Google Foto’yu deneyen herkes, Google’ın bu ücretsiz fotoğraf depolama ve yönetim servisinin akıllı olduğunu kabul eder. Gelişmiş arama, resimlerinizi konumlara ve tarihlere göre kategorilere ayırma yeteneği, otomatik olarak benzerliklere göre albümler ve videolar oluşturma ve birkaç yıl önce aynı günün fotoğraflarını göstererek sizi bellek şeridinde ilerletme gibi çeşitli akıllı özelliklere sahiptir. Google Foto’nun birkaç yıl önce yapabileceği birçok şey imkansız olurdu. Google Foto, Google’ın TensorFlow adlı bir makine öğrenme teknolojisi kullanan, Google’daki birçok "akıllı" hizmetten biridir. Öğrenme kelimesi, mevcut bilgimizin hayal edemediği noktaya kadar teknolojinin zamanla daha akıllı olacağını gösteriyor. Ama TensorFlow nedir? Bir makine nasıl öğrenebilir? Bununla ne yapabilirsin? Hadi bulalım.
TensorFlow Nedir?
TensorFlow, Google’ın birçok hizmeti ve girişimini destekleyen, açık kaynaklı ve güçlü bir yapay zeka yazılımıdır . Google Brain ekibi tarafından oluşturulan, büyük ölçekli makine öğrenme uygulamaları için bir sistemin ikinci neslidir. Bu algoritma kütüphanesi ilk nesil olan DistBelief'i başarır.
Teknoloji, bilgiyi durum bilgisi veri akış grafiği olarak temsil eder. TensorFlow'u benzersiz yapan şey, tüketici düzeyinde mobil cihazlardan dünya standartlarında çoklu GPU sunucularına kadar geniş bir donanım yelpazesinde hesaplamaları modelleme yeteneğidir. Farklı GPU'larda ve CPU'larda çalışabilir ve önemli miktarda kod değiştirmek zorunda kalmadan makine öğreniminin çeşitli cihazlar ve araçlar arasında ölçeklenebilirliğini vaat eder.
TensorFlow, Google’ın bir insan beyninin öğrenme ve akıl yürütme biçiminde nasıl çalıştığını taklit etmesi için bir bilgisayar sistemine talimat verme ihtiyacından kaynaklandı. Sinir ağları olarak bilinen sistem, “tensörler” olarak adlandırılan çok boyutlu veri dizileri üzerinde çalışabilmelidir. Son amaç, sinir ağlarını örüntüleri ve bağıntıları tespit etmek ve deşifre etmek için eğitmektir.
Kasım 2015’te, Google bu teknolojiyi açık kaynaklı hale getirdi ve her türlü ürün ve araştırmaya dahil edilmesine izin verdi. Araştırmacılar, mühendisler ve hobi dahil herkes, makine öğreniminin büyümesini hızlandırabilir ve daha kısa sürede daha yüksek bir seviyeye çıkarabilir.
Bu hamlenin doğru olduğu ortaya çıktı, çünkü bağımsız geliştiricilerin TensorFlow'a Google’ın katkılarını aştığı kadar çok katkı var. Vikipedi, “GitHub'da TensorFlow'dan bahseden, 5'i Google'dan gelen 1500 depo var” diyor. Quora'daki tartışmalardan biri, açık kaynaklı kodun “temizlenmiş” versiyonundan şüpheleniyor. Google’ın hizmetlerinde kullandığı
TenserFlow Nasıl Çalışır?
Basit normal insan dilini ve ağır bir sadeleştirmeyi kullanarak, TensorFlow'un bir tarafını gelişmiş bir otonom filtreleme teknolojisi olarak görebiliriz. Kalbinde, teknoloji makine öğrenmesi büyük bir yazılım kütüphanesidir. Veritabanını “karar vermesine” yardımcı olmak için kullanır.
Örneğin, birisi Google Foto’ya bir fotoğraf yüklüyor. Teknoloji, resimdeki tüm bilgileri veri tabanına göre karşılaştıracak ve bunun hayvan veya insan resmi olduğuna karar verecek. O zaman bir insansa, cinsiyetini, yaşını kimsenin olduğu yaşla belirlemeye çalışır. Aynı işlem fotoğraftaki diğer nesneler için tekrarlanır.
