Derin Öğrenme (Deep Learning) Nedir?

tarafından Merve Gül Son güncelleme May 9, 2021 466 0

İçindekiler

Derin Öğrenme (Deep Learning) Nedir?

Derin öğrenme, verilen bir veri seti ile sonuçları tahmin eden ve birden fazla katmandan oluşan bir makine öğrenmesi yöntemi olup aynı zamanda makine öğrenmesi ve yapay zekâ birbirinden farklı anlamları olan terimlerdir.

Derin öğrenme, makine öğrenmesinin; makine öğrenmesi ise yapay zekânın alt dalıdır da denilebilir.

Yapay zekâ, insan zekâsına benzer şekilde çeşitli görevlere sahip olup bunları yerine getiren ve sürekli kendini geliştiren sistem ya da makinalardır. 1950 yıllarında ortaya çıkmış olan yapay zekâ hatalarından öğrenebilen sistemler olması nedeniyle sistemi sürekli iyileştirmektedirler. Makine öğrenmesi ise 1980 yıllarında ortaya çıkmış olup verilen bir veri kümesini işlemden geçirerek tahminlerde bulunur veya bu veri kümelerini sınıflandırır.

Makine öğrenme algoritmalarında 2 tür öğrenme biçimi vardır:

-Gözetimli Öğrenme, etiketlenmiş olan verilerden öğrenmedir. Hem girdi hem de istenilen sonuç tanımlanır. Tahmin hakkındaki doğruluğun geri bildirimiyse işlemi gerçekleştiren kişi tarafından yapılır.

-Gözetimsiz Öğrenme, etiketlenmemiş olan gözlemlerden öğrenme sürecidir. Sonuç verisiyle eğitime gerek olmayıp algoritmanın kendisi, verilerden sonuca varır. Yani algoritmanın kendisinin keşfetmesi beklenir.

1990’lı yıllarda veri madenciliğiyle popülerliği artmış olup 2000’li yılların başında da derin öğrenme gelişim göstermeye başlamıştır. 1990’lardaki başarısızlığın sebepleri arasında veri setlerinin yetersiz olması, bilgisayarların çok güçsüz ve CPU açısından yetersiz kalması, yanlış bir şekilde ilikleme ve yanlış non-lineer (doğrusal olmayan) aktivasyon fonksiyonları gösterilebilir. Ancak zamanla teknolojinin gelişmesi ve iyileşmesi de buna bağlı olarak bilgisayarların performansının artmasına fayda sağlamıştır.

Peki Derin Öğrenme Nerelerde Kullanılır?

-Yüz tanıma sistemlerinde, uzun yıllar yapay zekâ alanında geliştirilen uygulamalar ile sonuç alınamamış sorunların çözümünde derin öğrenme teknolojisi ile büyük ilerleme kaydedilerek bilgisayarlarla görme alanında birçok sınıflandırma problemi performansı arttırılmıştır. Derin öğrenme, özellikle Konvolüsyonel Sinir Ağı (KSA), son zamanlarda yüz tanıma uygulamalarında umut verici sonuçlar elde etmiştir.

–Ses tanıma sistemlerinde, derin öğrenme mimarilerinden olan Derin Sinir Ağları (DSA), Evrişimsel Sinir Ağları (CNN) ve Yinelgeli Sinir Ağları (RNN) ve bu ağlardan yola çıkılan hibrit yaklaşımlar ele alınıp çalışmalar değerlendirilmiştir. Sonuç olarak da, hata oranları ve ses tanıma performansı açısından en güçlü derin öğrenme ağının ÖSA olduğu gözlemlenmiş olup ayrıca hibrit derin öğrenmesinin de gittikçe yaygın hale geldiği ve ses tanıma hata oranlarını düşürebildiği de görülmüştür.

-Araçlarda oto pilot özelliğinde veya sürücüsüz araçlarda, araç yönetim sistemi sahip olduğu derin öğrenme yapısı sayesinde kameralar vasıtasıyla aldığı görüntüleri eşzamanlı sınıflandırarak sürücü destek sistemini oluşturmaktadır. Bu sayede de sınırlı görüş şartları dâhil birçok durumda kazaların önüne geçilebileceği öngörülmektedir.

–Alarm sistemlerinde, kamera kayıtlarını sürekli kontrol etmek yerine, yalnızca olağan dışı hareketlerde alarm sisteminin devreye girmesinde,sadece resim veya video akışındaki nesnelerin ne olduğu değil ayrıca nesnelerin birbirleriyle olan ilişkisini metinlere dökebilen sistemlerin büyük bir insan kaynağı tasarrufu sağlayarak her bir kamera sistemin anlık akıllı değerlendirme yapısına kavuşmasının yolunu açmaktadır.

–Sağlık sektöründe kanser araştırmalarında, zaman kaybını ortadan kaldırmaktadır. Kanserli hücre örneklerinin tanıtıldığı derin öğrenme algoritmaları, yeni hücrelerin kanserli olup olmadığı tanısını koymasında kullanılmaktadır.

Bazı büyük teknoloji firmalarının derin öğrenme üzerine yaptığı bazı çalışmalara bakalım:

Deep Genomics

Geliştirilen sistem, kişinin belirli bir hastalığını anlamada veya anormallik durumlarının tespit edilmesinde kullanılmaktadır. Günümüzde çok fazla cihaz internete erişilebilmektedir, hackerlar için bir sisteme sızabilmek adına birçok giriş noktası bulunmakta ve bu giriş noktalarının sayısı gün geçtikçe artmaktadır. Siber güvenlik alanında geliştirilen uygulamalar daha güvenli bir sistem oluşturmanın yanı sıra, bir sonraki saldırının nereden olacağını da tahmin edebilme kapasitesine sahip olmalıdır. Dolayısıyla da siber saldırılara karşı güçlü bir savunmaya sahip olmak saldırgan gibi düşünmekten geçmektedir. Deep Instinct gibi şirketler, daha önce hiç tespit edilmemiş yeni tehditleri tanımak ve bu sayede siber suç örgütlerinden bir adım önde olmayı sağlamak amacıyla derin öğrenme yöntemleri kullanmaktadırlar.

Google

Google, arama motoru için kullandığı algoritmalarında derin öğrenme tekniklerinin kullanıldığı büyük miktarda güncellemeler yapmıştır. 2015’te kullanılmaya başlanan derin öğrenme tabanlı olan RankBrain teknolojisi, arama sorgularının otomatik tamamlanmasında ve arama sorguların yönetilmesinde kullanılmaktadır. Bu teknoloji daha önce hiç kullanılmamış sorguların dahi yönetilebilmesine imkân tanımaktadır.

Apple

Apple yapay zekâ tabanlı kullanıcı asistanı uygulaması olan Siri’yi tamamen Yapay Sinir Ağı tabanlı bir öğrenme altyapısına taşımıştır. Derin öğrenme ile güncellenen yeni Siri, ilk olarak Amerika Birleşik Devletleri’nde kullanılmaya başlandı. Daha sonra 15 Ağustos 2014 yılında da tüm dünyada kullanılmaya başlandı. Güncellenen Siri’nin görünümü eskisiyle aynı ancak çalışma mekanizması derin öğrenme ile güçlendirilmiştir.