlarına ve IBM in hastalık teşhis edebilen Watson a kadar çoğu şeyi kapsadığını söyleyebiliriz. Bu makale konu hakkında son gelişmeleri özetlemektedir. Beyinde gerçekleşen işlem basamaklarını takip edilerek oluşturulan bilgisayar programları ile insanın yaptığı basit işler ve problem çözme mekanizmaları oluşturmaya çalışılmaktadır. Yapay zeka genel anlamda bir bilgisayar bilimidir. Bu bilim içerisinde, tasarlanmış olan akıllı bir cihaz için oluşturulan belirli algoritmalar sayesinde istenilen veya hedeflenen işlemleri sonuçlandırmaktadır. Oluşturulan algoritmalar, insan zekâsını temel almakta ve aynı işlevsellikte değerlendirmeyi, düşünmeyi, öğrenmeyi, hatırlamayı, işlemeyi ve karar verme gibi özellikleri bilgisayarda geliştirmektedir. Gelecekte bilgisayar robot ile birleştirildiğinde hareketli, düşünebilen nano boyuttan insan boyutuna varıncaya kadar robot makinelerin üretilebileceği ümit edilmektedir. ANAHTAR KELİMELER: Bilgi, program, robot, zeka, bilim, derinlik. ABSTRACT: Increasing debate on artificial intelligence has become a fundamental center of action in the world. We can say that Apple s Siri covers most things, from Google to search engines and from IBM to Watson who can diagnose disease. This article summarizes recent developments on the subject. With the computer programs created by following the steps of the process in the brain, simple works and problem solving mechanisms that people do are trying to create. Artificial intelligence is a computer science in general. Within this science, certain algorithms are designed for an intelligent device that is designed to finalize desired or targeted operations. The algorithms that are created are based on human intelligence and improve on the computer in terms of evaluating, thinking, learning, remembering, processing and decision making in the same function. In the future, it is hoped that when coupled with computer robot, robotic machines can be produced from mobile, nano-size to human size. KEYWORDS: information, program, robot, Intelligence, science, depth. Göller Bölgesi Aylık Hakemli Ekonomi ve Kültür Dergisi Ayrıntı Cilt 6 Sayı 64 Temmuz 2018/ 47

2 Giriş 20. yüzyılda en değerli şey bilgi dir. Alan Mathison Turing ve John McCarthy, 1950 li yıllarda yapay zeka kavramını ilk ortaya atan ve bu alanın temellerini oluşturan iki önemli bilim insanıdır. Alan Turing ile birlikte bilgi kuramı üzerine yaptığı çalışmalarla tanınan Claude Elwood Shannon, II. Dünya savaşı sırasında şifreleme/çözme ve temel örneksel bilgisayarların gelişmesine büyük katkı sağlamıştır. İlk yapay zeka laboratuvarı 1959 yılında Massachusetts Teknoloji Enstitüsü nde (Massachusetts Institute of Technology-MIT) Marvin Lee Mainsky [1] tarafından kurulmuştur. Bilişsel ruhbilimci Allen Newell ise Herbert Alexander Simon ile Logic Theory Machines ve General Problem Solver eserleriyle Turing ödülünü almış ve yapay zeka alanına önemli katkılar sağlamış isimler arasındaki yerini almıştır. Yapay zeka alanında yapılan çalışmalar dönemsel olarak atılan büyük adımlarla şimdiki popülerliğine kavuşmuştur. Bugün Yapay Zekanın kötü bir süper zeka olmasından endişelenmek, Mars taki aşırı nüfus artışından endişelenmek gibidir. Biz henüz bu gezegene iniş yapmadık! Yapay zeka, yeni elektriktir Prof. Andrew Ng Andrew Ng, VP & Chief Scientist of Baidu; Co-Chairman and Co-Founder of Coursera; and an Adjunct Professor at Stanford University. İlk Kırılma: 1957 yılına damga vuran ve bugün tüm modellerin yapı taşını oluşturan gelişme Perseptron tanımının yapılmasıdır. Bu tanımı Frank Rosenblatt [2] yapmıştır. Bu konuda atılmış diğer önemli adım da 1969 yılında Minsky ve Papert in XOR probleminin tek katmanlı ağ yapısıyla çözülemeyeceğini göstermesidir. Günümüzde gelinen noktada artık günümüz yapay zekasının en önemli çözümlerinden biri ortaya atılmak için hazırdır. İkinci Kırılma: Geriye Yayılım (Backpropagation) teorisini, 1986 yılında Çok Katmanlı Perseptron geriye yayılım algoritmasının insan beyninin çalışma şeklinin modellenmesine imkan tanıyan yapısı ile yapay sinir ağlarının tekrar gündeme gelmesini sağlamıştır. Yapay zeka henüz yeni doğmuş bir bebeğe benzemektedir. İnsanı 48 /Göller Bölgesi Aylık Hakemli Ekonomi ve Kültür Dergisi Ayrıntı Cilt 6 Sayı 64 Temmuz 2018

3 yenebilecek düzeye gelebilmesi için öncelikle bir bebeğin gelişme sürecinde olduğu gibi öğrenmesi, çok sayıda bilgiyle eğitilmesi gerekmektedir. Bu bilgilerin özellikle çok sayıda olması gereklidir. Ancak yeterli değildir. Düzenli, yani etiketli olması eğitim sürecinin en önemli parçalarından biridir. 80 li yıllardan yaklaşık 15 yıl sonra büyük verinin (Big Data) ne denli önemli olduğu anlaşılmıştır. Vladimir Vapnik ve Corinna Cortes 1995 yılında ortaya attığı Destek Vektör Makineleri (Support Vector Machines-SVM) yöntemiyle, Makine öğrenmesi ya da diğer bir deyişle Yapay Öğrenme konusunda yeni çalışmaların yapılmasına yeni bir soluk getirmiştir. Bu yöntem ile birçok problem başarılı şekilde çözebilmektedir. Özellikle görüntü işleme bilgisayarlı görü konularında alınan sonuçlar yapay zekayı gerçek dünya problemleri için uygulanabilir ve kullanılabilir hale getirmektedir. Süper kahramanların ya da bir çocuğun çizdiği robotun genellikle insanda olduğu gibi göze sahip olduğu görülür. Peki neden? Görmek karar vermek için çok önemli bilgiler mi içeriyor? A. Parker [3] görme duyusunun canlılardaki evrimi ve teorilerini başarılı bir şekilde anlatılmıştır. Stanford Üniversitesi yapay zeka ve bilgisayarlı görü Laboratuvarlarının yöneticisi Fei Fei Li, bir konuşmasına Gelecek Dünya Neye Benzeyecek? diye sorarak başlıyor. Görmek; dünyayı tamamen farklı algılamamızı sağlamaktadır. Aşağıdaki görselde ev temizliği, çiçeklerin bakımı, yemek yapımı ve evdeki çocuğun yıkanması gibi işleri yaparken robotlar resmedilmektedir. Bu robotların gözleri var, görebiliyorlar ve bu veriler ışığında nesneleri tanımlayabiliyorlar, karar verebiliyorlar, verdikleri kararları uygulayabiliyorlar ve daha birçok karmaşık işlemin üstesinden gelebilirler. Görsel zeka yapay zekanın temel taşıdır. Fei Fei Li Çözümlenmesi gereken problemler örüntü tanıma (pattern recognition), bilgisayarlı görü (computer vision), sınıflandırma (classification) problemlerini insan beyni gibi değerlendirebilen, yeni doğan çocuk gibi öğrenebilen hatta bazen çocuktan hızlı öğrenebilen sistem nasıl oluşturulur? sorusunu sormak gerekir. İnsan beyninde en büyük kısım görme üzerine işlem yapmakla yükümlüdür. Görme sisteminden alınan görüntüler (frame), beyinde çeşitli şekillerde ve üstelik mükemmel karmaşıklıkla işlenmektedir. Bu işlem basamaklarını anlayıp bilgisayara kodlayarak anlatmanın yollarını bulmak temel amacımızdır. Üçüncü Kırılma: 1998 yılında Yann Le Cun, evrişimsel sinir ağlarını (convolutional neural network- CNN) gradyan temelli yaklaşımla kullanarak oluşturduğu kendi ağ yapısına LeNet adını verilmiştir. Bu modelde 0 9 arasındaki rakamları Göller Bölgesi Aylık Hakemli Ekonomi ve Kültür Dergisi Ayrıntı Cilt 6 Sayı 64 Temmuz 2018/ 49

4 öğrenerek sınıflandıran sistem sayılardan herhangi birisi ile karşılaştığında kullanıcıya sayının hangisi olabileceğini yüzdeleri ile birlikte tahmin etmektedir. İnsanın 0.1 saniyede yapabildiği her şeyi çok katmanlı büyük bir ağın da yapabileceği fikriyle Yann LeCun, -aşağıda karikatürize edildiği gibi- makinelere öğretmeye başlamaktadır[4]. Bu aşamada standart bilgisayar işlemcilerinin (CPU) işlem yükünün üstesinden gelmekte güçlük çekmesinin en temel problem olduğu görülmektedir den 2010 a kadar genellikle; sınıflandırma, örüntü tanıma, nesne tanıma alanlarındaki problemlere piksel tabanlı olarak görüntü işleme (image processing) yaklaşımları geliştirilmiş olmasına rağmen bu yaklaşımların hiçbiri, insanın zekasına ve yeteneğine yaklaşamamaktadır. Bu temel problem 167 ülkeden de destek alarak big data fikriyle giriştirilen ( Jia Deng, Wei Dong, Richard Socher, Li-Jia, Kia Li ve Li Fei-Fei (CVPR,2009)) ImageNet veri seti oluşturuldu. ImageNet, 22 bin farklı kategoriye sahip ve 15 milyon farklı görüntü etiketlenerek elde edilen büyük bir veri setidir. Bununla birlikte, CPU yerine grafik tabanlı işlemcilerin (Graphics Processing Unit: GPU) kullanılması donanım kaynaklı soruna da muhteşem bir çözüm getirmekte ve artık bir şeyler olması an meselesi haline gelmektedir. Dördüncü Kırılma: Toronto Üniversitesi nden Alex Krizhevsky, Ilya Sutskever ve Geoffrey Hinton ın 2012 yılında oluşturdukları evrişimsel sinir ağı modeli AlexNet [5] büyük problemlere çözüm olmaktadır. 8 katmanlı bu evrişimsel ağ ile ilk-5 hata oranı %16.4 e ulaşmaktadır. AlexNet ağ yapısı aşağıdaki görselde olan yapının 2 paralel birleşmesinden oluşmaktadır. Google - DeepMind, Facebook-Yapay Zeka Lab., Stanford Üniversitesi, Kaliforniya Üniversitesi, Massachusetts Teknoloji Enstitüsü (MIT) bünyelerindeki Yapay Zeka Laboratuvarında çalışan araştırmacılar konu üzerine çok hızlı çözümler ürettiler. Bu alanda ilk akla gelen isimlerden biri olan Christian Szegedy, Evrişimler ile daha derine gitmek fikri ile birlikte (Going Deeper with Convolutions, 2014) GoogLeNet oluşumu ortaya çıkmış oldu yılında Inception kavramıyla tanışmamızla birlikte artık sadece derine gitmenin yetmeyeceği anlaşıldı. Res-Net ve Inception düzenlemelerinden faydalanılarak hem derine hem enine (deeper and wider) gitmek gerekmektedir. Algoritmaları nesne algılamaları ve görüntüyü sınıflandırmasına göre değerlendiren 50 /Göller Bölgesi Aylık Hakemli Ekonomi ve Kültür Dergisi Ayrıntı Cilt 6 Sayı 64 Temmuz 2018

