Top
1992'den bugüne inovasyon ve yapay zeka yazılım geliştirme

Yapay Zeka, yapay sinir ağları adı verilen beynin yapısı ve fonksiyonundan esinlenen algoritmalarla ilgili makine öğrenmesinin bir alt alanıdır. Yapay zeka, makina öğrenmesi ve derin öğrenme kavramları birbirleriyle iç içe kavramlardır. Bu kavramların birbirleriyle olan ilişkileri aşağıdaki şekilde ifade edilmiştir.

Yapay Sinir Ağlarının (YSA) geliştirilen ilk modeli olan Perceptron Learning algoritmasıdır. Derin öğrenme bu ilk yaklaşımın geliştirilmiş hali olarak düşünülebilir. İlk geliştirilen Perceptron modelinde nöron sayısı çok azdı, bu nedenle karmaşık problemlerin çözümü mümkün olmuyordu. Bu duruma örnek verecek olursak, ilk Perceptron modelinde Logic olarak “And” yapısı başarılı bir şekilde oluşturulabilirken, “OR” yapısı oluşturulamamaktaydı. “OR” yapısının oluşturulması için ek katmanlara ihtiyaç duyuldu. Yapay sinir ağlarında, karmaşıklığı artan bir problemin YSA ile çözülmesi artan katman sayısı ile mümkün olmuştur. Artan katman sayısı, daha derin bir karar mekanizması anlamına gelmektedir. Derin Öğrenmenin geleneksel YSA modellerine göre en önemli farklarından birisi çok çok sayıda katman ile çalışabilmesidir. Klasik YSA’daki her hücre (node) bir önceki ve bir sonraki katmanlardaki tüm hücrelere bağlıdır. Her bağlantı için hesaplanması gereken matematiksel işlemler bulunmaktadır. Katman sayısının ve hücre sayısının artması yüksek miktarda CPU gücü gerektirmektedir. Gerçekten derin bir ağ oluşturmak için kişisel bilgisayarlar içerisindeki CPU gücü tam manasıyla yeterli olamamaktadır.

İşte tamda burası GPU’ların devreye girdiği nokta.

GPU Hızlandırmalı Hesaplama (GPU-Accelerated Computing), GPU’nun CPU ile birlikte kullanılarak, büyük miktarda işlem gücü gerektiren hesaplamaların hızlı bir şekilde yapılabilmesine olanak sağlar. Bu özellik, Derin Öğrenme uygulamalarının geliştirilmesinde hayati derecede önem taşımaktadır.

Derin Öğrenmenin, son yıllarda bu denli önem kazanmasındaki en büyük etkenlerden birisi GPU’ların bu iş için kullanılabilmesidir. Şu an işlemci kapasitesi yeterince yüksek bilgisayarlara sahip olduğumuz için çok büyük YSA’ları eğitebilmekteyiz. Yani kısaca GPU üzerinde yapılan teknolojik gelişmeler Derin Öğrenmenin uygulanabilmesi için çok önemli bir noktadır. Bu gelişmeler sayesinde çok çok büyük miktarda veriler ile sistemi eğitebilmekteyiz. Ayrıca yüksek miktarda veri ile yapılan eğitimde performans da artmaya devam ediyor. İşte bu nokta Derin Öğrenme’yi geleneksel Makine Öğrenmesi tekniklerinden ayıran noktadır. Çünkü eski Makine Öğrenmesi uygulamalarında yüksek miktarda veri, başaranın bir miktar artmasına ve daha sonra başarının sabit bir seyir izlemesine neden olmaktadır.

Elimizde çok miktarda veri olmasının avantajını kullanamamaktaydık. Son yıllarda Big Data’nın artması ve artan veri miktarı ile daha başarılı sistemlerin oluşturabilmesi, Derin Öğrenmeyi son yollarda sıkça üzerine çalışılan bir konu haline getirmiştir.

Malatya Teknokent
Bulgurlu Mah. Kanyon Cad. No:89
A Blok 202
Battalgazi / Malatya
Virtual Reality Ofis
Reşit Paşa Mah. Katar Cad. No:4/1101
İtü Arı Teknokent Arı 3 Binası
İstinye / Sarıyer / İstanbul