Ana Sayfa KONULAR BİLİM Araştırmacılar Yapay Zekaya ‘Mutasyon’ Geçirterek, Kodlamaya Göre Daha Hızlı Evrimleşmesini Sağlayacak

Araştırmacılar Yapay Zekaya ‘Mutasyon’ Geçirterek, Kodlamaya Göre Daha Hızlı Evrimleşmesini Sağlayacak

0
167

Yapay zekanın yüklendiği işin büyük kısmı, makine öğrenimi olarak bilinen bir eğitim sürecini kapsıyor. Bu süreçte yapay zeka, bir kediyi tanımak ya da bir güzergâhın haritasını çıkarmak gibi işlerde giderek daha iyi hale geliyor. Şimdiyse aynı yöntem, insanların müdahalesi olmadan yeni yapay zeka sistemleri oluşturmak için kullanılıyor.

Google’daki mühendisler yıllardır, AutoML sistemi (veya otomatik makine öğrenim sistemi) adıyla bilinen ve son derece akıllı olan bir makine öğrenim sistemi üzerinde çalışıyordu. Bu sistem, halihazırda insanların yapabildiği her şeyi geride bırakma kabiliyetine sahip.

Şimdi ise araştırmacılar bazı ufak düzenlemeler yaparak, sisteme Darwinci evrim kavramlarını dahil etmiş ve sistemin, insanların yaptığı kodlamadan daha hızlı şekilde gelişebilen yapay zeka programları oluşturabildiğini göstermişler.

Yeni sisteme AutoML-Sıfır adı verilmiş. Durum kulağa biraz endişe verici gelebilse de, daha akıllı sistemlerin hızlı biçimde gelişmesine yol açabilir; örneğin, kodlama yapan insanların zorlandığı bir şey olan ve insan beynini birden fazla katman ve ağırlıkla daha isabetli biçimde taklit edebilen yapay sinir ağları gibi.

Araştırmacılar, henüz yayınlanmamış makalelerinde şöyle yazıyor: “Günümüzde, sadece basit matematiksel eylemleri yapı taşı şeklinde kullanarak, tam makine öğrenim algoritmalarını otomatik biçimde keşfetmek mümkün. Genel bir arama alanı üzerinden insan hatasını önemli oranda azaltan yeni bir yapı sunarak, bunu gösterdik.”

AutoML sistemi, esasında makine öğrenimini uygulamalar için güçlendirme amacını taşıyordu ve halihazırda otomatik hale getirilmiş bir sürü özellik barındırıyordu. Fakat AutoML-Sıfır, gereken insan girdisini çok daha aşağıya çekiyor.

Basit ve üç adımlı bir işlem ile (kurulum, tahmin ve öğrenme), sıfırdan yapılan makine öğrenimi biçiminde düşünülebilir.

Sistem, basit matematiksel işlemlerin rastgele şekilde birleştirilmesiyle yapılan ve 100 algoritmadan oluşan bir seçkiyle yola koyuluyor. Ardından, karmaşık bir deneme yanılma süreciyle en iyi verim elde edenler belirleniyor ve bunlar, (birkaç ufak düzenlemeyle birlikte) başka bir deneme turunda kullanılmak üzere tutuluyor. Bir diğer ifadeyle, yapay sinir ağı esasında mutasyon geçiriyor.

Yeni kod oluşturulduğunda, yapay zekaya verilen görevlerde (bir kamyon ve köpek fotoğrafı arasındaki farkı bulmak gibi) test ediliyor. Daha sonra en iyi verime ulaşan algoritmalar, gelecekteki tekrarlar için saklanıyor. En uygun olanın hayatta kalması gibi.

Üstelik, sistem hızlı da: Araştırmacılar, işlemci başına bir saniyede 10.000’e kadar muhtemel algoritmanın aranabildiğini hesaplamışlar (ne kadar fazla bilgisayar işlemcisi olursa, işlem o kadar hızlı çalışabiliyor).

Nihayetinde bu durum, yapay zeka sistemlerinin daha geniş biçimde kullanılmasını ve yapay zeka alanında uzmanlığı bulunmayan programcıların, bu sistemlere daha kolay erişmesini sağlayabilir. Hatta insanlar hemen hemen hiç karışmadığı için, insan kaynaklı hataların ortadan kaldırılmasına bile yardımcı olabilir.

AutoML-Sıfır’ı geliştirme çalışmaları devam ediyor ve sistemin en sonunda, insan programcıların hiç aklına gelmeyecek algoritmalar ortaya çıkarması umuluyor. Şu an yalnızca basit yapay zeka sistemleri oluşturabiliyor fakat araştırmacılar, sistemin çok hızlı biçimde geliştirilebileceğini düşünüyorlar.

Austin Teksas Üniversitesi’nde bilgisayar bilimcisi olan ve çalışmada yer almayan Risto Miikkulainen, “Çoğu insan yeni yeni emeklemeye başlarken, araştırmacılar bilinmeyene doğru büyük bir adım attı” diyor. “Bu makale, gelecekte pek çok araştırmanın yapılmasını sağlayabilecek makalelerden biri.”

Araştırma makalesi henüz hakem denetimli bir bültende yayınlanmadı fakat arXiv.org sitesinden görülebilir.

 

 

 

 

Yazar: David Nield/ScienceAlert. Çeviri: Ozan Zaloğlu.

CEVAP VER

Please enter your comment!
Please enter your name here