5 ILSVRC (ImageNet Large Scale Visual Recognition Competition) yarışmasındaki, yıldan yıla elde edilen ilk-5 başarım ve katman sayısı arasındaki ilişki 2015 yılı itibariyle aşağıdaki gibi bir hal almıştır. Buna derinlik devrimi denmektedir. Res-Net 152 katmana sahip bir ağ ve başarımda büyük bir sıçrayış yakalamıştır. Bunun anlamı: derin öğrenmedir (deep learning). Yani birden fazla katman içeren evrişimsel bir ağ yapısı, filtreler, boyutlandırma işlemleri, optimizasyon, benzetimde performans hesaplamaları yapılabilmektedir. Artık yapay zeka çalışması yapanlar derin mimari mühendisleri olarak adlandırılmaya başlanmıştır. Beşinci Kırılma: Bugün en çok ilgi gören algoritmalardan biri Ian Goodfellow tarafından 2014 yılında geliştirilen Çekişmeli Üretici Ağlar (Generative Adversarial Nets) yapay zekanın gelecekte ulaşabileceği nokta konusunda ilginç önemli ipuçları vermektedir. Sonuç: Sıfırdan tasarlanan insan yüzleri, stil transferi (style transfer) gibi işlemlerle ünlü ressamlar portrenizi yapmış olsa nasıl olurdu? sorusunun cevap bulduğu tıpatıp aynı denilebilecek tarzlarıyla yeni resimler çizilmesi ve atın zebraya dönüştürülmesi gibi büyüleyici örnekler yapay zeka konusunu gündelik bir konu haline getirip, metroda işe giderken insanların Siri nin sorularımıza nasıl cevap verdiği hakkındaki tartışmalarını duymamızı mümkün kılmıştır. Teşekkür: 25. İstatistiksel Fizik Günleri (28-30 Haziran 2018) Urla-İZMİR toplantısına Bazı telomeraz İnhibitör/ Aktivatörlerinin Simülasyon İncelemesi bildirimizi sunmak için katıldım. İFG25 toplantısı sonrasında oturum Başkanı Alkan Kabakçıoğlu ve Doç. Dr. Deniz Üret in eğitmen olarak verdiği İYTE Matematik Bölümü, Bilgisayar Laboratuvarı nda gerçekleştirilen Derin Öğrenme Çalıştayı İYTE Matematik Bölümü nde yapıldı. Toplantının İY- TE de yapılmasını destekleyen başta İYTE Rektörü Prof. Dr. Sayın Mustafa Güden e saygılar sunarım. Prof. Dr. Nihat Berker ve Prof. Dr. Ayşe Erzan ın önderliğinde başlatılan ve 25. kez yapılan İstatistiksel Fizik Günleri İFG25 toplantısının bilim ve düzenleme kurulu üyelerine, toplantı koordinatörü İYTE Fizik Bölümü öğretim üyesi Prof. Dr. Nejat Bulut a, ve toplantı ekibine çok teşekkür ederim. Ayrıca yurtiçi ve yurtdışından katılarak sunum yapan, bilgi paylaşımında bulunduğumuz sunum-katılımcılara ve bu yazıyı kaleme alma fikrime anlatım ve açıklamaları ile destek olan Doç. Dr. Deniz Üret e sonsuz teşekkür eder; saygılarımı sunarım (Erişim tarihi: )) 2. (Erişim tarihi: ) 3. A. Parker, In the blink of eye evolution of vision ( in/in_the_blink_of_an_eye_how_vision_ sparked_the.pdf) 4. Yann LeCun Home page ( com/ Erişim tarihi: ) 5. machine-learning/imagenet-classification-with-deep-convolutional-nn.pdf (Erişim tarihi: ) Göller Bölgesi Aylık Hakemli Ekonomi ve Kültür Dergisi Ayrıntı Cilt 6 Sayı 64 Temmuz 2018/ 51