Programlama, Python

Elon Musk’ın kurduğu OpenAI, insan beyni dışında görülmemiş nöronu yapay zeka sisteminde keşfetti

Yapay zeka araştırmacıları, bir yapay zeka sisteminde daha önce yalnızca insan beyninde görülmüş nöronlar keşfetti. Elon Musk’ın kurduğu girişim OpenAI, en gelişmiş sinir ağlarından birinin karmaşık işleyişi içerisinde nörobilimcilerin çok düğümlü nöron olarak tarif ettiği bir öğeyi ortaya çıkardı.

Quiroga on beş yıl önce insan beyninin multimodal nöronlara sahip olduğunu keşfetti. Bu nöronlar, herhangi bir özel görsel özellik yerine ortak bir üst düzey tema etrafında merkezlenmiş soyut kavram kümelerine yanıt verir. Bunların en ünlüsü, hem Scientific American hem de The New York Times’da yer alan ve fotoğraflara, eskizlere ve “Halle Berry” metnine (ancak diğer adlara değil) yanıt veren bir nöron olan “Halle Berry” nöronuydu.

OpenAI, iki ay önce bir ResNet-50,2’nin performansıyla eşleşen, ancak en zorlu veri kümelerinin bazılarında mevcut görüntü sistemlerinden daha iyi performans gösteren genel amaçlı bir görüntü sistemi olan CLIP’i duyurmuştu. Bu zorlayıcı veri kümelerinin her biri, ObjectNet, ImageNet Rendition ve ImageNet Sketch, modelin sağlamlığını sadece ışık veya pozdaki basit bozulmaları veya değişiklikleri değil, aynı zamanda soyutlamayı ve yeniden yapılandırmayı da (eskizler, karikatürler ve hatta heykeller) tanımamak için test ediyor.

OpenAI, paylaştığı blog gönderisinde şu açıklamalara yer verdi:

CLIP sistemi içinde genel anlamıyla, simgesel veya kavramsal ifade edilmesi fark etmeksizin aynı kavrama karşılık veren nöronlar keşfettik. CLIP’teki çok düğümlü nöronları keşfimiz, bize sentetik ve doğal görme sistemlerinde ortak bir mekanizma olabilecek bir şeyin ipucunu veriyor: Soyutlama.

OpenAI

Örneğin böyle bir nöron, bir örümceğin görüntüsüne, “örümcek”, metninin bir görüntüsüne ve çizgi romana yanıt veren bir “Örümcek Adam” nöronudur diyor.

CLIP’deki multimodal nöronların keşfedilmesi, hem sentetik hem de doğal görme sistemlerinin ortak mekanizmasının – soyutlamanın – ne olabileceğine dair tasarımcıya bir ipucu veriyor.

Daha önce python ile makine öğrenimi yazıma atıfta bulunarak günümüz yapay zeka teknolojilerinin hayatımızı kolaylaştırma, olasılıkların çözümü ve öngörülemez değişkenlerin olumsuz sonuçlarını azaltmak anlamında bizlere yardımcı olacağından şüphem yok. Araştırmacıların bu tip sinir ağlarını anlamak için geliştirdiği gereçler, gelecekte karşılaşılabilecek sorunları önceden tespit etmede diğerlerine yardımcı olabilir. Bu arada yazının ve söz konusu öğrenimin orijinal kodlarını buradan alabilirsiniz. Github üzerinden verilen tüm örneklemelerde python programlama dili ile birlikte tensorflow, numpy gibi machine learning kütüphanelerinin kullanıldığı da gözümüzden kaçmasın.

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir