Etiket - AI

Mona Lisa Canlandırıldı!

Hayatta olmayan veya gerçek olmayan bir insanın gülümseyerek sizinle konuştuğunu hayal edin veya etmeyin… Zira bu kurgu şimdilerde gerçek oldu. Dünyanın en ünlü kadınlarından Mona Lisa, yapay zeka araştırmacıları tarafından canlandırıldı. Tek bir fotoğraftan elde edilen videoda, portredeki modelin başını, gözlerini ve ağzını hareket ettirdiği görülüyor.

Seyredenler bilir… Harry Potter, Hogwarts Cadılık ve Büyücülük Okulu’na ilk ayak bastığında okulun taş duvarlarının hareket ettiğini ve duvarda asılı portrelerin konuşmaya başladığını görünce çok şaşırır. Makine öğrenimi sayesinde bunun gerçeğe dönüşmesine bir adım daha yaklaşıldı. Makine öğrenimi araştırmacıları, bir insanın yüzünün tek bir karesinden gerçekçi hareketleri yeniden oluşturabilen, sadece fotoğrafları değil tabloları da canlandıracak bir sistem geliştirdi.  Şöyle ki Mona Lisa, Marilyn Monroe ve Albert Einstein gibi dünyaca ünlü isimlerin portreleri Samsung’un Moskova’daki yapay zeka merkezi araştırmacıları tarafından canlandırıldı. Yüz hareketlerini tanımlama ile gerçekleşen yöntem, önceden yüklenen büyük miktarda veri ile gerçekleştiriliyor. Ne kadar çok veriye sahip olunursa o kadar iyi sonuçlar ortaya çıkıyor.

Tek fotoğraf yeterli

Bir videodaki yüzün hareketleri taklit edildiği gibi tek bir fotoğraftan da video elde edilebiliyor. Videoda, portredeki modelin başını, gözlerini ve ağzını hareket ettirdiği görülüyor. Yöntem, kaynak yüzdeki hareketleri hedef yüze uyguluyor. Böylece hedeflenen yüz, kaynak yüzün hareketlerini taklit ediyor. Kullanılan bu yöntem tamamen yeni bir yöntem değil. Herhangi bir videodaki yüzün diğer bir yüze taklit edilmesi gibi örnekler de bulunuyor fakat bunların çoğu, analiz için bir veya iki video gibi önemli miktarda veri gerektiriyor.

Daha önce de “Deepfake AI” adı verilen bu teknoloji sayesinde sahte videolar üretilebiliyordu. Fakat bunu gerçekleştirebilmek için yüzün farklı açılarının bulunduğu birçok fotoğraf verisine ihtiyaç duyuluyordu. Şimdi ise bu yeni sistemle tek bir fotoğraf yeterli… Herhangi bir görüntüdeki yüzü kaynak olarak kullanan sistem, fotoğrafı alarak öncelikle yüzün ana hatlarını belirliyor. Fotoğrafı çözümleyen yapay zeka ardından onu anlık veri girişi ya da video desteği ile konuşturabiliyor.

Bu yöntem, sadece yüz ve üst gövde üzerinde çalışıyor. Yani bu yöntem ile Mona Lisa’nın dans etmesini sağlamak mümkün değil.

 

İnsan Beynine Yeni Bir Rakip Doğdu

Çağlar boyunca bilimin en önemli gündemi beyin ve onun nasıl çalıştığını keşfetmek oldu. Şimdilerde ise bilim, beyinden öğrenilenlerle ona benzeyen bir sistem geliştirmenin peşinde… Geçtiğimiz günlerde bu yolda somut bir adım atıldı ve bilim insanları öğrenebilen hatta gelişebilen beyin benzeri bir organik transistör oluşturduklarını açıkladı. Şimdi en çok merak edilen ise bu organik transistörün yapay zekanın evrimini nasıl etkileyeceği yönünde…

İnsan beyni oldukça karmaşık bununla birlikte bilişsel bir sistem olmasıyla dikkat çekiyor. Bilim insanları ve araştırmacılar bu nedenledir ki beynin mimarisine yapay zeka (AI), makine öğrenmesi ve derin öğrenme için ilham kaynağı olarak bakıyor. İsveç’teki Linköping Üniversitesi’nden bir grup bilim insanı ise yakın zamanda yeni bir öğrenme transistörü tasarlayarak nöromorfik hesaplamada bir atılım gerçekleştirdi.