Ayrıca, fotoğraftaki kişinin kimliği ve fotoğrafın çekildiği yer gibi kullanıcıların kütüphanesini geliştirmek için gelecekte de daha iyi sonuçlar verebilmesi için - hem fotoğrafı yükleyen hem de herkes için kullandığı verileri kullanır. Başka. Dolayısıyla “öğrenme” terimi. Ancak yalnızca fotoğraflardan veri bilmeyi ve öğrenmeyi durdurmaz. Teknolojinin bir fotoğraftan gelen bilgilerle yapabileceği çok fazla şey var. Örneğin, fotoğrafları aynı kişi, aynı konum, aynı tarih gibi benzer ayrıntılarla gruplandırabilir; fotoğraftaki kişinin hangi aileye ve arkadaşlara ait olduğunu belirlemek için yüz kalıplarını görün ve aile tatilinin veya animasyonun sürekli çekimlerinden videolarını çekmek için bilgileri kullanın.
Bu, TensorFlow'un çalışma şeklinin yüzeyini zorlukla çizer, ancak umarım size teknolojinin genel bir resmini verebilir. Ayrıca, yalnızca bir örnek kullanmak, yapabileceklerine adalet yapamaz.
Ve orada bulunan tüm Yapay Zeka meraklıları için Google’ın, makine öğrenmesi ve TensorFlow’u buna entegre etmek için optimize edilmiş bir bilgisayar yongası teknolojisi oluşturduğundan söz etmek gerekir. Buna Tensör İşleme Ünitesi (TPU) ASIC yongası denir.
TensorFlow hakkında daha fazla bilgi edinmek isteyenler eğitim sayfasını ziyaret edebilirler.
TensorFlow Uygulamaları
Makine öğrenimi teknolojisinin erken bir aşamasındayız, bu yüzden kimse bizi nereye götüreceğini bilmiyor. Ancak, gelecekte bize göz atmamızı sağlayacak birkaç başlangıç uygulaması var. Google’dan geldiği için Google’ın teknolojiyi birçok hizmeti için kullandığı açıktır.
Görüntü Analizi hakkında daha fazla bilgi
Google Foto’da görüntü analizi için teknolojiyi kullanma örneğini tartıştık. Ancak, görüntü analizi uygulaması Google Haritalar’ın Sokak Görünümü özelliğinde de kullanılıyor. Örneğin, görüntüyü harita koordinatlarına bağlamak ve görüntüye yanlışlıkla dahil olan herhangi bir arabanın plaka numarasını otomatik olarak bulanıklaştırmak için kullanılır.
Konuşma tanıma
Google, ses yardımcısı konuşma tanıma yazılımı için TensorFlow'u da kullanıyor. Kullanıcıların talimatları konuşmalarını sağlayan teknoloji yeni değildir, ancak TensorFlow'un sürekli büyüyen kütüphanesini karışıma dahil etmek özelliği birkaç adım daha yukarı çekebilir. Şu anda, konuşma tanıma teknolojisi, 80'den fazla dil ve değişkeni tanıyor.
Dinamik Çeviri
Makine öğrenmesi teknolojisinin “öğrenme” kısmının bir başka örneği de Google’ın çeviri özelliğidir. Google, kullanıcılarının yeni kelimeler eklemelerine ve Google Translate'teki hataları düzeltmelerine izin verir. Sürekli büyüyen veriler, diğer kullanıcıların çevirmek istedikleri giriş dilini otomatik olarak tespit etmek için kullanılabilir. Makine dil algılama sürecinde hata yaparsa, kullanıcılar bunları düzeltebilir. Ve makine gelecekteki performansını artırmak için bu hatalardan öğrenecektir. Ve döngü devam ediyor.
