Fizik Bilgisiyle Yapay Zekâ Destekli Bilgisayarlı Görüyü Geliştirmek

Yapay Zeka, yaşamımıza kuşkusuz kalıcı bir iz bırakmıştır. Yapay Zeka yeteneklerini daha da geliştirmeye yönelik bir öncü çalışmada, UCLA ve Amerika Birleşik Devletleri Ordusu Araştırma Laboratuvarı’ndan araştırmacılar, fizik bilincini veri odaklı tekniklerle birleştiren benzersiz bir yaklaşım ortaya koydular.

Çalışma, Nature Machine Intelligence dergisinde yayımlandı ve fiziksel dünya hakkında veri tabanlı makine öğrenimi ile fiziksel ilkeleri birleştiren bir metodoloji önerdi. Bu, otonom araçlar ve hassas eylem robotları için kritik öneme sahip Yapay zekâ tabanlı makinelerin çevrelerini gerçek zamanlı algılama, çevreleriyle etkileşime girme ve tepki verme biçimini geliştirmeyi hedefliyor.

Fizik Bilincine Dayalı Yapay Zeka için Melez Yaklaşım

Geleneksel olarak, bilgisayarlı görü, yapay zeka’nın fiziksel dünyayı anlamasını ve özelliklerini resimlerden çıkarmasını sağlayan alan, büyük ölçüde veri tabanlı makine öğrenimine odaklanmıştır. Aynı zamanda, fiziksel ilkeleri anlamaya yönelik fizik tabanlı araştırmalar, birçok bilgisayarlı görü sorununu çözme amacını taşıyordu. Ancak, fiziksel ilkelerin sinir ağlarına entegrasyonu zor olmuştur.

UCLA çalışması, verilerden edinilen derin anlayışı fizik bilgisinin gerçek dünyaya ilişkin birikimiyle birleştirmeyi ve böylece yetenekleri artırılmış bir melez yapay zeka oluşturmayı amaçlıyor. Çalışmanın sorumlu yazarı ve UCLA Samueli Mühendislik Okulu elektrik ve bilgisayar mühendisliği öğretim üyesi Achuta Kadambi, “Fizik bilgisine dayanan çıkarımlar, arabaların daha güvenli sürmesini veya cerrahi robotların daha doğru olmasını sağlayabilir” diyor.

Bilgisayarlı Görüye Fiziksel İlkelerin Entegrasyonu

Araştırma ekibi, bilgisayarlı görüye fiziksel ilkeleri entegre etmenin üç yenilikçi yolunu ortaya koyuyor:

1. Veri setlerine fiziksel ilkelerin eklenmesi: Bu, nesneleri video oyunlarındaki karakterler gibi hız veya ağırlık gibi ek bilgilerle etiketlemeyi içerir.
2. Ağ mimarilerine fiziksel ilkelerin entegrasyonu: Bu strateji, verileri, kameraların kaydettiği görüntülere fiziksel özellikleri kodlayan bir ağ filtresinden geçirmeyi içerir.
3. Ağ kaybı fonksiyonuna fiziksel ilkelerin entegrasyonu: Burada, fiziksel ilkeler, yapay zeka’nın eğitim verilerini yorumlamasına yardımcı olmak için kullanılır.

Bu deneysel araştırmalar, bilgisayarlı görüyü geliştirmede şimdiden umut verici sonuçlar üretti. Örneğin, melez yaklaşım, Yapay zekânın nesne hareketini daha hassas izlemesini ve tahmin etmesini sağlıyor ve olumsuz hava koşullarının görüşü engellediği sahnelerden doğru ve yüksek çözünürlüklü görüntüler üretebiliyor.

Fizik Bilincine Dayalı Yapay Zekanın Geleceği

Araştırmacılar, bu çift modlu yaklaşımın devam eden gelişmelerinin, derin öğrenme tabanlı yapay zekaların fiziksel yasaları bağımsız olarak öğrenmelerine yol açabileceğine inanıyor. Bu, otonom araçlar ve cerrahi robotik gibi çeşitli sektörlerde daha güvenli ve daha doğru yapay zeka uygulamalarına yol açabilir.

Çalışma, Amerika Birleşik Devletleri Ordusu Araştırma Laboratuvarı’ndan bir hibe ile kısmen desteklenmiştir ve ordudan bilgisayar bilimcisi Celso de Melo ve UCLA öğretim üyeleri Stefano Soatto, Cho-Jui Hsieh ve Mani Srivastava tarafından ortaklaşa yazılmıştır. Ek fon, Ulusal Bilim Vakfı, Ordunun Genç Araştırmacı Programı, Savunma İleri Araştırma Projeleri Ajansı, Intrinsic, Alphabet (GOOG ) (GOOGL ) şirketinin bir parçası ve Amazon’dan geldi.