Günümüzdeki makine öğrenimi prefabrik devrelerde gerçekleştirilirken; beyin ise bunun aksine daha önce bağlantıların olmadığı yerlerde yeni bağlantılar oluşturabilme yeteneğine sahip. İşte Simone Fabiano, Jennifer Y. Gerasimov, Roger Gabrielsson, Robert Forchheimer, Eleni Stavrinidou, Daniel T. Simon ve Magnus Berggren’in oluşturduğu araştırma ekibinin çalışması bu noktada bir fark yaratacak cinsten. Şöyle ki ekip, girdi ve çıktı arasında yeni bağlantılar oluşturabilecek, öğrenebilecek, organik bir elektrokimyasal transistör yaratarak söz konusu transistörlerin hem kısa hem de uzun süreli hafızaya sahip olmasına olanak sağladı.

Yapay zekanın geleceğini nasıl etkileyecek?

Bir organik elektrokimyasal transistör, elektron sinyallerini ve elektriği ileten bir solüsyondan (elektrolit) yarı iletken bir kanala güç iletebiliyor. Mevcut organik elektrokimyasal transistörler tipik olarak PEDOT adı verilen iletken bir polimer kullanıyor. Linköping Üniversitesi’ndeki Organik Elektronik Laboratuarı araştırma ekibinin bir üyesi olan Roger Gabrielsson, bunun yerine ETE-S adlı bir monomer geliştirdi. Araştırmacı ekibin aktardığına göre; girdi sinyalleri manipüle edildiğinde belirli bir uyarıcıya transistör tepkisinin gücü, birkaç büyüklük derecesini kapsayan bir aralıkta modüle edilebiliyor.  Böylece, organik elektrokimyasal transistörün beynin kısa ve uzun vadeli nöroplastisitesine benzer bir şekilde davranması sağlanıyor. Araştırma ekibinden Fabiano’ya göre araştırma ekibinin yeni organik elektrokimyasal transistörünün bir insan beyni iki hücre arasında sinyal iletirken tüketilen enerjiye yaklaşan enerji tüketimiyle birlikte binlerce normal transistörün işini yapabilecek.

Grand View Research’ün Nisan 2018 tarihli raporuna göre, dünya çapındaki nöromorfik bilgi işlem piyasasının 2024 itibariyle 6.48 milyar ABD dolarına ulaşacağı tahmin ediliyor. Bakalım bu yeni transistör, yapay zeka makinesi öğrenmesinin evrimleşebilir organik elektroniklere dayandığı bir geleceği müjdeleyecek mi?

 

Güçlü Bir Yapay Zeka Projesi Nasıl Oluşur?

Yapay zeka (AI), tıpkı 100 yıl önce olduğu gibi, her endüstriyi dönüştürmeye hazır bir durumda. 2030’a kadar imalat, tarım, enerji, lojistik ve eğitim de dahil olmak üzere internet dışı sektörlerde de etkin olacak. AI’nın yükselişi, her sektördeki yöneticilere işlerini ayırt etme ve savunma konusunda fırsatlar sunuyor. Ancak, şirket genelinde bir AI stratejisinin uygulanması özellikle eski işletmeler için zorlu bir yol olabilir.

Landing AI’nin Kurucusu ve CEO’su Andrew Ng’ye göre; bir AI stratejisi oluşturmanın ilk adımı, bir veya iki şirket düzeyinde pilot AI projesi seçmekten geçiyor. Bu projeler, şirketlere bir ivme kazanmaları ve bir AI ürünü oluşturmak için gerekenler hakkında ilk elden bilgi sahibi olmalarına yardımcı oluyor.

Andrew Ng güçlü bir AI pilot projesinin 5 özelliğini şöyle sıralıyor;

AI teknolojilerinin gücüne dokunmak, onları iş bağlamınıza göre özelleştirmenizi gerektirir. Bir veya iki pilot projenizin amacı sadece kısmen değer yaratmaktır. Daha da önemlisi ise bu ilk projelerin başarısı, paydaşları şirketinizin AI yeteneklerini geliştirmek için yatırım yapmaya ikna etmenize yardımcı olacaktır.
Pilot bir AI projesi düşünüyorsanız, kendinize aşağıdaki soruları sorun:

Proje size hızlı bir kazanç sağlıyor mu?

