Teknolojiyle birlikte hayatımızın bir modülü haline gelen derin öğrenme uygulamaları, otomatik sürüşten tıbbi aygıtlara kadar birçok bölümde …
Teknolojiyle birlikte hayatımızın bir modülü haline gelen derin öğrenme uygulamaları, otomatik sürüşten tıbbi aygıtlara kadar birçok bölümde kullanılıyor. Uzmanlar derin öğrenmenin, iş makinelerindeki arızaların evvelden tespit edilmesini sağlayarak, ağır makinelerin etrafındaki personel güvenliğini artırmaya yardımcı olmasından kanser araştırmalarına kadar birçok alanda kullanıldığına dikkat çekiyor. Derin öğrenme, otomatik işitme ve konuşma çevirisinde de kullanılıyor.
Üsküdar Üniversitesi Mühendislik ve Tabiat Bilimleri Fakültesi Yazılım Mühendisliği Kısım Lideri Doç. Dr. Türker Tekin Ergüzel, derin öğrenme kavramına ait değerlendirmede bulundu.
Doç. Dr. Türker Tekin Ergüzel, derin öğrenmeyi “bilgisayarlara insan yetenek ve marifetlerinin uygulanmasını öğreten bir makine tahsili tekniği” olarak tanımlayarak “Derin öğrenme, örnekler üzerinden öğrenme modelini temsil eder. Derin öğrenme, şoförsüz araçların, akıllı robotların arkasındaki kilit teknolojidir. Örneğin, bir yayanın, bir elektrik direğinden yahut seyir halindeki bir araçtan otomatik olarak ayırt edilmesini sağlamakla birlikte; telefonlar, tabletler, TV’ler ve hands-free hoparlörler üzere tüketici aygıtların sesle denetim edilebilmesini de mümkün kılar. Derin öğrenme, son vakitlerde çok fazla ilgi görmekte ve daha evvel teknolojik manada elde edilemeyen sonuçlara ulaşmaktadır.” diye konuştu.
Derin öğrenme modeli, insan seviyesini aşacak doğruluk sağlayabilir
Doç. Dr. Türker Tekin Ergüzel, “Bir bilgisayar modeli oluşturup, direkt imajlardan, metinden yahut sesten ikili/çoklu sınıflandırma misyonlarını gerçekleştirir. Derin öğrenme modelleri, bazen insan seviyesindeki performansı aşacak düzeyde doğruluk sağlayabilir. Modeller, çok sayıda etiketli bilgi seti ve birçok katman içeren hudut ağı mimarileri kullanılarak eğitilir.” dedi.
Derin öğrenme değerli bilgi süreç gücü gerektirir
Derin öğrenmenin birinci olarak 1980’lerde teorize edilmiş olsa da son vakitlerde yararlı hale gelmesinin iki ana nedeni olduğunu belirten Doç. Dr. Türker Tekin Ergüzel, bu nedenleri şöyle açıkladı:
“Derin öğrenme, büyük ölçüde etiketlenmiş data gerektirir (milyonlarca görüntü ve/veya binlerce saatlik video). Bu bilgilerin toplanabilmesi ve depolanması günümüz teknolojisi sayesinde mümkün olabilmiştir. Derin öğrenme, kıymetli bilgi süreç gücü gerektirir. Yüksek performanslı GPU’lar, derin öğrenme için verimli olan paralel bir mimariye sahiptir. Bu, kümeler yahut bulut bilişim ile birleştirildiğinde, geliştirme gruplarının derin öğrenme ağı için eğitim mühletini haftalardan saatlere yahut daha azına indirmesini sağlar.”
Derin öğrenme, güvenlik açısından kritik uygulamalar için çok kıymetli
“Derin öğrenme, konvansiyonel makine öğrenmesi prosedürlerine nazaran çok sayıda datanın soruna dahil edilmesi şartı altında daha yüksek düzeylerde sınıflandırma doğruluğu sağlar.”diyen Doç. Dr. Türker Tekin Ergüzel, “Bu, tüketici elektroniğinin kullanıcı beklentilerini karşılamasına yardımcı olur ve şoförsüz otomobiller üzere güvenlik açısından kritik uygulamalar için çok kıymetlidir. Derin öğrenmedeki son gelişmeler sayesinde, derin öğrenmeye dayalı olarak geliştirilen modeller, imgelerdeki objeleri sınıflandırma üzere birtakım vazifelerde, insanlardan daha uygun performans elde edilebilmiştir.”dedi.
Derin öğrenme pek çok alanda kullanılıyor
Derin öğrenme uygulamalarının, otomatik sürüşten tıbbi aygıtlara kadar birçok kesimde kullanıldığını kaydeden Doç. Dr. Türker Tekin Ergüzel, bu bölümleri şöyle sıraladı:
Otomatik Sürüş: Otomotiv araştırmacıları, dur işaretleri ve trafik ışıkları üzere objeleri otomatik olarak algılamak için derin öğrenmeyi kullanır. Bu sayede yayalar tespit edilebilmekte ve bu da kazaların azalmasına yardımcı olmaktadır.
Havacılık ve Savunma: Derin öğrenme, uydular tarafından görüntülenen objeleri belirlemek ve birlikler için inançlı yahut inançsız bölgelerin tespiti için kullanılır.
Nörogörüntüleme dataları ile sınıflandırma yapılabiliyor
Tıbbi Araştırma: Kanser araştırmacıları, kanser hücrelerini otomatik olarak tespit etmek için derin öğrenmeyi kullanmaktadır. Kanser hücrelerinin hakikat bir şekilde tanımlanması hedefiyle, derin öğrenme modelini eğitmede kullanılan yüksek boyutlu data sağlayan gelişmiş bir mikroskop oluşturulmuştur.
Bu alanda bilhassa Üsküdar Üniversitesi’nde bilim ve uygulama ortağı NPİSTANBUL Beyin Hastanesi ile birlikte nörogörüntüleme dataları ile yürütülen psikiyatrik hastaların sınıflandırılması, tedavi sonucu öngörü çalışmaları dikkat çekmektedir. Misal çalışmalar üniversitemizin de yer aldığı Milletlerarası Beyin Araştırmaları Konsorsiyumu’nda Stanford University, New York University, Ottawa University iştiraki ile büyük data tahlilleri ile yürütülmektedir. Yürütülmekte olan çalışmalara üniversitemiz Tedavisel Beyin Haritalama ve Nöroteknoloji Çalışma kümesi sayfasında da ayrıntılarıyla yer verilmiştir.
Endüstriyel Otomasyon: Derin öğrenme, iş makinelerindeki arızaların evvelce tespit edilmesini sağlayarak, ağır makinelerin etrafındaki emekçi güvenliğini artırmaya yardımcı olur.
Elektronik: Derin öğrenme, otomatik işitme ve konuşma çevirisinde de kullanılmaktadır. Örneğin, sesinize karşılık veren ve tercihlerinizi bilen mesken yardım aygıtları, derin öğrenme uygulamaları tarafından desteklenmektedir.
Kaynak: (BHA) – Beyaz Haber Ajansı
