Gerçekliğe Ulaşma Hedefindeki Yapay Zeka Öğrenmesi
Son dönemlerde en çok merak edilenlerden birisi yapay zeka (YZ) sistemlerinin görüntü oluşturmada ne kadar başarılı olacağıdır. Teknoloji devi Nvidia son çalışmasında oluşturdukları yapay zekaya ünlü kişilerin binlerce fotoğrafını göstermiş ve o kişilerin binlerce sahte görüntüsünü oluşturmuştur. Araştırma ekibi yapay zeka tarafından oluşturulan bu yüzlerin "beklenilenin altında olduğunu" ama "gerçeğine oldukça yakın" olduklarını belirtti. Bunun için, giderek popülerleşen ve yapay zeka öğrenmesinde farklı bir sınıf olan GAN’ı (Generative Adversarial Network: Çekişmeli Üretici Ağ) kullandılar.
Çekişmeli Üretici Ağ (GAN) Nedir?
Gördüğümüz gibi GAN'ın iki tane ana bileşeni vardır: Programa girdisi yapılan verilerden sahte fotoğraflar oluşturan (Üretici Ağ, Generator Network) ve bu sahte fotoğrafları denetleyen, yani gerçek olup olmadıklarını ayırt edebilen ikinci bir ağ (Ayırt Edici Ağ, Discriminator Network). Yukarıdaki çizimde de gördüğümüz gibi üretici ağ olan G(z), p(z)’den rastgele bir girdi alır ve buna dayanarak bir veri örneği oluşturur. Daha sonra bu veri ayırt edici ağ olan D(x)’e gönderilir ve bu ağ G(z)’den almış olduğu veri ile gerçek veriyi karşılaştırarak G(z)’den çektiği verinin gerçekliğini kontrol eder. Bu şekilde karşılaştırmaların arttırılması üretici ağın oluşturduğu görüntülerin de gerçekçiliğe yaklaşmasını sağlamaktadır.
Bunu bir benzetmeyle anlatalım. Üretici ağı, ünlü tabloların sahtesini yaparak bunları gerçekleriymişçesine koleksiyonculara satan bir kalpazan olarak ve ayırt edici ağı da bu sahte tabloları gerçeklerinden ayırmada uzmanlaşmış bir dedektif olarak düşünebilirsiniz. Peki dedektif elindeki tablonun gerçek ya da sahte olup olmadığına nasıl karar vermektedir? Elbette, gerçek olan tablonun sanatçısının kullandığı boyaların özellikleri gibi buna benzer daha nice ayrıntıyı bilerek ve bu bilgileri elindeki tablonun niteliğiyle karşılaştırarak… Ancak, dedektif işinde uzmanlaştıkça, onu kandırabilmek için kalpazan da kendini daha iyi hale getirmek durumundadır. İşte, sahtekar ve dedektif arasında yaşanan bu “çekişme”nin bir benzeri de “üretici ağ” ile “ayırt edici ağ” arasında, yani iki rakip ağ arasında yaşanmaktadır. Ayırt edici ağ ne kadar iyi olursa üretici ağ da onu alt edebilmek için kendini geliştirmelidir.
Bahsettiğimiz gerçekçi görünen insan fotoğraflarını oluşturan sistemin uygulamaları potansiyel olarak hem yararlı hem de fazlasıyla zararlı olabilir. Örneğin grafik şirketleri için büyük bir nimet olarak görülebilecek olan bu program, daha da gerçekçi yüzler oluşturduktan sonra, sahte habercilik veya buna benzer aldatmacalarda çok rahat bir şekilde kullanılabilir. Tabii ki şu anda bunun için endişelenmek yerine bu oluşturulan ilginç yüzlere buradaki videodan bakabilirsiniz.