Volanın mümkün olan en kısa sürede dönmesini sağlamak için ilk AI pilot projenizi kullanın. Hızlıca yapılabilecek ilk projeleri seçin (ideal olarak 6-12 ay içinde) ve başarı şansınızı yükseltin. Sadece bir pilot proje yapmak yerine, en az bir önemli başarı yaratma olasılığını artırmak için 2-3 tane seçin.

Proje çok önemsiz mi yoksa boyutsuz mu?

Pilot projeniz hızlı bir kazanç sağladığı sürece en değerli AI uygulaması olmak zorunda değildir. Ancak bu başarı, diğer şirket liderlerini diğer AI projelerine yatırım yapmaya ikna etmek için yeterince anlamlı olmalıdır.

Projeniz sektörünüze özgü mü?

Şirkete özel bir proje seçerek, iç paydaşlarınız değeri doğrudan anlayabilir. Örneğin, bir tıbbi cihaz şirketini yönetiyorsanız, özgeçmişleri otomatik olarak ekrana almak için bir AI + İşe Alma projesi oluşturmak iki nedenden dolayı kötü bir fikirdir: (1) Başka birinin çok daha büyük hizmet veren bir AI + İşe Alma platformu oluşturma olasılığı çok yüksektir. (2) Bu projenin, şirketinizin geri kalanını, yatırım projenizin AI’yi tıbbi cihazlara uygulamasından ziyade, yatırım yapmaya değer olduğuna ikna etme olasılığı daha düşüktür. Sağlık hizmetlerine özgü bir AI sistemi kurmak, doktorlara tedavi planlarını hazırlamada doktorlara yardımcı olmak, hastane giriş sürecini otomasyon yoluyla kolaylaştırmak, kişiselleştirilmiş sağlık önerileri sunmaya kadar değişen bir şeydir.

Pilot projenizi güvenilir ortaklarla hızlandırıyor musunuz?

Halen AI ekibinizi kuruyorsanız, AI uzmanlığını hızlı bir şekilde getirmek için dış ortaklarla çalışmayı düşünün. Sonunda, kendi şirket içi AI ekibinize sahip olmak isteyeceksiniz; ancak bir ekip kurma süreci AI’nın yükseliş hızına göre çok yavaş olabilir.

Projeniz değer yaratıyor mu?

AI projelerinin çoğu AI değerini üç yoldan biriyle oluşturur; maliyetleri azaltmak (otomasyon hemen hemen her sektörde maliyet azaltma fırsatları yaratır), geliri artırma (öneri ve tahmin sistemleri satışları ve verimliliği artırır) veya yeni iş alanları başlatmak (AI yeni daha önce mümkün olmayan projeler).

Genellikle fazla kullanılan “büyük veri” olmadan bile değer oluşturabilirsiniz. Web araması gibi bazı işletmeler uzun bir sorgu kuyruğuna sahiptir ve bu nedenle daha fazla veriye sahip arama motorları daha iyi performans gösterir. Bununla birlikte, tüm işletmeler bu miktarda veriye sahip değildir ve belki de 100-1000 kadar az veri kaydıyla değerli bir AI sistemi oluşturmak mümkün olabilir. Endüstride çok fazla veriye sahip olduğunuz ve AI ekibinin bu verileri nasıl değere dönüştüreceğine karar vereceğine inandığı için projeleri seçmeyin. Bunun gibi projeler başarısız olma eğilimindedir. Bir AI sisteminin ne kadar özel olarak değer yaratacağına dair bir tez geliştirmek önemlidir.

Peki bu özellikler pratikte neye benziyor?

AI projeleri için zengin bir fikir kaynağı, denetlenen öğrenme olarak adlandırılan bir teknolojiyi kullanarak, insanların bugün yaptıkları işleri otomatikleştirmede yatar. AI’nın işleri değil, işleri otomatikleştirmede iyi olduğu görülebilir. Bu anlamda insanların yaptığı belirli görevleri belirlemeye çalışın ve otomatik hale getirilip getirilmediğini inceleyin. Örneğin, bir radyoloğun işinde yer alan görevler arasında röntgen okuma, görüntüleme makinelerini çalıştırma, meslektaşlarla danışma ve cerrahi planlama yer alabilir. Tüm işlerini otomatikleştirmeyi denemek yerine, görevlerden yalnızca birinin otomatik veya kısmi otomasyonla daha hızlı hale getirilebileceğini düşünün.

Bir AI pilotuna başlamadan önce, istenen zaman çizelgesini ve sonucunu açıkça belirtmeniz ve takıma makul bir bütçe ayırmanız tavsiye edilmektedir.