Yapay sinir ağları günümüzde karmaşık verileri analiz etmek için yaygın şekilde kullanılmaktadır. Dana önceki yazımda belirttiğim kök hücrelerden gelecek hücrelerin tipini belirlemek, genetik hastalıklar hakkında ipuçları edinmek gibi alanlar örnek verilebilir. Bu kadar yaygın kullanılmasına rağmen, nasıl çalıştıkları konusunda henüz kesin bilgiye sahip değiliz. Bu duruma son vermek isteyen Fraunhofer araştırmacıları, önümüzdeki bu kara kutuyu ortaya çıkarmak ve analiz etmek için yazılım geliştirdiler.

Eski zamanlarda bilgisayar ortamında sahip olduğumuz fotoğrafları kişilere göre sıralama yaparken zorlandığımız olmuştur. Şimdi ise bunu yüz tanıma algoritmasına sahip uygulamalar ile çok kısa sürede bilgisayarın yapmasını sağlayabiliyoruz. Veya yaptığımız bir araştırma için elimizde bulunan canlı fotoğraflarının türlerine göre bir arada toplanmasını istersek, daha önceden çok büyük miktarlarda veriler (fotoğraflar) ile beslediğimiz, yapay sinir ağlarını temel almış algoritmamızı kullanarak araştırmamıza hız katmamız mümkün olmaktadır.

Biz bu programları kullanıyoruz belki bir kısmımız da onları kodluyoruz fakat tam olarak nasıl çalıştıklarını, hangi verinin sonuca varmada ne kadar etkide bulunduğunu bilmiyoruz. Belki bunları bilseydik, uygulamamızı beslemek için kullandığımız veri miktarını azaltabilirdik. İşte Fraunhofer araştırma ekibi tam bu noktada devreye girmektedirler.

Bir başka örnek verecek olursak, genetik bozukluklardan meydana gelmiş hastalıkların teşhisinde yapay sinir ağlarını kullanmak istediğimizi düşünelim. Öncesinde çok büyük miktarda gen bilgilerini öğrenmesi için yapay zekaya sunarız. Ardından doktorların kullanımına sunmak için çeşitli testler yaparız. Peki sunduğumuz milyonlarca verinin içinden, hangi verinin karar verme aşamasında daha etkili olduğunu bilseydik ne olurdu?

Araştırmacıların geliştirdiği yöntem, sinir ağlarının çalışmalarını geriye doğru takip etme prensibine dayanmaktadır. Sonuçtan başlayıp geriye doğru gitmektedirler. Araştırmanın önemli üyelerinden Dr. Wojciech Samek, hangi nöronun nerede kesin kararına vardığını ve bu kararın sonucu ne şekilde etkilediğini, geliştirdikleri yöntemle kesin olarak öğrenebileceklerini söylemektedir.

Yapay sinir ağlarının çalışma şeklinin bilinmesi aynı zamanda endüstri için de özel bir ilgi alanıdır. Örneğin, karmaşık verilerden yararlanıp üretim yapan bir tesis düşünelim. Bu tesis hangi parametrelerin ürün kalitesini doğrudan etkilediğini veya üretim süresinin dalgalanmasına neden olduğunu öğrenseydi, ürün kalitesi ve ürünün ortaya çıkma hızında önemli bir artış gösterebilirlerdi. Ya da ortamlarda çokça görmeye alıştığımız, yüzün kaç yaşında gösterdiğini “söyleyen” uygulamalarda, hangi parametrelerin yıllara göre değiştiğinin bilinmesi sinir ağlarının daha doğru tespit yapmasını sağlayabilirdi.

Verilen örneklerden daha birçoğu da bu konuyu ilgilendirmektedir. Samek ve ekibinin geliştirdiği uygulamanın ne kadar doğru çalıştığını ve kullanımda ne gibi yararlar sağlayacağını kısa zaman sonra kullanarak öğrenebileceğiz. Çünkü uygulama, 20-24 Mart tarihleri arasında Hannover’de düzenlenecek CeBIT fuarında, araştırmacılar tarafından sunulacak.

CEVAP VER

Please enter your comment!
Please enter your name here