Alfa Git
TensorFlow kullanımının eğlenceli bir örneği Alpha Go. Go oynamak için programlanmış bir uygulamadır. Go ile aşina olmayanlar için, beş bin beş yüz yıl önce Çin'den gelen iki oyuncu için soyut bir tahta oyunu ve bugün hala sürekli olarak oynanan en eski masa oyunu. Kurallar basit olsa da - rakipten daha fazla bölgeyi kuşatmak için, oyun inanılmaz derecede karmaşık ve Wikipedia'ya göre: “görünür evrendeki toplam atom sayısından daha fazla olasılıklara sahip.”
Bu nedenle, bir öğrenme makinesi teknolojisinin sınırsız olanaklarla neler yapabileceği ilginçtir. 18 kez Go dünya şampiyonu olan Lee Sedol'a karşı oynadığı maçlarda Alpha Go, 5 oyundan 4'ünü kazandı ve fahri yüksek Go büyük usta rütbesine layık görüldü.
Eflatun Proje
TensorFlow'un bir başka ilginç uygulaması Macenta Projesi. Makine yapımı sanat yaratmak için iddialı bir proje. Deneyin erken somut sonuçlarından biri 90 saniyelik piyano melodisidir. Uzun vadede, Google, Magenta projesiyle daha gelişmiş makine tarafından üretilen sanat üretmeyi ve etrafına bir sanatçılar topluluğu oluşturmayı umuyor.
Şubat 2016’da Google, San Fransisco’da 29 bilgisayar üretti - insanlardan sanat eseri yardımı ile bir sanat sergisi ve müzayede düzenledi. En büyük eserlerin altısı 8, 000 dolara satıldı. Bilgisayar, gerçek bir sanatçıyı taklit etmeden önce çok uzun bir yol kat ediyor olabilir, ancak insanların sanat için ödemeye hazır oldukları miktar, teknolojinin ne kadar ilerlediğini gösteriyor.
İOS için destek
TenserFlow’un yeteneklerini Android’de görmüş olsak da, en son sürümüyle TensorFlow nihayet iOS cihazları için destek sağlıyor. Yalnızca iOS için kullanılabilen veya ilk olarak iOS'de yayımlanan tonlarca harika mobil uygulama bulunduğundan, yakın gelecekte makine öğrenmeyi benimseyen daha fazla mobil uygulama beklediğimiz anlamına gelir. Aynı şey TensorFlow'un daha geniş kapsamlı benimseme olanakları ve uygulamaları için de söylenebilir.
TensorFlow'un Geleceği
Öğrenmek ve kendi kararını verebilecek bir makine ile ne yapılabilir? Günlük yaşamın bir parçası olarak birden fazla dille ilgilenen biri olarak, aklıma ilk gelen şey dil çevirisidir. Kelime düzeyinde kelime değil, belgeler veya kitaplar gibi daha uzun metin seviyesinde. Bugünün çeviri teknolojisi sözlükler ile sınırlıdır. Çince’de neyin “uyuduğunu” kolayca öğrenebilirsiniz, ancak tam tersi, Eiji Yoshikawa’nın Musashi’nin bir bölümünü orijinal Japoncaya atmaya çalışın ve bu bölümü İngilizce’ye çevirin. Neye bulaştığımı göreceksin.
Yapay Zekanın geleceğinin müzikle neler yapabileceğini görmek de eğlenceli. Hala çok basit olsa da, Apple'ın Müzik Notu uygulaması, kaydettiğiniz şarkılara zaten otomatik bas ve davul eşliği verebilir. Gösterideki bir karakterin listelerdeki en iyi şarkıları analiz eden ve kendi hit şarkılarını yazabilen bir makine yarattığı bir SciFi TV şovunun bir bölümünü hatırlıyorum. Oraya hiç varacak mıyız?
Ve kapanış düşüncesi olarak, Sunspring'ten bahsetmek istiyorum . Tamamen kendisinin Benjamin adlı bir senaryo yazarı tarafından yazılan ve hatta pop-song müzikal aralığını oluşturan kısa bir bilim kurgu filmi. Film, Sci-Fi London etkinliğinin 48 saatlik Film Yarışması için yönetmen Oscar Sharp tarafından bir araya getirildi.
Şimdi Terminatör hakkında düşünmeden edemiyorum. Geleceğe Hoşgeldiniz.
Resim Kredisi: Wikipedia, TechInsider, The Verge, Wall Street Journal