Yazarın Notu: GAN'ın kullandığı bu metot, aslında, “Minimax Ağacı” adı verilen bir oyun teorisinden alınmıştır. Minimax Ağacı sıfır toplamlı, yani bir tarafın kaybı karşı taraf için kazanç olan oyunlarda (satranç, tictactoe veya borsa oyunları gibi) karar verme mekanizması olarak kullanılır. Diğer bir deyişle amaç, oyundaki kaybı minimum seviyeye düşürmektir. Aşağıdaki tictactoe oyununu ele alırsak mevcut durumumuzda hamle yapmak için 3 tane ihtimalimiz ve bizim hamlelerimizin sonucunda rakibimizin de 2 ihtimali vardır. Minimax Ağacı ise bütün bu ihtimalleri hesaplamak için kullanılır. Bilgisayarın aşağıdaki oyunda X'leri oynadığını düşünürsek hamleleri puanladıktan sonra karar vermesini istediğimizde bilgisayar, bütün bulduğu sonuçları toplayarak bir üst seviyeye taşıyıp yapacağı hamlenin hata oranını minimum seviyeye düşürmüş oluyor. Sonuç olarak, Minimax ağacımız ne kadar uzunsa yapay zekamız da o kadar gelişmiş oluyor.
Düzenleyen ve Geliştiren: Ayşegül Şenyiğit
İçeriklerimizin bilimsel gerçekleri doğru bir şekilde yansıtması için en üst düzey çabayı gösteriyoruz. Gözünüze doğru gelmeyen bir şey varsa, mümkünse güvenilir kaynaklarınızla birlikte bize ulaşın!
Bu içeriğimizle ilgili bir sorunuz mu var? Buraya tıklayarak sorabilirsiniz.
İçerikle İlgili Sorular
Soru & Cevap Platformuna Git- 9
- 3
- 3
- 3
- 2
- 2
- 1
- 1
- 1
- 0
- 0
- 0
- F. Shaikh. Introductory Guide To Generative Adversarial Networks (Gans) And Their Promise!. (23 Ağustos 2019). Alındığı Tarih: 23 Ağustos 2019. Alındığı Yer: Analytics Vidhya | Arşiv Bağlantısı
- M. Kaufman. Nvidia's Ai Machine Generates Fake Faces From Celebrity Images. (23 Ağustos 2019). Alındığı Tarih: 23 Ağustos 2019. Alındığı Yer: Mashable | Arşiv Bağlantısı
- J. Vincent. All Of These Faces Are Fake Celebrities Spawned By Ai. (23 Ağustos 2019). Alındığı Tarih: 23 Ağustos 2019. Alındığı Yer: The Verge | Arşiv Bağlantısı
- Ş. E. Şeker. Minimax Ağaçları (Minimax Tree). (23 Ağustos 2019). Alındığı Tarih: 23 Ağustos 2019. Alındığı Yer: Bilgisayar Kavramları | Arşiv Bağlantısı
Evrim Ağacı'na her ay sadece 1 kahve ısmarlayarak destek olmak ister misiniz?
Şu iki siteden birini kullanarak şimdi destek olabilirsiniz:
kreosus.com/evrimagaci | patreon.com/evrimagaci
Çıktı Bilgisi: Bu sayfa, Evrim Ağacı yazdırma aracı kullanılarak 05/11/2024 10:50:06 tarihinde oluşturulmuştur. Evrim Ağacı'ndaki içeriklerin tamamı, birden fazla editör tarafından, durmaksızın elden geçirilmekte, güncellenmekte ve geliştirilmektedir. Dolayısıyla bu çıktının alındığı tarihten sonra yapılan güncellemeleri görmek ve bu içeriğin en güncel halini okumak için lütfen şu adrese gidiniz: https://evrimagaci.org/s/5256
İçerik Kullanım İzinleri: Evrim Ağacı'ndaki yazılı içerikler orijinallerine hiçbir şekilde dokunulmadığı müddetçe izin alınmaksızın paylaşılabilir, kopyalanabilir, yapıştırılabilir, çoğaltılabilir, basılabilir, dağıtılabilir, yayılabilir, alıntılanabilir. Ancak bu içeriklerin hiçbiri izin alınmaksızın değiştirilemez ve değiştirilmiş halleri Evrim Ağacı'na aitmiş gibi sunulamaz. Benzer şekilde, içeriklerin hiçbiri, söz konusu içeriğin açıkça belirtilmiş yazarlarından ve Evrim Ağacı'ndan başkasına aitmiş gibi sunulamaz. Bu sayfa izin alınmaksızın düzenlenemez, Evrim Ağacı logosu, yazar/editör bilgileri ve içeriğin diğer kısımları izin alınmaksızın değiştirilemez veya kaldırılamaz.