Verinin %0.15'i, Beynimizin Bir Nesneyi Tanıması İçin Yeterli!
İnsan beyni harika bir şeydir. Bir çeşitlilik kalabalığına rağmen yüzleri ve nesneleri tanıma şeklini düşünün: Örneğin bir "A"yı her zaman bir "A" olarak tanıyabiliriz, rengi, boyutu veya şekli ne olursa olsun önemi yoktur.
Yaptıkları çalışmalar sonucunda araştırmacılar, beynin çalışma şeklinin ne kadar zekice olduğunu ve çok fazla bilgiyi bir seferde nasıl işleyebildiğimizi gösterebilen bir algoritma geliştirmeyi başardılar. Georgia Teknik Üniversitesi'nden bir takım, beynin asıl bilginin sadece yüzde 1'ini veya daha azını kullanarak verileri sınıflandırabildiğini keşfetti. Takımdan biri olan Rosa Arriaga şöyle konuştu:
Rastgele gösterimin, insanların bir öğrenme şekli olabileceğini varsaydık. Sözün özü, tahmin doğru çıktı. Toplam verinin sadece yüzde 0.15'i insanlar için yeterli.
Deneyin bir parçası olarak, deneklerden birkaç tane orjinal ve soyut resme bakmaları istendi ve sonra her birinin küçük parçası gösterildiği zaman aynı resimleri tanımaları beklendi. Araştırmacılar bunun ardından rastgele gösterim kavramına dayalı hesaplamaya dayalı bir algoritma ürettiler. Rastgele gösterim yöntemi, işleme hızı için bilgiyi belirli bir yönde sıkıştırıp isabetlilikten fedakârlık yapıyor.
Yapay zeka bu yöntemi kullanarak, testleri tıpkı insanlar kadar iyi tamamladı. Bu da gösteriyor ki, insan beyin ağı ile yapay sinir ağları aslında davranış olarak çok benzerler. Tam da beklendiği şekilde, hem insanların hem de makinelerin işlenmesi zor bulduğu veri türleri aynıdır. Araştırmacılardan biri olan Santosh Vempala şöyle söylüyor:
Son derece basit sinir ağları ile insanlar arasındaki verimin ne kadar yakın olduğunu görünce şaşırdık. Sinir ağlarının tasarımı, insanların nasıl öğrendiğini düşünmemizden esinlenmişti, fakat bu çok zayıf bir esinlenmeydi. Bunun insan verimiyle eşleştiğini bulmak çok büyük bir sürpriz.
Çalışmanın elde ettiği sonuçlar, beynin bilgiyi işlemede bir yöntem olarak doğal şekilde rastgele bir gösterim kullandığını kanıtlamak amacıyla yeterli olmasa da, bulgular zihinlerimizin içinde neler olduğuna dair bunun "mantıklı bir açıklama" olduğunu belirtmesi bakımından yeterli.
Rastgele bir gösterime dayanan öğrenme, geniş miktarlardaki veriyi işlemeyi kapsayan bilgisayarlarda zaten önemli bir rol oynuyor ve yapılan yeni araştırma ile aynı alanda meydana gelecek ileri gelişmelerin önü açılabilir. Vempala şöyle söylüyor:
Etrafımızdaki çok fazla türden çok fazla veriyi çok hızlı ve güçlü şekilde nasıl anlamlı kılarız? Temel bir seviyede, insanlar bunu yapmaya nasıl başladı? Bu hesaplamayla ilgili bir sorun.
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.
Soru & Cevap Platformuna Git- 8
- 4
- 3
- 3
- 2
- 2
- 1
- 1
- 0
- 0
- 0
- 0
- Çeviri Kaynağı: Science Alert | 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 05/12/2024 01:11:58 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/4624
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.
This work is an exact translation of the article originally published in Science Alert. Evrim Ağacı is a popular science organization which seeks to increase scientific awareness and knowledge in Turkey, and this translation is a part of those efforts. If you are the author/owner of this article and if you choose it to be taken down, please contact us and we will immediately remove your content. Thank you for your cooperation and understanding.