Yapay zeka bazı görevlerde çok becerikli; gerçekte var olmayan insan yüzleri icat etmek veya insanlarla yaptığı çeşitli oyunları kazanmak gibi… Fakat bu ağlar, insanların doğal olarak yaptığı bir şey söz konusu olduğunda hâlâ bocalıyor: Bu şey ise hayal etmek.
İnsanlar bir kedinin ne olduğunu bildiklerinde farklı renkte olan, farklı şekilde duran veya etrafında farklı şeyler olan bir kediyi kolayca hayal edebiliyorlar. Fakat yapay zeka ağları için bunu yapmak çok daha zor; yeterli eğitim ile beraber bir kediyi gördüklerinde kolayca tanıyabilseler bile.
Yapay zekanın hayal etme kapasitesini ortaya çıkarmaya çalışan araştırmacılar, yapay zeka sistemlerinin daha önce hiç görmemiş olsalar bile bir cismin nasıl görünmesi gerektiğine karar vermelerini sağlamak üzere yeni bir yöntem geliştirmişler.
Southern California Üniversitesi’nde çalışan bilgisayar bilimci Yunhao Ge, “İnsanların görsel genelleştirme kabiliyetlerinden ilham alarak, insanların hayal gücünü makinelerde taklit etmeye çalıştık” diyor.
“İnsanlar, öğrendikleri bilgileri özelliklerine göre; örneğin şekil, duruş, konum ve rengine göre ayırabiliyorlar. Daha sonra bunları bir araya getirip yeni bir cisim hayal ediyorlar. Bizim makalemiz, yapay sinir ağları kullanarak bu süreci taklit etmeye çalışıyor.”
Buradaki anahtar nokta, dışkestirim; yani büyük bir eğitim verisini kullanarak (bir arabanın fotoğrafları gibi), görünenden görünmeyene gitmek. Yapay zekanın bunu yapması zor çünkü genelde daha geniş nitelikleri değil, belli kalıpları belirlemek üzere eğitiliyor.
Araştırma takımının burada ortaya koyduğu şeye, kontrol edilebilen çözülmüş temsil öğrenimi adı veriliyor. Bu yöntemde, sahte görüntülerin oluşturulmasında kullanılanlara benzer bir yaklaşım kullanılıyor; bir örnek farklı kısımlara ayrılıyor (sahte video görüntüsünde, yüz hareketi ve yüz kimliğinin ayrılması gibi).
Bu durum, bir yapay zekanın kırmızı bir araba ve mavi bir bisiklet görmesi halinde; daha önce hiç kırmızı bisiklet görmemiş olsa bile, kendi kendine kırmızı bir bisiklet ‘hayal edebilecek’ olması anlamına geliyor. Araştırmacılar tüm bunları, Grup Denetimli Öğrenme adını verdikleri bir çerçevede bir araya getirmiş.
Bu yöntemde getirilen en temel yeniliklerden biri de, örnekleri tekil olarak değil de gruplar halinde işlemek ve bu süreç boyunca aralarında semantik bağlantılar oluşturmak. Yapay zeka, sonrasında gördüğü örnekler arasındaki benzerlik ile farklılıkları tanıyabiliyor ve bilgiyi kullanarak tamamen yeni bir şey oluşturuyor.
Buradan okunabilen araştırma, 2021 Uluslararası Öğrenme Temsilleri Konferansı‘nda sunuldu.
David Nield/ScienceAlert. Ç: O.
