Bilgisayar 200 Tür Kuşu Tek Bir Fotoğraftan Tanıyabiliyor

Duke Üniversitesi’nden araştırmacılar, makine öğrenimi kullanarak bir bilgisayara 200 farklı kuş türünü tanıtabildiler. Bilgisayar, tanıma işlemini tamamlamak için sadece bir fotoğrafa ihtiyaç duyuyor. Bir insan için, farklı türleri birbirinden ayırt edebilmek için genellikle yıllarca süren bir kuş gözlemi süreci gerekiyor.

Araştırma, Duke bilgisayar bilimi doktorası öğrencisi Chaofan Chen ve lisans öğrencisi Oscar Li tarafından yürütüldü. Ayrıca, Duke profesörü Cynthia Rudin’in yönettiği Prediction Analysis Lab’deki diğer ekip üyeleri de çalışmaya katkıda bulundu.

Yapay Zeka Düşüncelerini Gösteriyor

Tanıma işlemi etkileyici olsa da, gelişmelerin daha önemli bir yönü var. Yapay zeka, düşüncelerini gösterebiliyor, böylece deneyimsiz bir kuş gözlemcisi bile süreci anlayabiliyor.

Derin sinir ağı, yani beyin işleyişine dayalı algoritmalar, 11.788 fotoğrafla eğitildi. Fotoğraflar, 200 farklı kuş türünü içeriyordu, bunların arasında ördekler ve kolibriler de vardı.

Araştırmacılar, ağın gagaları veya kanat tüylerini tanıması için özel olarak eğitmek zorunda kalmadılar. Bunun yerine, ağ bir kuşun fotoğrafını alabiliyor ve görüntüde belirli kalıpları tanıyabiliyor. Daha sonra bu kalıpları, önceden karşılaştığı türlerin tipik özellikleriyle karşılaştırabiliyor.

Ekip üyelerine göre, ağ bir dizi ısı haritası oluşturuyor ve belirli özellikleri tanımlıyor. Örneğin, ordinaryüs bir savaşçı kuşu ve bir masked savaşçı kuşu arasındaki farkı, ayrıca masked bir baş ve sarı bir karnın farklı özelliklerini gösterebiliyor. Ardından, bu özelliklerin tanıma işleminin nedenini açıklıyor.

Diğer Sistemlerden Farklı

Sinir ağı, doğru türleri %84 oranında tanımlayabildi. Bu, bazı en iyi performans gösteren sistemlerle benzerlik gösteriyor. Ancak, bu sistemler düşünce sürecini açıklamıyor.

Rudin’e göre, bu projenin en devrimci yönü, derin sinir ağlarının bir görüntüye baktıklarında ne gördüklerini görselleştirmesidir.

Bu teknoloji, ayrıca sosyal medya sitelerinde, şüpheli suçluları güvenlik kameralarında tanımlamak ve otonom araçların trafik ışıklarını ve yayaları tanımlamak için kullanılıyor.

Derin öğrenme yazılımları genellikle veri öğrenmek için açıkça programlanmaya gerek duymaz, ancak geleneksel yazılımların aksine, bu süreç her zaman açık veya gösterilmez, bu nedenle algoritmaların bir görüntüyü sınıflandırırken “düşündükleri” açıklamak zor olabilir.

Gelecekte

Rudin ve diğerleri, yapay zeka için yeni derin öğrenme modelleri üzerinde çalışıyor ve bu alanda ilerleme kaydediyorlar. Yeni modeller, nedenlerini ve tanıma işlemlerini açıklıyor. Bu, araştırmacılara, baştan sona süreci görme ve bir hata veya sorunun nedenini belirleme olanağı sağlıyor.

Rudin ve ekibi, algoritmayı tıbbi alanda kullanmak için çalışacaklar. Bu, mamografi gibi tıbbi görüntülerdeki belirli sorun alanlarını tanımlamalarına yardımcı olabilir. Bu, sağlık profesyonellerinin tümörleri, kalsifikasyonları ve diğer meme kanseri belirtilerini tespit etmelerine yardımcı olabilir.

Rudin’e göre, ağ, doktorların bir tanı koyma şekline benzer.

“Bu, vak’a dayalı akıl yürütmedir” dedi Rudin. “Umarız ki, doktorlara veya hastalara, ağın görüntüleri neden kötü huylu veya iyi huylu olarak sınıflandırdığını daha iyi açıklamak istiyoruz.”

Ekip, araştırmalarını içeren bir makaleyi, 12 Aralık’ta Vancouver’da yapılacak Otuz Üçüncü Sinir Bilgi İşleme Sistemleri Konferansı’nda (NeurlIPS2019) sunacak.

Çalışmaya, Duke’dan Daniel Tao ve Alina Barnerr ile MIT Lincoln Laboratory’den Jonathan Su da dahil.