Bu yapay zeka gösterilen fotoğrafın özelliklerini (piksel, göz, uzuv, renk) gibi alıp ona göre bir sonuca mı gidiyor yoksa tek tek bu görsel aslan tanımına uygun mu, at tanımına uygun mu, kedi tanımına uygun mu diye mi tarayıp sonuca gidiyor?
Yani bir nevi tümdengelim mi tümevarım mı uygulanıyor??
Not: mühendis ya da sayısalcı değilim, ona göre yorum yaparsanız sevinirim.
Yapay zekacı değilim ama kısıtlı bilgime dayanarak şunu söyleyebilirim: Fotoğrafın özelliklerini alıp ona göre bir sonuca gidiyor. Bu sonuç kısıtlı bir küme. Yapay zekayı ne kadar eğitirseniz sonuç kümesi o kadar büyüyor ve başarı şansı o kadar artıyor.
Örnek vermek gerekirse: Yapay zeka ile resimden obje tanıma yapacaksınız ama sonuç kümenizde sadece araba ve at var. Yapay zekanın bulacağı objeler ya araba ya da at olacaktır.
Çok teşekkür ederim yorumunuz icin. Öyle spesifik bir yöntem söylenmedi, biz eşit ağırlıkcilara başka bir eşit ağırlıkçı yapay zekanın ne olduğunu anlatıyordu orada küçük bir soru işareti oldu o yüzden sordum :) doğru temel atarsak daha iyi ilerleriz sonuçta.
bircok farkli algoritma var ama en yaygin olarak su sekilde calisiyor.
en kaba sekilde, ilk olarak bir data kumesi ile yapay zeka algoritmasi egitiliyor. ornegin at resmi gosteriliyor ve bu bir attir diye etiketleniyor. daha sonra kedi gosteriliyor bu bir kedidir diye etiketleniyor. eger algoritma "unsupervised" ise herhangi bir mudahalede bulunulmuyor. ornegin gozlerine bak, kulaklarina bak denilmiyor. algoritma verilen data kumesi uzerinde benzerlikler, farkliliklar uzerine bir harita paterni olusturuyor. mesela bu bir neural network de olabilir, self organized map de olabilir. bu sayede algoritmanin egitim kismi tamamlanmis oluyor.
daha sonra siz o algoritmaya bir kedi resmi gosterdiginizde mevcut olusturulmus haritalardan hangisine en yakin olduguna bakiyor. ornegin bir fotograf veriyorsunuz ve bu 0,72 oraninda kedi 0,01 oraninda at, 0.25 oraninda aslan diye bir oran buluyor. bu oranlardan en yuksek olasilikta olan belli bir degeri astiysa bu bir kedidir diyor. eger bu bilgi dogrulanabiliryorsa bu bilgiyi de bir sonraki islemde hesaba katiyor.
verinin tanimlanmasi zor oldugu icin yapay zeka kullaniliyor. yani kedinin tanimi budur demek imkansiz, cunku her tanim aslana da buyuk oranda uyuyor, bir disi aslana baktiginizda ve elinizde o aslanin boyut bilgisi yoksa gorseldeki kediye de benziyor. o nedenle belli bir tanim yok. tanim verilerek supervised bir yontem de uygulanabilr, ama bu gibi drumlarda asil yararli olan yapay zekanin kendi tanimini kendi olusturmasidir. boylece golgeden bire cikarim yapabilir. yoksa tanim olarak aslanin goz rengi budur denilirse gun batiminda az isik altinda aslanin goz rengi anlasilamayacagi icin yapay zeka dogru sunuca ulasamayacaktir.
ama tabi bircok farkli yontem var, bu en kaba anlatimi.
Çok teşekkür ederim, çok açıklayıcı oldu. Bu durumda aslında bu kedi mi ona göre inceleyeyim, bu köpek mi ona göre inceleyeyim yerine haritalama yaptığı için bir nevi çıkarım yaparak sonuca gidiyor diye anlıyorum.
Bir de eğitilme aşamasında merak ettiğim bir husus var, bu eğitilme için gerekli şeyleri nasıl yapıyoruz? Örneğin kedi fotoğrafı gösteriyoruz ama yapay zeka bunu nasıl kedi olarak neye göre anlıyor? Yani bunun için de bizim bir şey belirlememiz, ne bileyim gösterilen fotoğraftaki canlının iki gözü ve kuyruğu varsa kedidir gibi bir şey dememiz gerekmez mi yoksa yapay zekanın zaten amacı bu şeyleri yapmadan kendi kendine yapması mı?
Dediğim gibi bilmediğim için soruyorum, saçma geldiyse kusura bakmayın. Ben aslında bu tür kavramlar ne kadar çok geniş kesimce anlaşılırsa o kadar faydalı olacağını düşünüyorum o yüzden bu kadar öğrenmeye çalışıyorum.
aslinda yapay zekanin amaci bu tarz tanimlamalari yapmamamiz icin. normalde standart algoritmalarda bu tarz tanimlamalari yapiyoruz ama ozellikle yuz tanima gibi isler icin bu tarz tanimlamalar o kadar karmasik hale geliyor ki bir noktada bunun icin algoritma yazilamaz oluyor. yapay zeka ise bu tarz belirsiz, yani discreet olmayan isler isin bulanik mantik yolu ile tahminde bulunuyor. ornegin yuzlerce kedi resmi gosteriyorsunz, sonra yuzlerce kopek resmi gostriyorsunuz ve egitiyorsunuz. egitim sirasinda unsupervised algoritmlaar icin hic mudahale edilmiyor. daha sonra algoritma kendine gosterilen potografin hangisine daha benzer oldgunu "tahmin" ediyor.
kediniz deneme yapmak isterseniz, lobe.ai diye bir microsoft urunu var. hicbir kod yazmadan bu programla yapaz zeka egitip calistirabiirorsunuz. fotograf classification yapabilirsiniz bununla. burada lobe.ai yapabilecekleriniz hakkinda gozel ornekler var. kullanimi cok basit.