Maymun Ne Görüyor

YZ uygulamaları gelişip serpildikçe akıl almaz sonuçlar doğurmaya devam ediyor. Hızlı bir yolculukla maymun beyninin derinliklerine gitmek için kemerlerinizi bağlayın.

1) Dünayaca meşhur VisionNet görüntü veri setiyle eğitilmiş pek çok görüntü tanıma modeli var. CaffeNet bunlardan birisi, şurada bulabilirsiniz.

2) Bu görüntü tanıma modellerinin çalıştığını biliyoruz ama “nasıl” çalıştığını ve tam olarak “ne” öğrendiklerini bilmiyoruz. O yüzden şu soruyla yapay zekanın “neyi nasıl gördüğünü” anlamaya çalışıyoruz: Eğitilen bir yapay sinir ağı modelinde, mesela CaffeeNet’te hangi görüntüler hangi nöronları aktif hale getiriyor?

3) Bu soruya cevap aramak için 2016 yılında Wyoming Üniversitesi’nden bir ekip, rastgele girdilerle sentetik resimler üreten bir “deep generative network” modeli eğitiyorlar. Önce rastgele bir resim üreten model, CaffeNet’teki nöronları en çok aktive eden imajlara ulaşana kadar yeni imajlar deniyor. Yanisi YZ ile eğitilmiş bir YZ, işi YZ’deki nöronları aktive etmek.

4) 2019 yılı başlarında yayınlanan şu makalede ise dehşet verici sona ulaşıyoruz: Bir maymuna YZ tarafından oluşturulmuş rastgele resimler gösteriyoruz. Sonra maymunun inferotemporal corteksinin yüz tanımadan sorumlu nöronlarının ne kadar aktive olduğunu alıp, resim üretmeden sorumlu YZ modeline girdi olarak veriyoruz. Maymunun nöronlarını daha fazla aktive etmeye programlanmış bir evrimsel algoritmayla daha iyi aktivasyon seviyelerine doğru ilerlemeye çalışıyoruz, sonuçlar aşağıdaki gibi:

lead_720_405

Deneyin yapıldığı Harvard Üniversitesi’nden M. Livingstone “Resimler ilk başta bir şeye benzemiyordu ama bir sonra resimdekinin labaratuar çalışanlarından Anthony olduğunu analadık” diyor.

 

 

 

 

Bir Cevap Yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

*

Şu HTML etiketlerini ve özelliklerini kullanabilirsiniz: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>